CN110772235A - 基于云计算和移动平台的中医智能健康分析系统 - Google Patents

基于云计算和移动平台的中医智能健康分析系统 Download PDF

Info

Publication number
CN110772235A
CN110772235A CN201910779222.0A CN201910779222A CN110772235A CN 110772235 A CN110772235 A CN 110772235A CN 201910779222 A CN201910779222 A CN 201910779222A CN 110772235 A CN110772235 A CN 110772235A
Authority
CN
China
Prior art keywords
diagnosis
chinese medicine
data
traditional chinese
tongue
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201910779222.0A
Other languages
English (en)
Inventor
杜海浩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianjin Mori Polytron Technologies Inc
Original Assignee
Tianjin Mori Polytron Technologies Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tianjin Mori Polytron Technologies Inc filed Critical Tianjin Mori Polytron Technologies Inc
Priority to CN201910779222.0A priority Critical patent/CN110772235A/zh
Publication of CN110772235A publication Critical patent/CN110772235A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0077—Devices for viewing the surface of the body, e.g. camera, magnifying lens
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0082—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes
    • A61B5/0088—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes for oral or dental tissue
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4803—Speech analysis specially adapted for diagnostic purposes
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4854—Diagnosis based on concepts of traditional oriental medicine
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Physics & Mathematics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Alternative & Traditional Medicine (AREA)
  • Cardiology (AREA)
  • Physiology (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本发明提出了一种基于云计算和移动平台的中医智能健康分析系统，包括；智能压强脉诊腕带终端采用便携式自动充气脉搏压强测量环形腕带终端采集用户的脉象数据；基于移动平台的中医智能健康分析装置接收脉象数据、面部图像、舌部图像和用户发出的声音信号，将脉象数据、面部图像、舌部图像和声音信号发送至基于云计算和大数据的云端服务器系统；基于云计算和大数据的云端服务器系统用于进行分析，并应用智能神经网络技术分析音视频数据，根据得到分析结果作为诊察数据数据记录到该用户的健康数据库中，同时反馈至基于移动平台的中医智能健康分析装置。本发明采用移动互联网与现代信号检测分析方法，全面地处理、分析，实现辨证综合考量。

