[发明专利]脉诊五脏状态分类方法、设备和存储介质

说明书

本发明公开了一种脉诊五脏状态分类方法、设备和存储介质，涉及智能中医领域，本发明的方法，包括：获取待处理数据集和五脏状态类别对应的编码标签数据；对待处理数据集进行数据处理，得到脉象信号数据集；对脉象信号数据集进行特征处理，得到二维数组数据；将二维数组数据和编码标签数据输入到脉诊五脏状态分类模型中进行分类处理，得到脉诊五脏状态分类数据；其中，脉诊五脏状态分类模型根据LightGBM最优参数训练得到，且LightGBM最优参数根据遗传算法对LightGBM算法进行参数优化后得到。通过这种脉诊五脏状态分类方法，提升对五脏状态进行脉诊分类识别的准确率，并提升脉诊五脏状态数据分类的速率。

技术领域

本发明涉及智能中医领域，尤其涉及一种脉诊五脏状态分类方法、设备和存储介质。

背景技术

目前，脉诊识别分类技术使用了传统的机器学习技术或层数不深的深度神经网络来完成脉诊的分类识别任务。但是目前的脉诊识别分类技术的识别准确率和实时性较低，不利于对五脏状态进行精确的分类识别，也不能快速诊断出患者的脉诊五脏状态分类数据。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种脉诊五脏状态分类方法、设备和存储介质，提升对五脏状态进行脉诊分类识别的准确率，并提升脉诊五脏状态数据分类的速率。

根据本发明第一方面实施例的脉诊五脏状态分类方法，其包括：

获取待处理数据集和五脏状态类别对应的编码标签数据；

对所述待处理数据集进行数据处理，得到脉象信号数据集；

对所述脉象信号数据集进行特征处理，得到二维数组数据；

将所述二维数组数据和所述编码标签数据输入到脉诊五脏状态分类模型中进行分类处理，得到脉诊五脏状态分类数据；其中，所述脉诊五脏状态分类模型根据LightGBM最优参数训练得到，且所述LightGBM最优参数根据遗传算法对LightGBM算法进行参数优化后得到。

根据本发明实施例中提供的一个或多个技术方案，至少具有如下有益效果：本发明根据遗传算法对LightGBM算法进行参数优化，以得到LightGBM最优参数，根据LightGBM最优参数训练得到脉诊五脏状态分类模型，将二维数组数据和编码标签数据输入到脉诊五脏状态分类模型中进行分类处理，得到脉诊五脏状态分类数据。通过这种脉诊五脏状态分类方法，提升对五脏状态进行脉诊分类识别的准确率，并提升脉诊五脏状态数据分类的速率。

根据本发明的一些实施例，所述获取待处理数据集和五脏状态类别对应的编码标签数据，包括：

获取待处理数据集；

对所述待处理数据集进行标注处理，得到五脏状态类别的初始标签；

将所述五脏状态类别的初始标签输入到所述LightGBM算法中，得到五脏状态类别对应的编码标签数据。

根据本发明的一些实施例，所述获取待处理数据集，包括：

通过脉诊手套采集脉象信息；

根据所述脉象信息，得到所述待处理数据集。

根据本发明的一些实施例，所述数据处理包括数据预处理和数据重新组建处理，所述对所述待处理数据集进行数据处理，得到脉象信号数据集，包括：

对所述待处理数据集进行所述数据预处理，得到脉诊数据集；

对所述脉诊数据集进行所述数据重新组建处理，得到脉象信号数据集。

根据本发明的一些实施例，所述数据预处理包括小波变换处理、中值滤波处理、高通滤波处理和样条插值处理；所述对所述待处理数据集进行数据预处理，得到脉诊数据集，包括：