CN116364238A - 一种基于深度学习的针灸治疗系统及方法 - Google Patents
一种基于深度学习的针灸治疗系统及方法 Download PDFInfo
- Publication number
- CN116364238A CN116364238A CN202310605426.9A CN202310605426A CN116364238A CN 116364238 A CN116364238 A CN 116364238A CN 202310605426 A CN202310605426 A CN 202310605426A CN 116364238 A CN116364238 A CN 116364238A
- Authority
- CN
- China
- Prior art keywords
- data
- marking
- acupoint
- original
- mark
- 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.)
- Withdrawn
Links
- 238000001467 acupuncture Methods 0.000 title claims abstract description 93
- 238000013135 deep learning Methods 0.000 title claims abstract description 19
- 238000000034 method Methods 0.000 title claims abstract description 15
- 238000013500 data storage Methods 0.000 claims abstract description 27
- 238000003860 storage Methods 0.000 claims abstract description 22
- 230000008859 change Effects 0.000 claims abstract description 18
- 238000003825 pressing Methods 0.000 claims abstract description 15
- 230000010365 information processing Effects 0.000 claims abstract description 11
- 238000012937 correction Methods 0.000 claims description 41
- 230000005540 biological transmission Effects 0.000 claims description 19
- 239000000523 sample Substances 0.000 claims description 18
- 238000013136 deep learning model Methods 0.000 claims description 15
- 238000012549 training Methods 0.000 claims description 12
- 238000012360 testing method Methods 0.000 claims description 9
- 238000003384 imaging method Methods 0.000 claims description 8
- 238000007619 statistical method Methods 0.000 claims description 6
- 238000013527 convolutional neural network Methods 0.000 claims description 5
- 210000003484 anatomy Anatomy 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000012217 deletion Methods 0.000 claims description 3
- 230000037430 deletion Effects 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 238000002360 preparation method Methods 0.000 claims description 3
- 238000002560 therapeutic procedure Methods 0.000 claims 6
- 125000004122 cyclic group Chemical group 0.000 claims 1
- 238000012545 processing Methods 0.000 abstract description 5
- 230000000638 stimulation Effects 0.000 abstract description 5
- 239000011248 coating agent Substances 0.000 description 8
- 238000000576 coating method Methods 0.000 description 8
- 239000003550 marker Substances 0.000 description 7
- 239000007788 liquid Substances 0.000 description 5
- 230000000306 recurrent effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000001125 extrusion Methods 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 239000012466 permeate Substances 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
- A61H39/00—Devices for locating or stimulating specific reflex points of the body for physical therapy, e.g. acupuncture