Description

基于云计算和移动平台的中医智能健康分析系统
技术领域
本发明涉及云计算技术领域，特别涉及一种基于云计算和移动平台的中医智能健康分析系统。
背景技术
开发智能中医健康分析设备，对于数字化中医，实现中医智能健康分析具有重要的意义。现有的健康分析过程均是由医生一个人操作，主观随意性强，且目前没有客观标准，严重影响中医的现代规范化和生物医学机理的研究。如果能够应用客观化检查指标代替传统方式的内容，而不是靠医生主观去辨别，就会提高中医的辨证正确率，提高治疗疗效，并有利于中医科研。
现有技术存在的问题：使脉诊逐步走向定量化、标准化，并用以指导临床工作，从现状来看仍有许多不足：
1)现代敏感性研究较少，特征提取与识别方法不统一，未能深入特征参数与中医四诊本质之间关系，且众多指标的检测，加重病者经济负担，难以临床推广。
2)与临床结合不紧密，仅限于小样本的研究，难以提供临床诊疗有价值的参考依据。
(3)中医应用中的各种参数提取单一，当前没有具备四诊功能和综合诊断的移动智能中医健康分析系统，而且不能全面反映脉象的全部特征，只是抓住几个关键参数。设备计算能力差，不能满足对图像等大量数据进行分析判断的要求，而云计算能够解决这些问题；系统应用多在某一医院或研究机构内使用，不能采集到海量病例资料，仅限于小样本的研究，难以提供临床诊疗有价值的参考依据。
发明内容
本发明的目的旨在至少解决所述技术缺陷之一。
为此，本发明的目的在于提出一种基于云计算和移动平台的中医智能健康分析系统。
为了实现上述目的，本发明的实施例提供一种基于云计算和移动平台的中医智能健康分析系统，包括：智能压强脉诊腕带终端、基于移动平台的中医智能健康分析装置和基于云计算和大数据的云端服务器系统，其中，
所述智能压强脉诊腕带终端采用便携式自动充气脉搏压强测量环形腕带终端，用于采集用户的脉象数据；
所述基于移动平台的中医智能健康分析装置用于接收来自智能压强脉诊腕带终端的脉象数据，并采集用户对面部图像、舌部图像和用户发出的声音信号，将脉象数据、面部图像、舌部图像和声音信号发送至所述基于云计算和大数据的云端服务器系统；
所述基于云计算和大数据的云端服务器系统用于接收所述脉象数据、面部图像、舌部图像和声音信号，对脉象数据、面部图像、舌部图像进行分析，并应用智能神经网络技术分析音视频数据，根据得到分析结果作为诊察数据数据记录到该用户的健康数据库中，同时反馈至基于移动平台的中医智能健康分析装置。
进一步，所述智能压强脉诊腕带终端包括：气泵、充气腕带、压力传感器、信号放大电路、滤波电路和蓝牙模块，
其中，所述气泵与所述充气腕带连接，用于向所述充气腕带充气，所述压力传感器与所述充气腕带连接，用于对所述充气腕带对的压力进行实时监测，生成压力监测信号，并由所述信号放大电路对所述压力监测信号进行信号放大，由所述滤波电路对放大后的压力监测信号进行波形处理，再将滤波后的压力监测信号通过蓝牙模块传输至所述所述基于移动平台的中医智能健康分析装置，基于移动平台的中医智能健康分析装置对压力监测信号进行前期处理得到有效数据，并将有效数据传送给云端服务器系统分析，由云端服务器系统对数据进行存储，利用大数据技术进行分析，并得出相应结论回传至基于移动平台的中医智能健康分析装置。
进一步，所述基于移动平台的中医智能健康分析装置包括：体质监测模块，所述体质监测模块用于通过应用界面设置健康基础问题，并收集用户通过应用输入反馈的答案作为问诊数据，利用摄像头采集用户的面部图像并采用基于神经网络方法的面诊算法对面部图像进行分析，得到面诊数据；利用摄像头采集用户的舌部图像，并采用基于神经网络方法的舌诊算法对舌部图像进行分析，得到舌诊数据；利用麦克风采集用户的声音数据，并基于基于小波分析方法对声音数据进行分析，得到闻诊数据。
进一步，所述体质监测模块对面部图像预处理，对图像进行分割，提取出面部图像，利用背景图像的光源色温与显色性信息对面部图像进行颜色校正；对面部图像检测定位，对面部脏腑反射区域进行特征提取，根据传统中医面诊论断及医典编制分类器，基于神经网络算法建立信息化的诊断方法，利用面诊辩证结果对诊断方法进行训练，深度学习后再与人工面诊结果进行比较验证。
进一步，所述体质监测模块对舌部图像预处理，对图像进行分割，提取出舌部图像，利用背景图像的光源色温与显色性信息对舌部图像进行颜色校正；对舌部图像中舌质、舌苔进行特征提取，根据传统中医舌诊论断及医典编制分类器，基于卷积神经网络算法建立信息化的诊断方法，利用舌诊辩证结果对诊断方法进行训练，深度学习后再与人工舌诊结果进行比较验证。
进一步，所述体质监测模块根据从麦克风采集到用户声音信号，依据基于小波分析方法的二十五音频率分析理论，利用所采集到的五音样本，通过语音信号处理进行信号特征提取、模式识别处理，得到闻诊结果。
进一步，所述体质监测模块还包括：专家系统，用于建立中医知识数据库，并根据问诊结果、面诊结果、舌诊结果和闻诊结果，依据所述中医知识数据库，基于神经网络算法推理出所述用户的健康建议。
进一步，所述基于云计算和大数据的云端服务器系统包括：计算交换与管理装置、云端数据库模块，其中，所述计算交换与管理装置包括：用户信息管理模块、生理信息管理模块、图像云计算处理模块、声音云计算处理模块、脉像云计算处理模块和电子病历模块，所述用户信息管理模块用于注册用户身份信息，关联其生理信息和病例数据；所述图像云计算处理模块用于对用户的图像数据在云端服务系统进行分析运算；所述声音云计算处理模块用于对用户的声音数据在云端服务系统进行分析运算；所述脉像云计算处理模块用于对用户的脉象数据在云端服务系统进行分析运算；所述电子病历模块用于建立用户的电子病历。
进一步，所述云端数据库模块采用关系型数据库。
根据本发明实施例的基于云计算和移动平台的中医智能健康分析系统，采用移动互联网与现代信号检测分析方法，对传统中医结合数字化、客观化手段，可以解决当前存在的问题，移动互联网的方法不但可以提取分析单一人工智能恰好能够满足中医望闻切问综合诊断的特点，模拟人的决策方式，综合分析望闻切问多种病因信息，全面地处理、分析，实现辨证综合考量。
本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1为根据本发明实施例的基于云计算和移动平台的中医智能健康分析系统的结构图；
图2为根据本发明实施例的智能压强脉诊腕带终端的结构图；
图3为根据本发明实施例的智能压强脉诊腕带终端的工作原理图；
图4为根据本发明实施例的基于移动平台的中医智能健康分析装置的结构图；
图5为根据本发明实施例的问诊的界面图；
图6为根据本发明实施例的基于神经网络的面诊智能算法的示意图；
图7为根据本发明实施例的面诊结果的界面图；
图8为根据本发明实施例的基于神经网络的舌诊智能算法的示意图；
图9为根据本发明实施例的舌诊结果的界面图；
图10为根据本发明实施例的闻诊流程图；
图11为根据本发明实施例的基于专家系统的中医智能分析示意图；
图12为根据本发明实施例的专家系统工作流程图；
图13为根据本发明实施例的基于云计算和大数据的云端服务器系统的示意图。
具体实施方式
下面详细描述本发明的实施例，实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
本发明提供一种基于云计算和移动平台的中医智能健康分析系统，融合了中医专家的经验，可以为用户随时提供“望闻问切”的中医健康分析服务，并给出初步建议，同时将诊察数据上传到云端，选择并签约私人医生。
如图1所示，本发明实施例的基于云计算和移动平台的中医智能健康分析系统，包括：智能压强脉诊腕带终端1、基于移动平台的中医智能健康分析装置2和基于云计算和大数据的云端服务器系统3。
如图2和图3所示，智能压强脉诊腕带终端1采用便携式自动充气脉搏压强测量环形腕带终端，用于利用压强原理采集用户的脉象数据，即脉搏数据。
具体的，智能压强脉诊腕带终端1包括：气泵、充气腕带、压力传感器、信号放大电路、滤波电路和蓝牙模块。
