(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211065471.1 (22)申请日 2022.09.01 (71)申请人 无锡市华 焯光电科技有限公司 地址 214000 江苏省无锡市滨湖区五三 零 大厦2号十八层 (72)发明人 段晓东　史心群　 (74)专利代理 机构 苏州威世朋知识产权代理事 务所(普通 合伙) 32235 专利代理师 沈晓敏 (51)Int.Cl. G06F 16/22(2019.01) A61B 5/00(2006.01) A61B 5/02(2006.01) G06F 16/25(2019.01) G06F 16/28(2019.01) (54)发明名称 脉象诊断分类方法、 数据库构建方法、 装置 及存储介质 (57)摘要 本发明揭示了一种脉象诊断分类方法、 数据 库构建方法、 装置及存储介质， 分类方法包括： 获 取参考脉象数据组， 以及与标准脉象数据组对应 的脉象类别信息； 根据所述参考脉搏数据和所述 参考诊断数据， 构建诊断识别模型； 根据所述标 准诊断数据和所述脉象类别信息， 构建脉象分类 模型； 接收并将待诊脉搏数据 依次输入所述诊断 识别模型和所述脉象分类模型， 得到对应的诊断 分类信息。 本发明提供的脉象诊断分类方法， 使 得用于进行脉象分类的数据具有明确的特征指 向性， 能够提升分类过程的针对性和分类结果的 准确性。 权利要求书3页 说明书13页 附图6页 CN 115374125 A 2022.11.22 CN 115374125 A 1.一种脉象诊断分类方法， 其特 征在于， 包括： 获取参考脉 象数据组， 以及与 标准脉象数据组对应的脉 象类别信 息； 其中， 所述参考脉 象数据组包括参考脉搏数据和参考诊断数据， 所述参考诊断数据包括所述标准脉象数据组 的标准诊断数据； 根据所述 参考脉搏数据和所述 参考诊断数据， 构建诊断识别模型； 根据所述标准诊断数据和所述脉象类别 信息， 构建脉象分类模型； 接收待诊脉搏数据并将待诊脉搏数据依次输入所述诊断识别模型和所述脉象分类模 型， 得到对应的诊断分类信息 。 2.根据权利要求1所述的脉象诊断分类方法， 其特 征在于， 所述方法具体包括： 搭建决策树分类模型框架， 对所述标准诊断数据的内容进行维度类型分类， 并基于分 类结果生成决策树的若干内部节点； 以所述脉象类别信 息作为决策树的叶节点， 并根据 所述标准诊断数据与所述脉 象类别 信息之间的对应关系， 构建得到决策树分类模型作为所述脉象分类模型。 3.根据权利要求2所述的脉 象诊断分类方法， 其特征在于， 所述决策树分类模型框架基 于sklearn模型； 所述方法具体包括： 调用预设的CART算法， 根据所述分类结果对所述标准诊断数据进行处理， 生成决策树 的所述若干内部节点。 4.根据权利要求1所述的脉 象诊断分类方法， 其特征在于， 所述参考脉象数据组包括所 述标准脉象数据组和样本患者数据组， 所述标准脉象数据组包括所述标准诊断数据和标准 脉搏数据， 所述样本患者数据组包括样本脉搏数据和样本诊断数据。 5.根据权利要求 4所述的脉象诊断分类方法， 其特 征在于， 所述方法具体包括： 按照预设比例对所述标准诊断数据进行划分， 得到第 一标准诊断数据集合和第 二标准 诊断数据集 合； 搭建弱监督分类模型框架， 以所述第 一标准诊断数据集合和所述样本诊断数据共同作 为分类模型训练集， 以所述第一标准诊断数据集合对应的若干脉象类别信息作为标签， 训 练得到初始分类模型； 以所述第二标准诊断数据集合作为分类模型测试集， 以所述第 二标准诊断数据集合对 应的若干脉象类别信息作为标签， 对所述初始分类模型进行测试优化， 构建得到弱监督分 类模型作为所述脉象分类模型。 6.根据权利要求 4所述的脉象诊断分类方法， 其特 征在于， 所述方法具体包括： 搭建神经网络模型框架， 以所述标准脉搏数据和所述样本脉搏数据中一部分作为识别 模型训练集， 以所述标准脉搏数据对应的标准诊断数据作为其标签， 以所述样本脉搏数据 对应的样本诊断数据作为 其标签， 训练得到初始 识别模型； 以所述标准脉搏数据和所述样本脉搏数据中另一部分作为识别模型测试集， 对所述初 始识别模型进行测试优化， 构建得到神经网络模型作为所述诊断识别模型。 