- A61H39/02—Devices for locating such points
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
- G06N3/0442—Recurrent networks, e.g. Hopfield networks characterised by memory or gating, e.g. long short-term memory [LSTM] or gated recurrent units [GRU]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/40—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mechanical, radiation or invasive therapies, e.g. surgery, laser therapy, dialysis or acupuncture
-
- 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
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Public Health (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Epidemiology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Biophysics (AREA)
- Primary Health Care (AREA)
- Databases & Information Systems (AREA)
- Rehabilitation Therapy (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Pathology (AREA)
- Animal Behavior & Ethology (AREA)
- Multimedia (AREA)
- Pain & Pain Management (AREA)
- Veterinary Medicine (AREA)
- Physical Education & Sports Medicine (AREA)
- Urology & Nephrology (AREA)
- Surgery (AREA)
- Finger-Pressure Massage (AREA)
Abstract
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。
Description
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；
ΔL=γ*(L1-L2)，ΔR=δ*(R1-R2)；其中，L1为预测左边界，L2为原始左边界，R1为预测右边界，R2为原始右边界，γ和δ是边界调整因子，根据差异分析结果和相关统计分析确定；
错误标记删除：根据深度学习模型的预测结果和原始标记数据的差异分析，如果差异超过阈值或存在明显错误的标记，可以将其删除或进行人工干预修正。
本发明进一步的改进在于，所述拓压触发组件包括信号发生器、侧向连接杆和手持压合握柄，所述信号发生器固定连接于所述穴位边界标记座的顶壁，所述侧向连接杆固定连接于所述信号发生器和所述手持压合握柄之间。
本发明进一步的改进在于，所述拓压扩张传动组包括轴向传动件和轴向倾斜传感器，所述轴向传动件设置于所述穴位边界标记座内侧，所述轴向倾斜传感器设置于所述轴向传动件轴接点，用于监测所述轴向传动件转动倾角。
本发明进一步的改进在于，所述标记介质存储组与所述穴位边界标记座固定连接，所述标记介质存储组接收所述轴向倾斜传感器传输的倾角信号后，向所述标记介质填充引导组中传导标记介质。
本发明进一步的改进在于，所述穴位边界标记座底部开设有内填充覆盖槽，所述内填充覆盖槽内侧安装有用于采集所述标记介质填充引导组涂覆标记图像的成像识别探头。
本发明进一步的改进在于，所述标记信息处理模块包括前端控制器、标记区间识取单元和数据存储分析模块，所述前端控制器用于对所述标记识别端的信号读取，进而依据所述标记识别端的信号输入对应启控标记区间识取单元或数据存储分析模块。
与现有技术相比，本发明通过标记识别端中的标记介质填充引导组标定当前患者待针灸体表穴位后，通过内填充覆盖槽将当前标点数据向数据存储分析模块内读取。之后经源端数据库中代入原初穴位标准点位数据以及与该患者同症类型的常态变化数据，通过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。之后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。
附图说明
图1为本发明一种基于深度学习的针灸治疗系统中标记识别端的组成图。
图2为本发明一种基于深度学习的针灸治疗系统中标记识别端的仰视图。
图3为本发明一种基于深度学习的针灸治疗系统的流程图。
图中：1、穴位边界标记座；11、成像识别探头；12、内填充覆盖槽；2、拓压触发组件；21、信号发生器；22、侧向连接杆；23、手持压合握柄；3、拓压扩张传动组；31、轴向传动件；32、轴向倾斜传感器；4、标记介质存储组；5、标记介质填充引导组；6、标记信息处理模块；61、前端控制器；62、标记区间识取单元；63、标定图像录入单元；7、数据存储分析模块。
具体实施方式
下面结合具体实施方式对本发明作进一步的说明，其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本专利的限制，为了更好地说明本发明的具体实施方式，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸，对本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的，基于本发明中的具体实施方式，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他具体实施方式，都属于本发明保护的范围。