气泵与充气腕带连接，用于向充气腕带充气，压力传感器与充气腕带连接，用于对充气腕带对的压力进行实时监测，生成压力监测信号，并由信号放大电路对压力监测信号进行信号放大，由滤波电路对放大后的压力监测信号进行波形处理，再将滤波后的压力监测信号通过蓝牙模块传输至基于移动平台的中医智能健康分析装置，基于移动平台的中医智能健康分析装置对压力监测信号进行前期处理得到有效数据，并将有效数据传送给云端服务器系统分析，由云端服务器系统对数据进行存储，利用大数据技术进行分析，并得出相应结论回传至基于移动平台的中医智能健康分析装置。
具体来说，对寸关尺通过气泵进行加压，由于人体心脏收缩和舒张，压强会有相应变化，利用压强传感器来采集压强变化的数据，通过对数据的分析可以得出相应脉象。压强传感器通过蓝牙将采集压力数据传至基于移动平台的中医智能健康分析装置，例如手机平台。手机平台进行前期处理后，将有效数据传给云平台服务器，云平台对数据进行存储，利用大数据技术，进行分析，并得出相应结论回传至手机平台。
下面对智能压强脉诊腕带终端1的工作原理进行详细说明：脉诊主要通过寸口三部九候之浮中沉取辨属表属里，寸关尺分候法辨脏腑部位。脉位：脉搏跳动显现的部位和长度；脉次：脉搏跳动的至数和节律；脉势：脉搏应指的强弱、流畅等趋势；脉形：脉搏跳动的宽度等形态，选指时医者在诊脉应当选用左手或右手的食指、中指和无名指三个手指指目，布指手指指端平齐，手指略呈现弓形倾斜，与受诊者体表约呈45度角为宜，这样的角度可以使指目紧贴于脉搏搏动处。所以诊脉时三指平按或垂直下指都是不合适的。运指为举- 轻取或浮取，寻-中取，按-重取或沉取，三部九候指运用三种指力，先浮取(举)，再重取 (按)，后中取(寻)。寸关尺三步，每部有浮中沉三候。
终端对寸关尺通过气泵进行加压，由于人体心脏收缩和舒张，压强会有相应变化，利用压强传感器来采样压强变化的数据，通过对数据的分析可以得出相应脉象。其中采集装置通过蓝牙将采集压力数据传至手机平台，手机平台进行前期处理后，将有效数据传给云平台服务器，云平台对数据进行存储，利用大数据技术，进行分析，并得出相应结论回传至手机平台。
本发明采用频域分析法对采集的脉搏压强信号进行分析，该方法是近代工程力学中常用的一种处理波动信息的方法,是把脉搏波分解成为一系列频率为基本频率整数倍的简谐振动，构成一个频率谱，用频谱与倍频的不同来分析脉象的不同。傅里叶变换的数学原理如下：
傅里叶变换是有限长度序列的傅里叶表示式，同时它本身也是一个序列，而不是一个连续函数，它相当于把信号的傅里叶变换进行频率间隔采样。
考虑一个周期性序列xp(n)对于任何整数值k，有
xp(n)＝xp(n+kN) (3-1)
它可以用傅里叶级数表示，即可以用正弦及余弦序列或复指数序列之和表示，它们的频率等于周期序列基频
Figure RE-GDA0002344487480000051
的整数倍。因为复指数
是k的周期函数，周期为基本周期的不同整倍数的只有N个。所以一个周期序列xp(n) 的傅里叶级数表示式只含N个复指数，形式为
Figure RE-GDA0002344487480000061
其中xp(k)是第k次谐波的系数，xp(n)表示为自k＝0到N-1的N个谐波序列之和，xp(k) 称为周期信号xp(n)的频谱。
为了求得各谐波序列的系数xp(k)可以利用下列性质
Figure RE-GDA0002344487480000062
将式(3-3)两边同时乘以
Figure RE-GDA0002344487480000063
并且从n＝0到N-1求和得到
Figure RE-GDA0002344487480000064
利用式(3-4)得
Figure RE-GDA0002344487480000065
将上式中的r换以k表示，则得
Figure RE-GDA0002344487480000066
两式可看作是变换对，称作周期序列的离散傅里叶级数表示式。
把周期序列的概念加以延拓，就可以使用同样的表示式来表示非周期序列。对于离散非周期信号，可以表征为一系列复指数的线性组合，即
Figure RE-GDA0002344487480000068
由离散时间傅里叶变换可求得非周期序列的频谱密度函数X(Ω)，即
Figure RE-GDA0002344487480000069
X(Ω)是数字频率Ω的连续函数，也可写成X(ejΩ)，由于它反映了非周期序列x(n)的频率特性，所以用做离散非周期信号的频谱分析。离散非周期信号的频谱结构X(Ω)是连续的且具有以2π为周期的周期性。
信号频谱分析也就是应用傅里叶分析的方法，求出信号时域波形相对应的频率函数，从中找出描述该信号频谱结构的变化规律，以达到提取特征的目的，如频带宽度、幅度、相位以及能量、功率等随频率变化的分布规律。
要利用计算机对信号进行分析，必须要求该信号在时域的波形及频域的频谱均为离散序列，而离散傅里叶变换将在时域或频域是连续函数的信号离散化。对于非周期序列应人为地在频域对连续频谱进行取样，形成频域变量离散的离散傅里叶变换。其过程是将上式中的Ω代以kΩ0＝k2π/N，Ω0是在频域进行取样的间隔，N是在一个周期(2π)内的采样点数，则得
Figure RE-GDA0002344487480000071
由于序列长度N是定数，k是离散变量，故上式可写成：
Figure RE-GDA0002344487480000072
上式表示把一个有限长序列x(n)经过离散化，变换到频域的另一个有限长序列X(k)，所以称之为离散傅里叶变换DFT。但对于长度无限长的信号，N的选取特别重要，如果不恰当，会由于截断和选取的长度不合适，造成频谱扩散，使能量和功率产生泄漏。
本发明中通过提取波形的频率特征参数,比较各特征参数的组内离均差与总离均差的比值,进行F检验,确定判别能力大小并进行筛选,利用二维傅里叶分析进行识别，挑出主要指标，运用多因素分析法建立判别及诊断比较。
综上，本发明采用外置扩展脉诊采集装置，采用压强原理采集脉象数据的方式，能够覆盖三路脉象同步信息，具有采集准确，误差小，不受使用者影响的特点。而且,这种仪器既能体现出中医脉诊的精髓,又不拘泥于古训。这种仪器以计算机软件为主体,充分体现易经思想,即在变化脉象中,随时将这种象完成数的转化,以便更准掌握病与非病的界线。这种象数的转换,也有利于对脉象的分析、研究与诊断。
本发明基于压强和二维傅里叶分析的智能脉诊算法，通过智能压强脉诊腕带终端对用户寸关尺的脉搏进行数据采集，由于人体心脏收缩和舒张，压强会有相应变化，利用压强传感器来采样压强变化的数据，其测量信号经蓝牙传递至手机分析系统并通过二维傅里叶分析方法对脉搏压强信号进行识别和判断，从而得到切诊的结果。
基于移动平台的中医智能健康分析装置用于接收来自智能压强脉诊腕带终端的脉象数据，并采集用户对面部图像、舌部图像和用户发出的声音信号，将脉象数据、面部图像、舌部图像和声音信号发送至基于云计算和大数据的云端服务器系统。
如图4所示，基于移动平台的中医智能健康分析装置2包括：体质检测、健康学院、健康商城、健康互动、健康社区等模块。
具体的，2体质监测模块用于通过应用界面设置健康基础问题，并收集用户通过应用输入反馈的答案作为问诊数据，利用摄像头采集用户的面部图像并采用基于神经网络方法的面诊算法对面部图像进行分析，得到面诊数据；利用摄像头采集用户的舌部图像，并采用基于神经网络方法的舌诊算法对舌部图像进行分析，得到舌诊数据；利用麦克风采集用户的声音数据，并基于基于小波分析方法对声音数据进行分析，得到闻诊数据。
(1)问诊
本发明基于中华中医药学会的标准，根据每种体质中易于用户自己判断的特征，分别提出若干问题，编制中医体质分类与判定自测表，界面如图5所示。该功能整体按平和体质和偏颇体质分为9组问题，每组问题一个答题界面。根据用户回答进行打分，最终得到用户各种症状的数据。
(2)面诊