7.根据权利要求1所述的脉象诊断分类方法， 其特征在于， 所述脉象类别信息包括浮 脉、 洪脉、 濡脉、 散脉、 芤脉、 革脉、 沉脉、 伏脉、 牢脉、 弱脉、 迟脉、 缓脉、 涩脉、 结脉、 数脉、 促 脉、 疾脉、 动脉、 虚脉、 微脉、 细脉、 代脉、 短脉、 实脉、 滑脉、 紧脉、 长脉、 弦脉中至少部分。 8.根据权利要求1所述的脉 象诊断分类方法， 其特征在于， 所述参考诊断数据包括参考权　利　要　求　书 1/3 页 2 CN 115374125 A 2脉名信息和参 考节律信息 。 9.根据权利要求8所述的脉 象诊断分类方法， 其特征在于， 对应于每种参考脉搏数据的 所述参考节律信息为节律正常类判定信息、 不齐类判定信息、 节律结代类判定信息和节律 促类判定信息其中之一； 对应于每种参考脉搏数据的所述参考脉名信息为脉名平类判定信息、 弦一类判定信 息、 弦二类判定信息、 弦三类判定信息、 弦四类判定信息、 滑类判定信息、 平滑类判定信息、 平弦类判定信息、 弦滑类判定信息、 涩 类判定信息、 芤类判定信息、 濡类判定信息、 虚类判定 信息、 实类判定信息、 弱类判定信息、 微类判定信息、 散类判定信息、 革类判定信息、 牢类判 定信息、 紧类判定信息、 洪类判定信息、 细类判定信息、 脉名浮类判定信息、 脉名沉类判定信 息、 脉名迟类判定信息、 脉名缓类判定信息、 脉名数类判定信息、 脉名疾类判定信息、 脉名结 代类判定信息和脉名促类判定信息其中之一。 10.根据权利要求8所述的脉象诊断分类方法， 其特 征在于， 所述方法具体包括： 接收并根据对应于所述参考脉搏数据的参考脉位信息、 参考脉力信 息、 参考脉势信 息、 参考脉率信息、 参 考脉形信息， 确定所述 参考脉名信息 。 11.根据权利要求10所述的脉象诊断分类方法， 其特征在于， 对应于每种参考脉搏数据 的所述参考脉位信息为脉位 浮类判定信息、 中类判定信息和脉位 沉类判定信息其中之一； 对应于每种参考脉搏数据的所述参考脉力信 息为有力 类判定信 息、 中力类判定信 息和 无力类判定信息其中之一； 对应于每种参考脉搏数据的所述参考脉势信 息为满实类判定信 息、 脉势正常类判定信 息、 低乎虚类判定信息和中空虚类判定信息其中之一； 对应于每种参考脉搏数据的所述参考脉率信 息为脉率迟类判定信 息、 脉率缓类判定信 息、 脉率平类判定信息、 带数类判定信息、 脉率数类判定信息和脉率疾类判定信息其中之 一； 对应于每种参考脉搏数据的所述参考脉形信 息为单主波判定信 息、 主前组合波判定信 息、 主重组合波判定信息、 主前重组合波判定信息其中之一。 12.一种脉象诊断分类装置， 其特征在于， 包括： 存储器、 处理器以及存储在所述存储器 上并可在所述处理器上运行的脉象诊断分类程序， 所述脉象诊断分类程序被所述处理器执 行时， 实现如权利要求1 ‑11任一项所述的脉象诊断分类方法。 13.一种存储介质， 其上存储有应用程序， 其特征在于， 该应用程序被执行时， 实现如权 利要求1‑11任一项所述的脉象诊断分类方法。 14.一种脉象诊断分类数据库构建方法， 其特 征在于， 包括： 接收参考脉象数据组， 以及与标准脉象数据组对应的脉象类别信息， 并以所述脉象类 别信息作为脉象诊断分类数据库的基准类别信息； 其中， 所述参考脉象数据组包括参考诊 断数据， 所述参考诊断数据包括所述标准脉象数据 组的标准诊断数据， 以及其他脉象数据 组的其他诊断数据； 调用如权利要求1 ‑11的脉象诊断分类方法提供的脉象分类模型， 根据所述其他诊断数 据， 对所述 其他脉象数据组进行分类， 确定所述 其他脉象数据组对应的其 他类别信息； 按照所述其他类别信 息与所述基准类别信 息的对应关系， 对所述其他脉象数据组进行 整合， 得到脉象诊断分类数据库。权　利　要　求　书 2/3 页 3 CN 115374125 A 3