一种基于增量学习的针灸组方匹配方法组成比例

本发明专利技术公开了一种基于增量学习的针灸组方匹配方法，属于数据处理技术领域，该方法包括如下步骤：1)实现针灸组方样本采集并建立针灸组方数据库；2)进行两级Lasso特征筛选，实现针灸组方样本数据降维，得到针灸场景中的动作样本集；3)构建增量学习网络模型并训练，生成匹配的针灸组方结果；4)根据三维针灸教学系统的触觉反馈功能进行针灸准确率反馈调节。本发明专利技术基于增量学习，融合特征筛选，并根据两者结构的动态联系，在保证准确率的前提下提高数据的使用效率，取得更优的针灸组方匹配效果。取得更优的针灸组方匹配效果。取得更优的针灸组方匹配效果。

【技术实现步骤摘要】
一种基于增量学习的针灸组方匹配方法


[0001]本专利技术属于数据处理领域，涉及面向医学针灸组方匹配技术应用，具体的说是涉及一种基于增量学习的针灸组方匹配方法。

技术介绍

[0002]针灸处方是指导针灸医生临床操作的医治对策，是针灸医生为患者实施治疗前详细制定的治疗方案，是影响针灸治疗效果的基本因素之一。针灸处方的制定直接反映了医生的专业水平和科学态度。要制定一组针灸处方需要考虑到选穴、配穴、组方、功效、操作、禁忌等多方面因素，其中尤其重要的就是选穴原则和组方规律。
[0003]目前，在针灸穴位的选取和组方上存在一定的问题，虽然有关针灸组方的文献和资料众多，穴位组方丰富，但是也有不利的一面，丰富的组方在选择方面是一大难题。近几年在针灸治疗组方匹配方面的文章大多数是通过数据挖掘和借助中医传承辅助平台的方法，指定针灸组方，尽管在组方选择方面有一定效果，但仍然存在一些问题。例如，治疗组方的准确性有待提高。
[0004]与此同时，针灸组方的传承也一些问题，当前中医针灸穴位的选取和组方上依靠师徒传承、纸垫、棉团上进行指力和手法练习以及仿真人体模型上取穴、进针、行针等手法练习，等达到一定水平之后在自己身体上或同学身体上选取安全穴位进行试针练习，所需时间久，准确性也有待提高。
[0005]增量学习使得机器具有自学习能力，有助于不断进行数据学习，目前已有很多算法与增量学习进行结合。同时，增量学习还可以通过对数据间的关联规则进行更新与维护，并尽可能生成较小规模的候选项目集或较少次数地扫描数据库，达到高效挖掘大数据集样本的效果。
[0006]由于治疗组方的准确性关系到针灸组方疗效的可靠性和稳定性，为提高针灸组方匹配准确度，本专利技术基于增量学习，融合Lasso特征筛选，对针灸准确率进行反馈调节，以提高针灸组方的准确性。