实施例。请参阅图1-图3，一种基于深度学习的针灸治疗系统，包括标记信息处理模块6和数据存储分析模块7以及由穴位边界标记座1、拓压触发组件2、拓压扩张传动组3、标记介质存储组4和标记介质填充引导组5组成的标记识别端，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。标记信息处理模块6用于将标记识别端获得的患者当前穴位标记图像录入数据存储分析模块7，同时对数据存储分析模块7内录入的当前穴位标记图像读出。数据存储分析模块7通过录入标记介质填充引导组5采集的当前标点数据后，经源端数据库向数据存储分析模块7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。
在本实施例中，本系统完成穴位标记的具体方式如下，在完成穴位标记前，依据当前标记穴位图像选取差色标记液体介质。例如，标记人工判别后手动标定当前患者待针灸体表穴位时，将标记介质存储组4内填装表现为蓝色的液体涂层。标记原初穴位标准穴位图形时，将标记介质存储组4内填装表现为黄色的液体涂层。标记常态变化穴位图形时，将标记介质存储组4内填装表现为红色的液体涂层，用于将穴位标记图形分离。将标记介质存储组4与穴位边界标记座1之间对接安装后，即操作人员握持手持压合握柄23部位通过穴位边界标记座1置入待针灸点穴位进行逐一标记。标记时通过将穴位边界标记座1置入患者体表，通过向内侧方向挤压两个手持压合握柄23，使轴向传动件31在转动作用下触发轴向倾斜传感器32感应信号。经轴向倾斜传感器32向标记介质填充引导组5发送导通信号后，使标记介质填充引导组5与标记介质存储组4之间完成导通。此时位于标记介质存储组4内侧的液体涂层渗透标记介质填充引导组5，进而在穴位边界标记座1覆盖体表后完成穴位标点的涂覆标定，之后即通过将标定后穴位经之后即依据标出的三组穴位图像进行逐次施针。
其中，拓压触发组件2包括信号发生器21、侧向连接杆22和手持压合握柄23，信号发生器21固定连接于穴位边界标记座1的顶壁，侧向连接杆22固定连接于信号发生器21和手持压合握柄23之间。拓压扩张传动组3包括轴向传动件31和轴向倾斜传感器32，轴向传动件31设置于穴位边界标记座1内侧，轴向倾斜传感器32设置于轴向传动件31轴接点，用于监测轴向传动件31转动倾角，标记介质存储组4与穴位边界标记座1固定连接，标记介质存储组4接收轴向倾斜传感器32传输的倾角信号后，向标记介质填充引导组5中传导标记介质；信号发生器21用于轴向倾斜传感器32与标记介质填充引导组5的信号传递。待标记操作时，轴向倾斜传感器32感应到轴向传动件31的传感信号后，经信号发生器21将启动信号向标记介质存储组4输出端电磁阀发送，使标记介质存储组4和标记介质填充引导组5之间实现导通。直至将穴位边界标记座1覆盖于患者体表完成标定并解除对手持压合握柄23的挤压时，轴向传动件31复位进而解除轴向倾斜传感器32的触发信号，使信号发生器21将停止信号向标记介质存储组4输出端电磁阀发送，进而解除标记介质存储组4和标记介质填充引导组5的导通。在本实施例中，为了方便于解除对手持压合握柄23按压时的复位，轴向传动件31铰接轴点通过设置弹簧，用于非使用状态下轴向传动件31的转动复位。
其中，穴位边界标记座1底部开设有内填充覆盖槽12，内填充覆盖槽12内侧安装有用于采集标记介质填充引导组5涂覆标记图像的成像识别探头11；成像识别探头11通过内填充覆盖槽12内嵌于穴位边界标记座1的内侧，用于标记介质填充引导组5进行标点涂覆时的让位，在本实施例中，待通过穴位边界标记座1完成穴位标定后，通过成像识别探头11将当前完成标定后的图形上传至数据存储分析模块7用于数据样本存储。
其中，标记信息处理模块6包括前端控制器61、标记区间识取单元62和标定图像录入单元63，前端控制器61用于对标记识别端的信号读取，进而依据标记识别端的信号输入对应启控标记区间识取单元62或标定图像录入单元63；在本实施例中，前端控制器61将成像识别探头11启动后，标定图像录入单元63将成像识别探头11获得图形信息录入，进而通过标记区间识取单元62将对应组别的标记点进行独立分析拾取，获得各组别独立的穴位分布图形。
本发明的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；
ΔL=γ*(L1-L2)，ΔR=δ*(R1-R2)；其中，L1为预测左边界，L2为原始左边界，R1为预测右边界，R2为原始右边界，γ和δ是边界调整因子，根据差异分析结果和相关统计分析确定；
错误标记删除：根据深度学习模型的预测结果和原始标记数据的差异分析，如果差异超过阈值或存在明显错误的标记，可以将其删除或进行人工干预修正。
本发明对于穴位数据修正方法为，在本实施例中通过标记识别端中的标记介质填充引导组5标定当前患者待针灸体表穴位后，通过内填充覆盖槽12将当前标点数据向数据存储分析模块7内读取，之后经源端数据库中代入原初穴位标准点位数据以及与该患者同症类型的常态变化数据，经数据存储分析模块7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7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。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (8)
1.一种基于深度学习的针灸治疗系统，其特征在于，包括标记信息处理模块（6）和数据存储分析模块（7）以及由穴位边界标记座（1）、拓压触发组件（2）、拓压扩张传动组（3）、标记介质存储组（4）和标记介质填充引导组（5）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（6）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（7），同时对所述数据存储分析模块（7）内录入的当前穴位标记图像读出；
所述数据存储分析模块（7）通过录入所述标记介质填充引导组（5）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（7）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。
2.根据权利要求1所述的一种基于深度学习的针灸治疗系统，其特征在于：针灸治疗系统的穴位数据修正方法包括如下步骤：
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或循环神经网络，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修正，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。