面诊是根据患者的面相、面色等的观察，从而判断疾病所在。首先通过便携设备即时拍摄面诊图像，然后采用基于神经网络方法的面诊算法。体质监测模块对面部图像预处理，对图像进行分割，提取出面部图像，利用背景图像的光源色温与显色性信息对面部图像进行颜色校正；对面部图像检测定位，对面部脏腑反射区域进行特征提取，根据传统中医面诊论断及医典编制分类器，基于神经网络算法建立信息化的诊断方法，如图6所示。利用面诊辩证结果对诊断方法进行训练，深度学习后再与人工面诊结果进行比较验证，最终得到准确的、适用范围广的面诊方法。根据上述算法，编制面诊模块，显示面诊的检测结果，如图7所示。
(3)舌诊
体质监测模块对舌部图像预处理，对图像进行分割，提取出舌部图像，利用背景图像的光源色温与显色性信息对舌部图像进行颜色校正；对舌部图像中舌质、舌苔进行特征提取，根据传统中医舌诊论断及医典编制分类器，基于卷积神经网络算法建立信息化的诊断方法，利用舌诊辩证结果对诊断方法进行训练，深度学习后再与人工舌诊结果进行比较验证。
舌诊是根据患者的舌形状、舌苔迹及其颜色等的观察，从而判断疾病所在。使用智能便携设备采集舌部信息具有使用灵活、操作方便的特点，但也易受环境、设备的影响。本发明提出的信息化的舌诊过程，主要包括：
1)通过便携设备即时拍摄舌诊图像，在即时拍摄的舌诊图像后，需要自主框出舌头的准确位置。
2)采用基于神经网络方法的舌诊算法。首先，对舌诊图像预处理，对图像进行分割，提取出舌部图像，利用背景图像的光源色温与显色性信息对舌部图像进行颜色校正；对舌部图像中舌质(包括望舌神、舌色、舌形、舌态)、舌苔(包括苔色和苔质，即舌苔的色泽，主病的苔色有白苔、黄苔、灰黑苔等；苔质，即舌苔的形状与质地，包括苔的厚薄、润燥、腐腻、偏全、剥落、消长、真假等)进行特征提取，根据传统中医舌诊论断及医典编制分类器，基于卷积神经网络算法建立信息化的诊断方法，如图8所示。使用现有的大量舌诊辩证结果对诊断方法进行训练，深度学习后再与人工舌诊结果进行比较验证，最终得到准确的、适用范围广的舌诊方法。
3)根据上述算法，编制舌诊模块，显示舌诊的检测结果，如图9所示。
综上，本发明采用神经网络的人工智能方法进行面诊-舌诊中，望诊客观化在本文中具体指的是对面色与舌像信息这两种主要的望诊诊断信息的自动识别、量化及其辩证推演。建立自动提取面色和舌像信息的计算方法,为中医望诊诊断信息的量化、分析与处理提供理论和方法上的支持。通过神经网络的智能算法来实现中医望诊的诊断，是本发明的特点。使用现有的大量望诊辩证结果对诊断方法进行训练，深度学习后再与人工望诊结果进行比较验证，最终得到准确的、适用范围广的望诊算法。
本发明采用基于手机即时拍摄图像和神经网络的舌诊-面诊方法。当用手机拍摄面部和舌苔并获得其相应的图像后，系统通过神经网络的方法对图像进行识别和判断，从而得到望诊的结果。针对传统中医“望”诊过程很难量化、客观化描述的特点，本发明提出一种基于神经网络方法的“望”诊算法，采用神经网络算法进行深度学习，实现手机拍摄的面部、舌苔图片的颜色校正、图像识别与信息提取，最终能够快速、准确地得到“望”诊结果。由于手机便携特性，用户可以在任何时间、任何地点进行中医舌诊；且诊断算法对大量数据进行深度学习，避免了医生个人经验、主观意识对诊断结果的影响。
本发明提出的基于神经网络方法的面诊—舌诊智能诊断算法的基本原理。神经网络在图像识别等领域应用十分广泛，通过采集的大数据对网络进行训练，可以准确进行望诊判断。根据中医面部脏腑分属图,本算法在标准化的条件下,以面色脏腑分属图上特征点的颜色作为面色特征,通过聚类区分基色和面色,从图像上自动提取面诊特征向量并利用神经网络自动归类识别,得到面诊的诊断结果。
对于舌诊模块，舌苔和舌质是舌诊最重要的部分，是医生最为关心的辨病的依据。中医理论对舌质的主要特征是舌色和纹理特征进行的分类，一般将舌色分为淡白、淡红、红、红绛、淡紫、青紫等6种。可通过各种彩色空间的变换，利用变换后的特征值来进行舌像的颜色分析；在对舌像纹理的分类中，将舌像纹理分为：无裂纹、浅裂纹和深裂纹，对裂纹进行了初步识别，为以后更细的分类打下基础。而舌苔主要对其颜色和大小进行分类识别。算法的原理是：综合利用图像的颜色和空间特征，通过均值移动和聚类算法对图像进行分割将舌质的特征和舌苔特征组成特征向量来描述，然后利用神经网络自动归类识别, 得到舌诊的诊断结果。前期通过实验，对舌质的纹理特征进行分析，获取了比较高的自动辨识率。
神经网络的数学原理如下：
人工神经网络信息处理的基本特性主要有并行处理性、处理的非线性、信息处理与储存的合二为一性、可塑性与自组织性、层次性与系统性、分布存储与容错性。当前人工神经网络的主要应用领域包括模式识别、信号处理、知识工程、专家系统、优化组合和机器人控制等。BP神经网络理论成熟，应用广泛。
设计一个BP网络，一般需要考虑网络的层数、每层神经元节数、每个神经元的激活函数、网络的权值和偏差的初始值和学习速率等。设计的BP网络为三层前向网络，包括输入层、输出层和一层隐含层。隐含层神经元的激活函数是对数S型函数，输出层神经元的激活函数是线性函数。增加网络的层数可以进一步降低误差，提高精度，但同时也使网络复杂化，从而增加了网络训练的时间。也可以通过增加隐含层神经元节点数来降低误差，提高精度。因此，本发明优先考虑增加隐含层神经元节点数提高精度。
在本发明中，神经网络输入为：通过采集面像和舌像提取到的特征向量，输出为面诊和舌诊的诊断结果。
(4)闻诊
体质监测模块根据从麦克风采集到用户声音信号，依据基于小波分析方法的二十五音频率分析理论，利用所采集到的五音样本，通过语音信号处理进行信号特征提取、模式识别处理，得到闻诊结果。
如图10所示，在闻诊模块实际操作中，通过用户对手机麦克风朗读特定的五个特定文字，系统依据基于小波分析方法的二十五音频率分析理论，利用所采集到的五音样本，通过语音信号处理等相关知识对其进行信号特征提取、模式识别等技术处理，得到闻诊的诊断结果。
基于小波分析方法的二十五音频率智能闻诊分析算法原理如下：以传统的中医理论为基础，加以现代技术为手段进行探索，预设置五段典型文字，均涵盖宫、商、角、徵、羽五音，通过大量实验选取五个最佳典型文字,通过用户对手机麦克风朗读，系统依据基于小波分析方法的二十五音频率分析理论，利用所采集到的五音样本，通过语音信号处理等相关知识对其进行信号特征提取、模式识别等技术处理，得到闻诊的诊断结果。
当用户对着手机麦克风按照要求读特定文字一定时长时，过用户对手机麦克风朗读特定的五个特定文字，系统依据基于小波分析方法的二十五音频率分析理论，利用所采集到的五音样本，采用小波分析的方法对其进行信号特征提取、模式识别等技术处理，得到闻诊的诊断结果。
(3)基于小波分析方法的二十五音频率分析闻诊算法的原理
1)阅读的文字需要有针对性。阅读的特定文字拟参照《改变五音类聚四声篇海》、《河洛精蕴》等经典古籍，以出现频率最多的读音作为检测结果，并归纳为宫、商、角、徵、羽五个音，分成五个(a，b，c，d，e)区，a为宫音频率范围262-293Hz，b为商音频率范围294-329Hz，c为角音频率范围330-391Hz，d为徵音频率范围392-439Hz，e为羽音频率范围440-523Hz。
预设置五段典型文字，均涵盖宫、商、角、徵、羽五音，通过大量实验选取最佳典型文字。
2)基于小波分析方法的二十五音频率分析理论
为了能根据病人的声音做出诊断，采集到的音频需要被表示为一组特征。找到一组有效的特征对提高诊断的正确率是非常关键的。从中医典籍的记载来看，对于声音特征的描述有长池，雄洪，下池，高清，透彻，尖利，抑扬等。由于只是文字上模糊的表述，很难确定应该用怎样的语音参数去量化描述这些特点。但是可以发现这些描述与人的听觉感受密切相关。因此尝试提取一些与人耳听觉特性适配的语音参数应该能够起到较好的效果。经过对多种特征的尝试，本研究拟采用基于小波分析方法的二十五音频率分析理论对使用者的声音进行诊断。
语音信号具有非线性，非平稳的特点，单独在频域或在时域对语音信号进行分析有时并不能起到理想的效果。在许多应用中人们希望使用一种灵活的，可以同时获知时域和频域信息的时频分析方法。小波分析方法就是这样一种优良的时频分析方法，因此它具有处理非平稳信号的能力。在之前的声诊研究中，己经有多个研究应用小波及小波包分析进行特征提取，并取得了一定效果。
下面从数学角度对小波变换进行介绍：