技术实现思路

[0007]为了解决现有技术中针灸组方匹配准确度不高的缺陷，本专利技术提供了一种基于增量学习的针灸组方匹配方法，实现针灸组方高准确率匹配。
[0008]为了达到上述目的，本专利技术是通过以下技术方案实现的：
[0009]本专利技术是一种基于增量学习的针灸组方匹配方法，所述基于增量学习的针灸组方匹配方法包括三个阶段，依次为针灸组方样本采集、针灸组方样本处理和针灸组方增量学习。具体的，一种基于增量学习的针灸组方匹配方法包括如下步骤：
[0010]步骤1：针灸组方样本采集；
[0011]根据针灸医师、深度传感器以及计算机收集针灸治疗组方数据，并将收集到的针灸治疗组方数据按照相应定位标准进行规范化并建立针灸组方数据库。具体的，所述针灸
组方样本采集包括如下步骤：
[0012]步骤1
‑
1：收集针数据、深度数据、RGB数据以及针灸组方文献数据这四种异构数据，所述针数据从针灸医师处收集得到，所述深度数据、RGB数据由具有手部追踪功能的深度传感器收集得到，所述针灸组方文献数据通过以“针灸”、“针刺”、“温针灸”、“电针”、“穴位注射”为关键词检索所有针灸治疗的相关文献得到。
[0013]步骤1
‑
2：将收集到的针数据、深度数据、RGB数据进行数据去噪处理；根据文献纳入标准和文献排除标准进行针灸组方文献数据清洗。
[0014]步骤1
‑
3：将去噪处理完成的针数据进行针定位获得针定位数据；将去噪完成的深度数据和RGB数据进行手势追踪定位获得手势追踪定位数据，所述手势追踪定位数据包含手臂定位数据和手势定位数据；将数据清洗完成的针灸组方文献数据参照针灸组方相关标准进行统一的针灸组方名称规范化，所述针灸组方名称规范化指的是根据特定定位标准，对特殊穴位名称进行描述，获得文献针灸组方定位数据。
[0015]步骤1
‑
4：根据上述步骤1
‑
3中获得的针定位数据、手势追踪定位数据、文献针灸组方定位数据建立针灸组方数据库。
[0016]步骤2：针灸组方样本处理。将上述步骤1获得的针灸组方样本数据进行两级Lasso特征筛选，实现针灸组方样本数据降维，从多维数据中选择有价值、区分能力强的特征，得到针灸场景中的动作样本集。所述动作样本集包含针灸动作样本测试集和针灸新样本集，所述针灸动作样本测试集不用于数据增强，所述针灸新样本集进行数据增强获得针灸动作样本训练集用于训练模型。具体的，所述针灸组方样本处理包括如下步骤：
[0017]步骤2
‑
1：将上述步骤1获得的针灸组方数据进行一级Lasso特征筛选得到针灸组方定性数据以及针灸组方定量数据。
[0018]步骤2
‑
2：针对针灸组方定性数据进行二值化处理；针对针灸组方定量数据采用Gini准则粒化方式进行粒化处理。
[0019]步骤2
‑
3：引入二级Lasso特征筛选将步骤2
‑
2中二值化和粒化后的高维数据进行二次降维，减少因维度提升引入的噪声以及针灸组方数据结果误差的影响。
[0020]步骤2
‑
4：基于上述步骤2
‑
3引入二级Lasso特征筛选所获得的数据，抽取针灸新样本数据作为针灸新样本集进行数据增强用于后续针灸组方增量学习阶段的模型训练，剩余针灸样本数据作为针灸动作样本测试集且不用于数据增强。
[0021]步骤3：进行针灸组方增量学习。构建增量学习网络模型，将上述步骤2获得的针灸新样本集和针灸动作样本测试集放入增量学习网络模型中进行处理，生成匹配的针灸组方结果，并借助三维针灸教学系统中的触觉反馈功能对步骤2中两次Lasso特征筛选模型进行针灸准确率反馈调节，提升针灸组方在实际针灸场景下动作类别和穴位类别的匹配精度。
[0022]具体的，所述针灸组方增量学习包括如下步骤：
[0023]步骤3
‑
1：选定M+1个针灸场景分别记为(C0,C1,
…
,C
M
)，其中，C0为旧场景，(C1,
…
,C
i
,
…
,C
M
)为新针灸场景，C
i
为第i个新针灸场景，M表示场景数。
[0024]步骤3
‑
2：在周期时间T内，分别在任意一个针灸场景的采集点上进行第s类针灸动作并作为针灸新样本集输入增量学习模型进行训练。
[0025]步骤3
‑
3：训练增量学习模型，得到M+1个针灸场景下的针灸组方匹配结果。
[0026]步骤3
‑
4：将上述步骤3
‑
3得到的针灸组方匹配结果输入至三维针灸教学系统，根
据该系统具备的触觉反馈功能对上述步骤2中的一级Lasso特征筛选和二级Lasso特征筛选进行针灸准确率反馈调节，充分利用针灸准确率和针灸组方匹配结构更新的动态联系，有利于在保证准确率的前提下提高数据的使用效率，取得更优的针灸组方匹配效果。
[002本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于增量学习的针灸组方匹配方法，其特征在于，包括如下步骤：步骤1：针灸组方样本采集；根据针灸医师、深度传感器以及计算机收集针灸治疗组方数据，并将收集到的针灸治疗组方数据按照相应定位标准进行规范化并建立针灸组方数据库；步骤2：针灸组方样本处理；将上述步骤1获得的针灸组方样本数据进行两级Lasso特征筛选，实现针灸组方样本数据降维，从多维数据中选择有价值、区分能力强的特征，得到针灸场景中的动作样本集，所述动作样本集包含针灸动作样本测试集和针灸新样本集，所述针灸动作样本测试集不用于数据增强，所述针灸新样本集进行数据增强获得针灸动作样本训练集用于训练模型；步骤3：进行针灸组方增量学习；构建增量学习网络模型，将上述步骤2获得的针灸新样本集和针灸动作样本测试集放入增量学习网络模型中进行处理，生成匹配的针灸组方结果，并根据三维针灸教学系统中的触觉反馈功能对步骤2中两次Lasso特征筛选模型进行针灸准确率反馈调节，提升针灸组方在实际针灸场景下动作类别和穴位类别的匹配精度。2.根据权利要求1所述的一种基于增量学习的针灸组方匹配方法，其特征在于，步骤1针灸组方样本采集包括如下步骤：步骤1
‑
1：收集针数据、深度数据、RGB数据以及针灸组方文献数据这四种异构数据，所述针数据从针灸医师处收集得到，所述深度数据、RGB数据由具有手部追踪功能的深度传感器收集得到，所述针灸组方文献数据通过以“针灸”、“针刺”、“温针灸”、“电针”、“穴位注射”为关键词检索所有针灸治疗的相关文献得到；步骤1
‑
2：将收集到的针数据、深度数据、RGB数据进行数据去噪处理，根据文献纳入标准和文献排除标准进行针灸组方文献数据清洗；步骤1
‑
3：将去噪处理完成的针数据进行针定位获得针定位数据，将去噪完成的深度数据和RGB数据进行手势追踪定位获得手势追踪定位数据，所述手势追踪定位数据包含手臂定位数据和手势定位数据，将数据清洗完成的针灸组方文献数据参照针灸组方相关标准进行统一的针灸组方名称规范化，所述针灸组方名称规范化指的是根据特定定位标准，对特殊穴位名称进行描述，获得文献针灸组方定位数据；步骤1
‑
4：根据上述步骤1
‑
3中获得的针定位数据、手势追踪定位数据、文...

【专利技术属性】
技术研发人员：吴杰，左静怡，陈亚，蔡平强，吴天星，钱琪杰，
申请(专利权)人：江苏亚寰软件股份有限公司，
类型：发明
国别省市：