3.根据权利要求2所述的一种基于深度学习的针灸治疗系统，其特征在于：在步骤c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；
ΔL=γ*(L1-L2)，ΔR=δ*(R1-R2)；其中，L1为预测左边界，L2为原始左边界，R1为预测右边界，R2为原始右边界，γ和δ是边界调整因子，根据差异分析结果和相关统计分析确定；
错误标记删除：根据深度学习模型的预测结果和原始标记数据的差异分析，如果差异超过阈值或存在明显错误的标记，将其删除或进行人工干预修正。
4.根据权利要求1所述的一种基于深度学习的针灸治疗系统，其特征在于：所述拓压触发组件（2）包括信号发生器（21）、侧向连接杆（22）和手持压合握柄（23），所述信号发生器（21）固定连接于所述穴位边界标记座（1）的顶壁，所述侧向连接杆（22）固定连接于所述信号发生器（21）和所述手持压合握柄（23）之间。
5.根据权利要求1所述的一种基于深度学习的针灸治疗系统，其特征在于：所述拓压扩张传动组（3）包括轴向传动件（31）和轴向倾斜传感器（32），所述轴向传动件（31）设置于所述穴位边界标记座（1）内侧，所述轴向倾斜传感器（32）设置于所述轴向传动件（31）轴接点，用于监测所述轴向传动件（31）转动倾角。
6.根据权利要求5所述的一种基于深度学习的针灸治疗系统，其特征在于：所述标记介质存储组（4）与所述穴位边界标记座（1）固定连接，所述标记介质存储组（4）接收所述轴向倾斜传感器（32）传输的倾角信号后，向所述标记介质填充引导组（5）中传导标记介质。
7.根据权利要求1所述的一种基于深度学习的针灸治疗系统，其特征在于：所述穴位边界标记座（1）底部开设有内填充覆盖槽（12），所述内填充覆盖槽（12）内侧安装有用于采集所述标记介质填充引导组（5）涂覆标记图像的成像识别探头（11）。
8.根据权利要求1所述的一种基于深度学习的针灸治疗系统，其特征在于：所述标记信息处理模块（6）包括前端控制器（61）、标记区间识取单元（62）和标定图像录入单元（63），所述前端控制器（61）用于对所述标记识别端的信号读取，进而依据所述标记识别端的信号输入对应启控标记区间识取单元（62）或标定图像录入单元（63）。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310605426.9A CN116364238A (zh) | 2023-05-26 | 2023-05-26 | 一种基于深度学习的针灸治疗系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310605426.9A CN116364238A (zh) | 2023-05-26 | 2023-05-26 | 一种基于深度学习的针灸治疗系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116364238A true CN116364238A (zh) | 2023-06-30 |
Family
ID=86910653
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310605426.9A Withdrawn CN116364238A (zh) | 2023-05-26 | 2023-05-26 | 一种基于深度学习的针灸治疗系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116364238A (zh) |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| SU971329A1 (ru) * | 1980-12-31 | 1982-11-07 | Уфимский авиационный институт им.С.Орджоникидзе | Устройство дл поиска точек акупунктуры |
| CN102393880A (zh) * | 2011-08-31 | 2012-03-28 | 韩红 | 3dmax环境下经络腧穴立体定位方法 |
| CN102698371A (zh) * | 2012-07-03 | 2012-10-03 | 成都中医药大学 | 一种智能循证针灸诊疗系统及方法 |
| CN107137225A (zh) * | 2017-06-22 | 2017-09-08 | 山东中医药大学 | 个性化头面部穴位识别模型建立、定位的方法和系统 |
| CN108938396A (zh) * | 2017-09-26 | 2018-12-07 | 炬大科技有限公司 | 一种基于深度学习的耳部穴位识别装置及其方法 |
| TWI684443B (zh) * | 2018-10-03 | 2020-02-11 | 義守大學 | 針灸輔助系統 |
| KR102134234B1 (ko) * | 2019-01-08 | 2020-07-16 | 주식회사 페네시아 | 레이저 침술장치 |
| CN211024038U (zh) * | 2019-07-24 | 2020-07-17 | 高文 | 一种医疗用针灸定位装置 |
| CN112349382A (zh) * | 2020-11-09 | 2021-02-09 | 中国人民解放军陆军军医大学第二附属医院 | 一种可视化简化针刺系统和方法 |
| CN214485065U (zh) * | 2020-12-07 | 2021-10-26 | 姚田田 | 一种中医内科用针灸定位器 |
| CN215689814U (zh) * | 2021-05-31 | 2022-02-01 | 广西医科大学附属肿瘤医院 | 人体穴位定位仪 |
| CN116098707A (zh) * | 2023-04-13 | 2023-05-12 | 青岛大学附属医院 | 无线电磁波引导的远程手术系统 |
-
2023
- 2023-05-26 CN CN202310605426.9A patent/CN116364238A/zh not_active Withdrawn
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| SU971329A1 (ru) * | 1980-12-31 | 1982-11-07 | Уфимский авиационный институт им.С.Орджоникидзе | Устройство дл поиска точек акупунктуры |