a)连续小波基函数.
小波变换是指用有限长或快速衰减的ψ(t)为母小波的震荡波形来表示信号,ψ(t)是可的且平方可积函数,具有有限能量,ψ(t)∈L2(R)(L2(R)是ψ(t)的矢量空间,R为实数集), 傅立叶变换形式为：
Figure RE-GDA0002344487480000111
其满足容许型条件:
Figure RE-GDA0002344487480000121
则称ψ(ω)为一个基本小波,也称为小波母函数。伸缩和平移得到函数
a为伸缩因子,τ为平移因子,ψa,τ(t)为依赖参数a，τ的连续小波基函数,是由母函数ψ(t)经过不同尺度上的伸缩和在不同时间讳度上的平移后得到的一组函数系列,构
成平方可积空间L2(R)内的一组正交基,被称其构成一个小波序列。
b)连续小波变换
对于f(τ)∈L2(R)的连续小波变换定义为：
Figure RE-GDA0002344487480000123
其形式为函数f(t)在小波基函数下的展开，WTf(a,τ)称为小波变换系数。
函数f(t)在小波基函数下的展开意味着将一维的时间函数映射到时间尺度的二维平面。将变换后的信号恢复为换来的形式，可以使用反转连续小波
Figure RE-GDA0002344487480000124
ψ1(t)为ψ(t)的双效函数。可以看出，该式在形式上与傅立叶逆变换相对应。
函数f(t)在小波基函数下的连续小波变换相当于一系列带通滤波器对f(t)信号进行滤波，WTf(a,τ)变换系数中伸缩因子a对应带通滤波器中的中心频率和带宽，τ为滤波后信号输出的时间参数。ψ(t)为幅频特性相对集中的带通滤波器情况下，使小波变换具有表征信号f(t)频域上局部特性的功能。参数a的变化引起带通滤波器带宽和中心频率的变化，当a较大时时间纬度的观察范围大，频域上相当于使用低频小波作概貌观察，相反当a值较小时时间纬度的观察范围相对较小，相当于使用高频小波做细致观察。
小波变换是从傅立叶变换基础上发展而来的理论,与傅立叶变换相比,小波变换从局部角度出发,结合时域和频域来表征信号特性。小波变换是一种时间-频率上的多分辨分析方法,在时域和频域上同时具有良好的表征局部信号特性的能力。小波变换在信号低频部分具有较高频率分辨率和较低时间分辨率,相反子在高频信号部分具有较高时间时间分辨率和较低频率分辨率,适用于正常信号当中出现的瞬态反常现象的发现和探测。小波变换结合时 -频分析特性,为闻诊声音信号的分析处理提供了新的有效途径。
此外，体质监测模块还包括：专家系统，用于建立中医知识数据库，并根据问诊结果、面诊结果、舌诊结果和闻诊结果，依据中医知识数据库，推理出用户的健康建议。根据创造性思维模型把中医知识形式化，建立中医四诊特征空间、把中医的诊断知识分解为具体的从四诊特征空间到推理机的网络连接关系；根据专家的知识构成知识库，推理机的原理是推理规则。因此，可以建立以前面“望闻切问”人体四诊特征数据为起始点，以合理的“四诊合参”智能诊断结果为终点的基于专家系统的智能诊断算法，如图11所示。
知识库的设计是建立专家系统最重要和最艰巨的任务。关系数据库具有较高的数据独立性、数据一致性，允许实行查询优化，且关系中的关系性明确。因而可利用关系数据库中可扩充的元组来描述不断增多的概念和规则，用查询来完成基于知识的推理。根据中医知识概念化定义和形式化阐述，将中医诊断知识分为概念、事实和规则等。概念和事实定量或定性的描述中医诊断的信息，包括症状、疾病的集合信息；规则是反映事实和概念间内在必然联系，包括症状—疾病库、条件—疾病库、疾病—诊治库，四个规则库根据数据关系联系在一起共同完成对中医诊断知识的表示。从而以此作为中医诊断专家系统的基础，工作流程图如图12所示。
专家系统综合“四诊合参”给出调养方案，并将数据和结果发送至云平台数据库存储和医生客户端供医生诊断参考。在完成“中医体检”后，软件会根据“中医体检”的结果显示调养方案。
中医专家系统是一种以中医理论为基础，面向特定对象的决策支持系统，它根据中医专家对某种疾病的认识及多年积累的治疗经验，运用电子计算机技术在所建立的相应知识库的基础上，采用各种推理方法模拟中医专家的综合、分析、判断等处理中医临床四诊信息的过程。其作用就是将模拟医生的思路进行辨证施治，并从知识库中提取中药或针灸的治疗方案。中医专家系统需要建立中医专家的知识库、与这些知识相关的规则库以及获取知识的推理模型等。
本发明基于专家系统理论的中医“四诊合参”智能诊断算法，基于专家系统智能控制算法原理，把中医知识形式化，建立中医四诊特征空间等，根据专家知识库，利用推理机可以给出智能诊断结果。其原理如下：
对于中医诊断专家系统，其知识库一般包括中医诊断原理性知识和专家的经验性知识。除了基本的原理性知识和程序性知识之外，中医专家在多年临床实践中掌握了很多有意义的病情实例，当遇到一个新的病例时，他们能够通过模糊的直觉联想能力，用过去某一相似的病例与之比较而做出判断。直觉性经验知识是专家经验知识的重要组成部分，具有很高的临床意义，但是，中医知识这种经验性、模拟性和模糊性的特点，却使其难于提取和表达。而利用基于专家系统的智能诊断算法，和“四诊”智能算法，从大量的、不完全的、有噪声的、模糊的、随机的数据集中识别有效的、新颖的、潜在有用的，以及最终可理解的模式的非平凡过程。其涉及面很广，包括机器学习、数理统计、决策树、神经网络、数据库、模式识别、粗糙集、模糊数学等相关技术。利用基于专家系统的智能诊断算法可以较好的代替中医专家给出较合理的“四诊合参”诊断结果。
基于云计算和大数据的云端服务器系统用于接收脉象数据、面部图像、舌部图像和声音信号，对脉象数据、面部图像、舌部图像进行分析，并应用智能神经网络技术分析音视频数据，根据得到分析结果作为诊察数据数据记录到该用户的健康数据库中，同时反馈至基于移动平台的中医智能健康分析装置。
基于云计算和大数据技术的云端服务器系统的主要功能是在云端进行处理，分析手机端采集的图像和声音以及用户健康数据库。
具体的，如图13所示，基于云计算和大数据的云端服务器系统3包括：计算交换与管理装置31、云端数据库模块32。其中，计算交换与管理装置31包括：用户信息管理模块311、生理信息管理模块312、图像云计算处理模块313、声音云计算处理模块314、脉像云计算处理模块315和电子病历模块316，用户信息管理模块311用于注册用户身份信息，关联其生理信息和病例数据；生理信息管理模块312存储用户的生理信息；图像云计算处理模块313用于对用户的图像数据在云端服务系统进行分析运算；声音云计算处理模块314 用于对用户的声音数据在云端服务系统进行分析运算；脉像云计算处理模块315用于对用户的脉象数据在云端服务系统进行分析运算；三个云计算处理模块是用户的移动平台客户端只有交互信息和传输功能，提升处理速度，降低对移动平台的硬件性能要求。电子病历模块316用于建立用户的电子病历，存储用户的历史诊断信息。
在本发明的实施例中，云端数据库模块32采用关系型数据库。数据库存储所有系统信息，是大数据应用的基础。
关系型数据库的一个表是一个逻辑关系,它包含一个分区键,用来对表进行分区。具有相同分区键的多个表的集合称为表组。在表组中,具有相同分区键值的多个行的集合称为行组。一个行组中包含的行总是被分配到同一个数据节点上。每个表组会包含多个行组,这些行组会被分配到不同的数据节点上.一个数据分区包含了多个行组.因此,每个数据节点都存储了位于某个分区键值区间内的所有行。
关系型数据库的体系架构，其中包含了一个虚拟机簇,可以根据工作负载的变化,动态增加或减少虚拟机的数量.每台虚拟机SQL Server VM(virtual machine)安装了SQLServer 2008数据库管理系统,以关系模型存储数据。通常,一份数据库会被散存储到3台～5台SQL Server VM中。每台SQL Server VM同时安装了SQL Azure Fabric和SQL Azure管理服务，后者负责对每个数据库间的数据复写工作，以保障SQL Azure的基本高可用性要求。不同SQL Server VM内的SQLAzure Fabric和管理服务之间会彼此交换监控信息,以保持整体服务的可监控性。
