[发明专利]一种基于生成对抗网络的智能中医远程辅助诊疗平台在审
申请号: | 202010336308.9 | 申请日: | 2020-04-23 |
公开(公告)号: | CN113555106A | 公开(公告)日: | 2021-10-26 |
发明(设计)人: | 吴俊宏;姚志江 | 申请(专利权)人: | 浙江远图互联科技股份有限公司 |
主分类号: | G16H50/20 | 分类号: | G16H50/20;G16H80/00;G16H20/90;G16H20/60;G16H20/30;G06N3/04 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 310030 浙江省杭*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 生成 对抗 网络 智能 中医 远程 辅助 诊疗 平台 | ||
1.一种基于生成对抗网络的智能中医远程辅助诊疗平台,其特征在于,包括中医数据资料收集模块、用户调理方案模型模块、用户身体状况数据采集模块、中医养生知识库模块和智能辅助诊断模块;其中,
所述用户身体状况数据采集模块用于对用户身体状况进行状态信息采集;
所述用户调理方案模型模块为基于生成对抗网络的用户调理方案模型模块,用于为用户推荐调理养生方案模型;
所述中医数据资料收集模块用于从所述中医养生知识库模块收集样本数据集,并对收集的样本数据集进行数据增强和标签;
所述智能辅助诊断模块用于接收所述状态信息,并对所述用户提供调理方案或推荐用户医生。
2.根据权利要求1所述的一种基于生成对抗网络的智能中医远程辅助诊疗平台,其特征在于,所述用户调理方案模型模块所采用的生成对抗网络结构的为深度卷积对抗网络,其中深度卷积对抗网络生成方法包括:
将随机噪声输入到全连接网络,通过维度变换使其成为三维张量送入到生成器网络G中,生成尽可能接近真实数据分布的样本,然后将生成的样本和收集的样本一起输入到判别器网络D中,判别器网络D输出分类结果,所述分类结果和真实结果的误差将传输到生成器网络G和判别器网络D中,整个过程进行不断得迭代。
3.根据权利要求2所述的一种基于生成对抗网络的智能中医远程辅助诊疗平台,其特征在于,所述随机噪声为符合高斯分布的随机噪声。
4.根据权利要求2所述的一种基于生成对抗网络的智能中医远程辅助诊疗平台,其特征在于,所述生成器网络G包括1个全连接层和5个微步卷积层,每个微步卷积层后进行批归一化和激活函数,其中前4个激活函数为ReLU函数,最后一个激活函数为Tanh函数。
5.根据权利要求3所述的一种基于生成对抗网络的智能中医远程辅助诊疗平台,其特征在于,所述批归一化包括计算每个批次的数据均值、计算每个批次的数据方差、利用前两步里计算得到的均值和方差对该批次的数据进行归一化操作和尺度变换和偏移。
6.根据权利要求3所述的一种基于生成对抗网络的智能中医远程辅助诊疗平台,其特征在于,所述生成器网络G损失函数为生成样本与真实样本的统计分布相匹配的特征匹配方法,表达式为:
其中,f表示判别器中间层的特征值,z表示输入噪音。
7.根据权利要2所述的一种基于生成对抗网络的智能中医远程辅助诊疗平台,其特征在于,所述判别器网络D的网络结构包括5层卷积层和3个全连接层,网络中卷积层所选取的卷积核大小为5×5,每个卷积层后都有批归一化处理和激活函数,所取激活函数为LeakReLU函数,LeakReLU在负半轴保留了斜率,可以避免训练过程中梯度消失,为了防止过拟合在全连接层加入Dropout,最后通过softmax函数输出结果,其表达式为:
其中,K为真实样本类别,K+1为生成样本类别,的最大值为类别的输出概率。
8.根据权利要求7所述的一种基于生成对抗网络的智能中医远程辅助诊疗平台,其特征在于,所述判别器网络D损失函数为真实类标签分布和预测类标签的交叉熵损失函数,表达式为:
其中,x为真实样本,y为样本数据对应的类别,x,y~Pdata表示输入样本带有标签y,x~G表示x取自生成样本。
9.根据权利要求1所述的一种基于生成对抗网络的智能中医远程辅助诊疗平台,其特征在于,所述用户身体状况数据采集模块用于对用户进行包括静脉气血状况、动静脉血状况、寒热虚实状况、面诊胸廓状况和心电经络状况的状态信息采集。
10.根据权利要求1所述的一种基于生成对抗网络的智能中医远程辅助诊疗平台,其特征在于,所述中医养生知识库包括中医养生原理、中医养生方法和中医养生应用。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江远图互联科技股份有限公司,未经浙江远图互联科技股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010336308.9/1.html,转载请声明来源钻瓜专利网。