基于深度学习和集成学习的脉象信号分析识别研究

发布时间：2022-08-23 12:42

　　脉诊作为传统中医的一部分,在临床诊断中占有不可或缺的地位。中医在脉诊时根据主观感受和长期的经验对患者进行诊断,缺乏客观的评价标准。针对以上问题,本文将多种信号分析方法和机器学习算法综合应用于脉象信号的分析识别中,并开发了中医脉诊信息采集分析系统,为脉诊的客观化和智能化打下一定的基础。本文的主要内容可分为以下三部分:第一,本文采用Lyapunov指数对脉象信号进行非线性分析,表明其具有一定的混沌特性。在此基础上,采用非线性动力学方法将脉象信号转换为无阈值递归图,避免因阈值选取不当而导致大量细节特征的丢失。通过卷积神经网络对无阈值递归图进行特征的自学习,建立脉象信号分类模型。实验结果表明该方法可以获得较好的分类效果。第二,为了更好地利用不同脉象信号分析方法的优势,本文结合时域、时频域和非线性动力学三种分析方法,提出了基于Stacking方法的脉象信号集成分类模型（ResNet and SVM based Stacking Networks,RSSN）。采用SVM建立时域及时频域特征的分类模型,采用ResNet建立无阈值递归图的分类模型。通过Stacking方法集成SVM和ResNet分类模... 

【文章页数】：84 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 引言
    1.1 课题背景及意义
        1.1.1 课题背景
        1.1.2 课题目的和意义
    1.2 国内外研究现状
        1.2.1 脉象信号采集
        1.2.2 脉象信号预处理及特征提取
        1.2.3 脉象信号模式识别
    1.3 本文主要工作和内容安排
第2章 基于递归图和卷积神经网络的脉象信号分析识别
    2.1 引言
    2.2 系统概述
    2.3 脉象信号的非线性分析
        2.3.1 Lyapunov指数
        2.3.2 C-C算法
        2.3.3 脉象信号的混沌分析
    2.4 无阈值递归图
    2.5 卷积神经网络
        2.5.1 卷积神经网络简介
        2.5.2 基于VGG-16的脉象信号分类模型
    2.6 实验设置
        2.6.1 实验数据描述
        2.6.2 数据预处理
        2.6.3 均衡数据集
        2.6.4 训练参数设置及评价标准
    2.7 实验结果及分析
        2.7.1 VGG-16特征可视化
        2.7.2 实验结果及分析
    2.8 本章小结
第3章 脉象信号集成分类模型的研究
    3.1 引言
    3.2 RSSN模型架构
    3.3 脉象信号特征提取
        3.3.1 时域特征提取
        3.3.2 时频域特征提取
    3.4 RSSN模型设计
        3.4.1 Stacking集成方法
        3.4.2 基学习器设计
        3.4.3 元学习器设计
    3.5 实验设置
        3.5.1 实验数据及预处理
        3.5.2 训练参数设置及评价标准
    3.6 实验结果及分析
        3.6.1 SVM实验结果
        3.6.2 ResNet实验结果
        3.6.3 RSSN实验结果
    3.7 本章小结
第4章 中医脉诊信息采集分析系统
    4.1 引言
    4.2 系统设计
    4.3 开发平台及界面库简介
    4.4 脉诊信息采集模块
        4.4.1 基本信息采集
        4.4.2 脉象信号采集
    4.5 脉象信号分析与识别模块
        4.5.1 脉象信号分析
        4.5.2 脉象信号分类模型
    4.6 数据管理模块
    4.7 本章小结
第5章 总结与展望
    5.1 总结
    5.2 展望
参考文献
致谢
攻读硕士期间成果



本文编号：3677784