云端数据库模块32的数据访问方法：这里以一个实例来阐释云数据库的数据访问方法，当客户端请求数据时,它首先向管理器请求一份分区映射图,管理器向客户端发送分区映射图；客户端收到以后，在图中进行搜寻，根据键值找到自己所需数据的存储位置；然后, 客户端到指定的数据节点请求数据；最后，由该数据节点把数据返回给客户端。实际上，为了改进性能，同时也为了避免管理器的性能瓶颈，通常会在客户端缓存常用的分区映射图。这样，客户端在很多情况下不必与管理器交互就可以直接访问相应的数据节点。
云端数据库模块32的编程模型：云数据库存储了海量数据,涉及到大量的数据运算,如果仍然采用传统的数据处理方法,则将无法充分发挥云环境的优势.因此,采用一种机制简单而又具有高可扩展性的编程方法就显得尤为重要。查询这种大型的数据集，本发明采用 Google发明的一种新的编程模型,称为MapReduce。
MapReduce编程模型用来处理跨越成百上千个机器的大规模数据集,该软件架构隐藏了并行计算、数据分布和失败处理的细节.它背后的思想是,在分布式环境下处理数据,总是包括两个基本步骤：①映射所需的数据；②对这些数据进行聚集(aggregate)操作.它让用户定义一个映射函数,这个映射函数把一个“key/value”对的集合转换成一个中间临时的“key/value”对的集合,然后使用一个reduce函数把所有那些与同一个键相关的中间临时值都进行合并。许多现实世界的任务都可以采用这个模型来表达。MapReduce可以运行在大规模商用服务器簇上,并且具有很高的可扩展性。一个典型的MapReduce计算会在成千上万的机器上处理许多TB的数据。
本发明实施例的基于云计算和移动平台的中医智能健康分析系统的性能指标如下：
1)智能压强脉诊腕带终端性能指标：
采样速度>200个数据/秒；传输速率＞1MB；工作方式：连续、间歇；具备联网功能(有线/4G)，无人值守，全天候；环境适应性：10℃—55℃；寿命：〉10000小时(连续运转)；软件：界面为全中文，实现数据自动处理；功耗：<6W；重量： <0.25Kg；电池工作时长：>50小时。
2)软件平台和云平台性能指标
手机APP图像识别率>95％；手机APP声音识别率>96％；软件启动相应时间<3S；网络性能，支持2G,3G，4G网络和wifi网络；支持Adroid4.2以上版本；每台服务器可支持>1000用户同时在线。
根据本发明实施例的基于云计算和移动平台的中医智能健康分析系统，采用移动互联网与现代信号检测分析方法，对传统中医结合数字化、客观化手段，可以解决当前存在的问题，移动互联网的方法不但可以提取分析单一人工智能恰好能够满足中医望闻切问综合诊断的特点，模拟人的决策方式，综合分析望闻切问多种病因信息，全面地处理、分析，实现辨证综合考量，用移动互联网方法做到“四诊合参”。
(1)人工智能+传统中医
中医诊断是基于知识的序贯诊断问题，诊断是基于规则的推理过程。中医诊断是把机体看成一个统一整体，直接找出输入、输出的关系。这些关系不是凭空臆造，而是从大量的实践中总结出来，能反映一定的客观规律性，在实践中行之有效。其存在的缺点就是缺乏对整体的具体分析。采用人工智能与现代信号检测分析方法，对传统中医结合数字化、客观化手段，可以解决当前存在的问题，人工智能的方法不但可以提取分析单一人工智能恰好能够满足中医望闻切问综合诊断的特点，模拟人的决策方式，综合分析望闻切问多种病因信息，全面地处理、分析，实现辨证综合考量，用人工智能方法做到“四诊合参”。并且把中医诊断系统与医院管理系统、远程系统结合起来，更利于中医的临床工作及中医药的走向世界。
(2)传统中医客观化、数字化
中医传统四诊是中国中医学诊断疾病的方法，通过望、闻、问、切四诊来了解病情，并运用整体辨证的理论和方法，以识别病证。但这四个程序都是由看病的大夫一个人操作，主观随意性强，且目前没有客观标准，严重影响中医证的现代规范化和证的生物医学机理研究。如果能够应用客观的理化检查指标代替四诊的内容，而不是靠中医生主观去辨别，就会提高中医的辨证正确率，随之提高疗效，也便于中医科研。随着现代科学技术不断地渗入，中医四诊客观化、数字化和现代化问题必将获得解决。中医诊断系统的数字化包括：中医诊断系统的数字化包括望闻问切数字化、病例档案电子化和诊断标准规范化等。所谓中医四诊客观化，即是要把所得的四诊资料以各种手段进行取样分析，使其结构化及分级或量化用于临床诊断。
(3)人工智能型中医诊断设备移动化、便携化、网络化
将人工智能型中医诊断设备和移动平台、互联网技术相结合，可以实现用户对健康状况的连续监测、及时诊断，使通过基于移动软件平台将中医诊断系统放到手机，平板电脑等移动终端中，便携化，移动化，并且通过互联网与医生及时交互，大大提高时效性和便捷性。
(4)大数据和云平台与中医智能诊断系统的融合，是系统可以在各种医疗机构和个人用户中使用，使大量样本的采集成为可能，且可以存储收集海量数据，为数据挖掘，人工智能算法的应用(如神经网络算法需要海量样本进行训练)提供了数据和技术基础，且能够提高人工智能诊断算法的准确性，使中医诊断系统的“智能化”成为可能。
本发明将现代计算机技术应用于中医实践中，完全根据中医理论，通过智能仪器，利用智能算法把望、问、闻、切运用到诊断中。
(1)移动互联网、云计算、大数据与中医融合的必要性
中医诊断可以很好让人们了解自己的身体状况，实现自我健康管理。为了让更多的用户体验中医诊断的魅力并通过中医对身体进行自我调节，基于移动互联网设备的中医智能健康诊断系统通过智能手机和基于无线互联网技术实现传统的中医四诊(望、闻、问、切)，任何用户均可通过手机采集到面相、舌像、脉象，并根据用户发出的特定声音的频谱，经过智能神经网络识别、智能算法及中医专家系统分析出用户的健康状态，最终反馈给用户进行健康指导。云计算可以在云端解决复杂运算及大数据的存储，而大数据可以为人工智能算法提供大量样本，从而提高算法的准确性和可靠性。
(2)数字化、客观化与中医的有机结合的必要性
中医诊断是基于规则的推理过程，它将机体看成一个统一的整体，并直接找出输入、输出的关系。这些关系不是凭空臆造，而是从大量的实践中总结出来的，不但能反映一定的客观规律，而且在实践中行之有效。其存在的缺点就是缺乏对整体的具体分析。中医诊断系统的数字化包括病例档案电子化、望闻问切客观化和诊断标准规范化三部分。数字化、客观化与中医的有机结合为中医诊断的准确性和客观性提供可靠保证。
(3)移动设备、云计算、大数据、互联网与中医融合的问题
怎样通过智能手机和基于无线互联网技术实现传统的中医四诊(望、闻、问、切)，使任何用户通过手机都能采集到自己的面相、舌像、脉象和声音，并根据用户发声的声音频谱，由智能神经网络识别，通过智能算法及中医专家系统分析出用户的健康状态，最终反馈给用户并进行健康指导。采用云计算技术解决云端的复杂运算和大数据的存储。
(4)数字化、客观化与中医的有机结合的问题
数字化包括病例档案数字化、望闻问切客观化和诊断标准规范化三部分。数字化、客观化与中医的有机结合为中医诊断的准确性和客观性提供可靠保证。传统的中医诊断是基于规则的推理过程，它将机体看成一个统一的整体，并从大量的实践中总结出客观规律，直接找出输入、输出的关系，并在实践中得到检验。其存在的缺点就是缺乏对整体的具体分析。中医诊断系统不仅要完成数字化和客观化，并且要研究其与中医的有机结合问题，从而克服传统中医对整体缺乏具体分析的弊端。
(5)人工智能算法运用到中医的望诊、闻诊、切诊、问诊和四诊合参中的问题当前人工智能技术迅猛发展，人工智能是解决非标准数学模型控制问题的有效解决方法，怎样将其与中医诊断相结合，完全按照中医理论进行数字诊断，并将人工智能算法运用到中医的望诊、闻诊、问诊、切诊和四诊合参中，是促进中医发展的关键所在。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。本发明的范围由所附权利要求及其等同限定。