| CN102393880A (zh) * | 2011-08-31 | 2012-03-28 | 韩红 | 3dmax环境下经络腧穴立体定位方法 |
| CN102698371A (zh) * | 2012-07-03 | 2012-10-03 | 成都中医药大学 | 一种智能循证针灸诊疗系统及方法 |
| CN107137225A (zh) * | 2017-06-22 | 2017-09-08 | 山东中医药大学 | 个性化头面部穴位识别模型建立、定位的方法和系统 |
| CN108938396A (zh) * | 2017-09-26 | 2018-12-07 | 炬大科技有限公司 | 一种基于深度学习的耳部穴位识别装置及其方法 |
| TWI684443B (zh) * | 2018-10-03 | 2020-02-11 | 義守大學 | 針灸輔助系統 |
| KR102134234B1 (ko) * | 2019-01-08 | 2020-07-16 | 주식회사 페네시아 | 레이저 침술장치 |
| CN211024038U (zh) * | 2019-07-24 | 2020-07-17 | 高文 | 一种医疗用针灸定位装置 |
| CN112349382A (zh) * | 2020-11-09 | 2021-02-09 | 中国人民解放军陆军军医大学第二附属医院 | 一种可视化简化针刺系统和方法 |
| CN214485065U (zh) * | 2020-12-07 | 2021-10-26 | 姚田田 | 一种中医内科用针灸定位器 |
| CN215689814U (zh) * | 2021-05-31 | 2022-02-01 | 广西医科大学附属肿瘤医院 | 人体穴位定位仪 |
| CN116098707A (zh) * | 2023-04-13 | 2023-05-12 | 青岛大学附属医院 | 无线电磁波引导的远程手术系统 |
Non-Patent Citations (1)
| Title |
|---|
| 杨旭明;彭昊宇;方琢;徐凌宇;朱政;: "基于Web的针刺面部穴位定位、处方学习和虚拟仿真系统的研发", 中华医学图书情报杂志, no. 10 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7881499B2 (en) | Golf club and ball performance monitor with automatic pattern recognition | |
| JP4290462B2 (ja) | ゴルフスウィングの診断システム | |
| US20100119124A1 (en) | System and Method for Improved Scanning of Fingerprint Edges | |
| US20080071188A1 (en) | Methods for obtaining quick, repeatable and non-invasive bioelectrical signals in living organisms | |
| CN111067538B (zh) | 基于力、位置信息评估上肢运动功能的方法及系统 | |
| US11284855B2 (en) | Ultrasound needle positioning system and ultrasound needle positioning method utilizing convolutional neural networks | |
| CN109164171B (zh) | 一种超声检测方法、超声检测系统及相关装置 | |
| US20130250118A1 (en) | Image processing apparatus for correcting trajectory of moving object in image | |
| US5120228A (en) | Intrinsic perceptual motor training device | |
| WO2016024817A1 (ko) | 운동 자세 분석 장치 및 운동 자세 분석 정보 생성 방법 | |
| CN107470983A (zh) | 一种高精度标定拟合圆心求解装置和方法 | |
| CN113926172A (zh) | 使用被配置为检查重叠状态下两个高尔夫图像和结果数据的应用程序的姿势比较和校正方法 | |
| CN110227243A (zh) | 乒乓球练习用智能纠正系统及其工作方法 | |
| CN113903082A (zh) | 一种基于动态时间规划的人体步态监测算法 | |
| CN116364238A (zh) | 一种基于深度学习的针灸治疗系统及方法 | |
| CN110505383B (zh) | 一种图像获取方法、图像获取装置及内窥镜系统 | |
| CN109920002B (zh) | 基于三维随机森林模型的头影测量图像中特征点定位方法 | |
| KR20210033290A (ko) | 골프 시뮬레이션 장치를 이용한 스윙자세 교육방법 | |
| CN113951935A (zh) | 一种经腔道的超声自动检查系统及控制方法 | |
| US7410258B2 (en) | Method and apparatus for monitoring glaucoma using scanning laser tomography | |
| CN109829922B (zh) | 一种脑图像重定向方法、装置、设备及存储介质 | |
| CN114041758B (zh) | 桡动脉触诊定位方法、装置、电子设备和存储介质 | |
| CN114648810B (zh) | 一种交互式步态识别方法、装置及电子设备 | |
| CN116019419A (zh) | 一种触觉感知的动态闭环脑功能拓扑图测量与分型系统 | |
| CN111060703B (zh) | 一种试纸传感器分析方法、设备及系统 |
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 | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20230630 |
|
| WW01 | Invention patent application withdrawn after publication |