[发明专利]一种基于深度学习的针灸治疗系统及方法

说明书

本发明涉及医疗数据处理领域，具体公开了一种基于深度学习的针灸治疗系统及方法，包括标记信息处理模块和数据存储分析模块以及由穴位边界标记座、拓压触发组件、拓压扩张传动组、标记介质存储组和标记介质填充引导组组成的标记识别端；经数据存储分析模块分析处理后分获得原初穴位标准穴位图形、常态变化穴位图形，使操作人员依据获得的原初穴位标准穴位图形、常态变化穴位图形分别于当前患者体表标出，之后即依据标出的三组穴位图像进行逐次施针，将各图形内施针后得出的有效刺激数据经数据库上传，通过数据存储分析模块分析后依据三组图形中的有效点接合构成最佳施针标记图形，进而修正出当前最佳穴位图形用以完善针灸治疗。

技术领域

本发明涉及医疗数据处理领域，特别涉及一种基于深度学习的针灸治疗系统及方法。

背景技术

相较于人工找穴的经验性判别，现代针灸医疗技术开始利用机器视觉技术结合大数据库寻穴进而辅助完成穴位标记，能一定程度上降低人工寻穴的不确定性，进而完成系统化的穴位找寻。该种机械视觉技术手段虽针对常态体表穴位表现人群的确定性明显，但是受制于患者穴位变化产生的非一致性，针对于患者因自身肌肉或体表缺陷因素，所产生穴位路径小范径产生偏移后的穴位点标记确定性不佳。因此受制于此非确定性影响，在对具有偏差性的穴位标点进行未修正状态下的针灸治疗后，易影响最终得出的针灸治疗数据，医护人员无法依据当前选取的标记点穴位刺激数据与常规治疗组之间做出正确对照，不利于治疗计划的及时修正。

为此，我们提出一种基于深度学习的针灸治疗系统及方法。

发明内容

本发明的主要目的在于提供一种基于深度学习的针灸治疗系统及方法。为实现上述目的，本发明采取的技术方案为：一种基于深度学习的针灸治疗系统，包括标记信息处理模块和数据存储分析模块以及由穴位边界标记座、拓压触发组件、拓压扩张传动组、标记介质存储组和标记介质填充引导组组成的标记识别端，所述标记识别端用于患者针灸穴位的采集标记以及对标记后穴位的识别上传，所述标记信息处理模块用于将所述标记识别端获得的患者当前穴位标记图像录入所述数据存储分析模块，同时对所述数据存储分析模块内录入的当前穴位标记图像读出，所述数据存储分析模块通过录入所述标记介质填充引导组采集的当前标点数据后，经源端数据库向所述数据存储分析模块内录入原初标点数据以及常态变化数据，经常态变化数据将当前标点数据将原初标点数据进行偏差修正后，进而获得修正后标点数据。

本发明进一步的改进在于，针灸治疗系统的穴位数据修正方法包括以下步骤：

步骤1，数据准备：从已有的针灸穴位标记数据集中获取数据样本，并将其划分为训练集和测试集；

步骤2，模型训练：使用深度学习模型卷积神经网络（CNN）或循环神经网络（RNN），对训练集的数据样本进行训练；深度学习模型能够学习到人体解剖结构的特征，并能够准确预测穴位位置；

步骤3，数据修正：对测试集中的每个数据样本，利用训练好的深度学习模型进行预测，并将预测结果与原始标记数据进行比对；数据修正步骤如下：

步骤a，对于每个测试集中的数据样本，利用训练好的深度学习模型进行预测，得到预测的穴位坐标；

步骤b，将预测的穴位坐标与原始标记数据中的穴位坐标进行比对，计算它们之间的差异；

步骤c，根据差异分析的结果，进行数据修正，修正的方法包括校正坐标偏差、穴位边界调整和删除错误标记；其中，坐标偏差校正：

X=X1+ΔX，Y=Y1+ΔY；其中，X为修正后的横坐标，Y为修正后的纵坐标，X1为原始横坐标，Y1为原始纵坐标，ΔX为横坐标修正量，ΔY为纵坐标修正量；

ΔX=α*(X2-X1)，ΔY=β*(Y2-Y1)；其中，X2为预测横坐标，X1为原始横坐标，Y2为预测纵坐标，Y1为原始纵坐标，α和β是校正因子，根据差异分析结果和相关统计分析确定；

穴位边界调整：L=L2+ΔL，R=R2+ΔR，L为调整后的左边界，R为调整后的右边界，L2为原始左边界，R2为原始右边界，ΔL为左边界修正量，ΔR为右边界修正量；