Claims (9)

1.一种基于云计算和移动平台的中医智能健康分析系统，其特征在于，包括:智能压强脉诊腕带终端、基于移动平台的中医智能健康分析装置和基于云计算和大数据的云端服务器系统，其中，
所述智能压强脉诊腕带终端采用便携式自动充气脉搏压强测量环形腕带终端，用于采集用户的脉象数据；
所述基于移动平台的中医智能健康分析装置用于接收来自智能压强脉诊腕带终端的脉象数据，并采集用户对面部图像、舌部图像和用户发出的声音信号，将脉象数据、面部图像、舌部图像和声音信号发送至所述基于云计算和大数据的云端服务器系统；
所述基于云计算和大数据的云端服务器系统用于接收所述脉象数据、面部图像、舌部图像和声音信号，对脉象数据、面部图像、舌部图像进行分析，并应用智能神经网络技术分析音视频数据，根据得到分析结果作为诊察数据数据记录到该用户的健康数据库中，同时反馈至基于移动平台的中医智能健康分析装置。
2.如权利要求1所述的基于云计算和移动平台的中医智能健康分析系统，其特征在于，所述智能压强脉诊腕带终端包括：气泵、充气腕带、压力传感器、信号放大电路、滤波电路和蓝牙模块，
其中，所述气泵与所述充气腕带连接，用于向所述充气腕带充气，所述压力传感器与所述充气腕带连接，用于对所述充气腕带对的压力进行实时监测，生成压力监测信号，并由所述信号放大电路对所述压力监测信号进行信号放大，由所述滤波电路对放大后的压力监测信号进行波形处理，再将滤波后的压力监测信号通过蓝牙模块传输至所述所述基于移动平台的中医智能健康分析装置，基于移动平台的中医智能健康分析装置对压力监测信号进行前期处理得到有效数据，并将有效数据传送给云端服务器系统分析，由云端服务器系统对数据进行存储，利用大数据技术进行分析，并得出相应结论回传至基于移动平台的中医智能健康分析装置。
3.如权利要求1所述的基于云计算和移动平台的中医智能健康分析系统，其特征在于，所述基于移动平台的中医智能健康分析装置包括：体质监测模块，所述体质监测模块用于通过应用界面设置健康基础问题，并收集用户通过应用输入反馈的答案作为问诊数据，利用摄像头采集用户的面部图像并采用基于神经网络方法的面诊算法对面部图像进行分析，得到面诊数据；利用摄像头采集用户的舌部图像，并采用基于神经网络方法的舌诊算法对舌部图像进行分析，得到舌诊数据；利用麦克风采集用户的声音数据，并基于基于小波分析方法对声音数据进行分析，得到闻诊数据。
4.如权利要求3所述的基于云计算和移动平台的中医智能健康分析系统，其特征在于，所述体质监测模块对面部图像预处理，对图像进行分割，提取出面部图像，利用背景图像的光源色温与显色性信息对面部图像进行颜色校正；对面部图像检测定位，对面部脏腑反射区域进行特征提取，根据传统中医面诊论断及医典编制分类器，基于神经网络算法建立信息化的诊断方法，利用面诊辩证结果对诊断方法进行训练，深度学习后再与人工面诊结果进行比较验证。
5.如权利要求3所述的基于云计算和移动平台的中医智能健康分析系统，其特征在于，所述体质监测模块对舌部图像预处理，对图像进行分割，提取出舌部图像，利用背景图像的光源色温与显色性信息对舌部图像进行颜色校正；对舌部图像中舌质、舌苔进行特征提取，根据传统中医舌诊论断及医典编制分类器，基于卷积神经网络算法建立信息化的诊断方法，利用舌诊辩证结果对诊断方法进行训练，深度学习后再与人工舌诊结果进行比较验证。
6.如权利要求3所述的基于云计算和移动平台的中医智能健康分析系统，其特征在于，所述体质监测模块根据从麦克风采集到用户声音信号，依据基于小波分析方法的二十五音频率分析理论，利用所采集到的五音样本，通过语音信号处理进行信号特征提取、模式识别处理，得到闻诊结果。
7.如权利要求3所述的基于云计算和移动平台的中医智能健康分析系统，其特征在于，所述体质监测模块还包括：专家系统，用于建立中医知识数据库，并根据问诊结果、面诊结果、舌诊结果和闻诊结果，依据所述中医知识数据库，基于神经网络算法推理出所述用户的健康建议。
8.如权利要求1所述的基于云计算和移动平台的中医智能健康分析系统，其特征在于，所述基于云计算和大数据的云端服务器系统包括：计算交换与管理装置、云端数据库模块，其中，所述计算交换与管理装置包括：用户信息管理模块、生理信息管理模块、图像云计算处理模块、声音云计算处理模块、脉像云计算处理模块和电子病历模块，所述用户信息管理模块用于注册用户身份信息，关联其生理信息和病例数据；所述图像云计算处理模块用于对用户的图像数据在云端服务系统进行分析运算；所述声音云计算处理模块用于对用户的声音数据在云端服务系统进行分析运算；所述脉像云计算处理模块用于对用户的脉象数据在云端服务系统进行分析运算；所述电子病历模块用于建立用户的电子病历。
9.如权利要求8所述的基于云计算和移动平台的中医智能健康分析系统，其特征在于，所述云端数据库模块采用关系型数据库。
CN201910779222.0A 2019-08-22 2019-08-22 基于云计算和移动平台的中医智能健康分析系统 Pending CN110772235A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910779222.0A CN110772235A (zh) 2019-08-22 2019-08-22 基于云计算和移动平台的中医智能健康分析系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910779222.0A CN110772235A (zh) 2019-08-22 2019-08-22 基于云计算和移动平台的中医智能健康分析系统

Publications (1)

Publication Number Publication Date
CN110772235A true CN110772235A (zh) 2020-02-11

Family

ID=69384011

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910779222.0A Pending CN110772235A (zh) 2019-08-22 2019-08-22 基于云计算和移动平台的中医智能健康分析系统

Country Status (1)

Country Link
CN (1) CN110772235A (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111508602A (zh) * 2020-02-12 2020-08-07 萌宝信息技术（上海）有限公司 一种望闻问切家用中医四诊仪
CN111599468A (zh) * 2020-06-23 2020-08-28 北京清湖润海投资管理顾问有限公司 一种基于图像识别和大数据的个人健康管理系统
CN111724895A (zh) * 2020-05-16 2020-09-29 张东 一种基于人工智能的个性化中医诊疗机器人系统
CN111951909A (zh) * 2020-03-13 2020-11-17 上海中侨健康智能科技有限公司 一种基于自动登录和自动校验的中医健康检测系统及方法
CN112057311A (zh) * 2020-09-16 2020-12-11 西安理工大学 一种上肢淋巴水肿监测和治疗袖套装置
CN113288699A (zh) * 2021-07-12 2021-08-24 四川中医药高等专科学校 一种具备心理辅导功能的针灸按摩椅
CN114098640A (zh) * 2021-11-18 2022-03-01 北京鹰之眼智能健康科技有限公司 体质识别方法、装置、存储介质及设备
CN116109818A (zh) * 2023-04-11 2023-05-12 成都中医药大学 一种基于面部视频的中医脉候判别系统及方法和装置
CN116712653A (zh) * 2023-04-27 2023-09-08 深圳市博睿心身医学医疗科技有限公司 基于人工智能的中医现代化心身医学诊疗康复系统
CN116982933A (zh) * 2023-06-28 2023-11-03 北京中医药大学 一种基于图像识别技术的中医体质辨识系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102342858A (zh) * 2010-08-06 2012-02-08 上海中医药大学 中医声诊采集与分析系统
CN103654727A (zh) * 2013-09-12 2014-03-26 王磊 一种中医脉象检测系统
CN106725370A (zh) * 2016-12-30 2017-05-31 天津森宇科技发展有限公司 应用人工神经网路技术跟踪人体脉象变化的系统
CN106971147A (zh) * 2017-03-06 2017-07-21 武汉嫦娥医学抗衰机器人股份有限公司 一种基于人脸区域分割的中医面诊系统及面诊方法
CN107529016A (zh) * 2017-09-29 2017-12-29 天津森宇科技发展有限公司 应用物联网传感器对舌象信息进行色彩校正的装置
CN108597621A (zh) * 2018-07-09 2018-09-28 中国中医科学院中医药信息研究所 基于中医理论的健康状态监控装置、系统及方法
CN109147935A (zh) * 2018-07-19 2019-01-04 山东和合信息科技有限公司 基于人体特征采集识别技术的健康数据平台

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102342858A (zh) * 2010-08-06 2012-02-08 上海中医药大学 中医声诊采集与分析系统
CN103654727A (zh) * 2013-09-12 2014-03-26 王磊 一种中医脉象检测系统
CN106725370A (zh) * 2016-12-30 2017-05-31 天津森宇科技发展有限公司 应用人工神经网路技术跟踪人体脉象变化的系统
CN106971147A (zh) * 2017-03-06 2017-07-21 武汉嫦娥医学抗衰机器人股份有限公司 一种基于人脸区域分割的中医面诊系统及面诊方法
CN107529016A (zh) * 2017-09-29 2017-12-29 天津森宇科技发展有限公司 应用物联网传感器对舌象信息进行色彩校正的装置
CN108597621A (zh) * 2018-07-09 2018-09-28 中国中医科学院中医药信息研究所 基于中医理论的健康状态监控装置、系统及方法
CN109147935A (zh) * 2018-07-19 2019-01-04 山东和合信息科技有限公司 基于人体特征采集识别技术的健康数据平台

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111508602A (zh) * 2020-02-12 2020-08-07 萌宝信息技术（上海）有限公司 一种望闻问切家用中医四诊仪
CN111951909A (zh) * 2020-03-13 2020-11-17 上海中侨健康智能科技有限公司 一种基于自动登录和自动校验的中医健康检测系统及方法
CN111724895A (zh) * 2020-05-16 2020-09-29 张东 一种基于人工智能的个性化中医诊疗机器人系统
CN111599468A (zh) * 2020-06-23 2020-08-28 北京清湖润海投资管理顾问有限公司 一种基于图像识别和大数据的个人健康管理系统
CN112057311A (zh) * 2020-09-16 2020-12-11 西安理工大学 一种上肢淋巴水肿监测和治疗袖套装置
CN113288699A (zh) * 2021-07-12 2021-08-24 四川中医药高等专科学校 一种具备心理辅导功能的针灸按摩椅
CN114098640A (zh) * 2021-11-18 2022-03-01 北京鹰之眼智能健康科技有限公司 体质识别方法、装置、存储介质及设备
CN116109818A (zh) * 2023-04-11 2023-05-12 成都中医药大学 一种基于面部视频的中医脉候判别系统及方法和装置
CN116712653A (zh) * 2023-04-27 2023-09-08 深圳市博睿心身医学医疗科技有限公司 基于人工智能的中医现代化心身医学诊疗康复系统
CN116712653B (zh) * 2023-04-27 2024-04-12 深圳市博睿心身医学医疗科技有限公司 基于人工智能的中医现代化心身医学诊疗康复系统
CN116982933A (zh) * 2023-06-28 2023-11-03 北京中医药大学 一种基于图像识别技术的中医体质辨识系统

Similar Documents

Publication Publication Date Title
CN110772235A (zh) 基于云计算和移动平台的中医智能健康分析系统
CN110507335B (zh) 基于多模态信息的服刑人员心理健康状态评估方法及系统
Zhao et al. Noise rejection for wearable ECGs using modified frequency slice wavelet transform and convolutional neural networks
Zheng et al. A novel hybrid energy fraction and entropy-based approach for systolic heart murmurs identification
CN113052113B (zh) 一种基于紧凑型卷积神经网络的抑郁症识别方法及系统
CN109934089A (zh) 基于监督梯度提升器的多级癫痫脑电信号自动识别方法
CN111095232B (zh) 发掘用于机器学习技术中的基因组
CN111202517B (zh) 一种睡眠自动分期方法、系统、介质及电子设备
CN109864714A (zh) 一种基于深度学习的心电信号分析方法
Tiwari et al. Phonocardiogram signal based multi-class cardiac diagnostic decision support system
Pal et al. Deep learning techniques for prediction and diagnosis of diabetes mellitus
CN112185493A (zh) 人格偏好诊断装置及基于该装置的项目推荐系统
Huang et al. Recognition of parkinson's disease based on residual neural network and voice diagnosis
Prakash et al. A system for automatic cardiac arrhythmia recognition using electrocardiogram signal
Chanane et al. Convolutional neural network-based model for lung sounds classification
Roy et al. RDLINet: A novel lightweight inception network for respiratory disease classification using lung sounds
CN208677390U (zh) 一种脑电波获取仪
Liang et al. Identification of heart sounds with arrhythmia based on recurrence quantification analysis and Kolmogorov entropy
Jiao et al. Pulse recognition of cardiovascular disease patients based on one-dimensional convolutional neural network
Tiwari et al. Heartbeat sound classification using Mel-frequency cepstral coefficients and deep convolutional neural network
Shchetinin et al. Cardiac arrhythmia disorders detection with deep learning models
Hu et al. Automatic heart sound classification using one dimension deep neural network
CN116230198A (zh) 一种多维度藏医ai智能辅助决策装置和系统
Zhang et al. Research on lung sound classification model based on dual-channel CNN-LSTM algorithm
Hurr et al. Feature extraction and recognition of human physiological signals based on the convolutional neural network

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200211