【技術實現步驟摘要】
本專利技術公開一種通過提取的耳象特征，對服務對象當前耳象特征進行融合分析，獲得最終中醫體質，并給予相應生活建議的方法。本專利技術涉及健康服務管理領域，利用經過標注的耳郭圖片，作為訓練數據集，對多分類器神經網絡模型(cnn)進行迭代訓練，進一步提高了模型在進行體質融合的準確性，從而使得提供給用戶的建議更加貼合用戶實際需要，提升了整個融合方法的可靠性。
技術介紹
1、因為耳象特征與中醫體質間沒有統一的判斷標準，導致體質辨識的準確性不足，具體體現在：(1)耳象特征與中醫體質間的判斷不專業；(2)耳象訓練集標注的標準不統一。
2、關聯技術：多分類器神經網絡模型(cnn)、panda均為成熟技術方法。
3、參考資料：《中醫體質分類與判定》、《黃帝內經》、《中醫診斷學》、《中醫基礎理論》。
4、關鍵在于通過訓練集訓練提升融合模型的準確性，從而提高體質辨識的準確性。
5、綜上所述，現有的融合模型由于耳象特征與中醫體質間的判斷不專業，以及耳象訓練集標注的標準不統一，導致體質辨識的準確性不足。
技術實現思路
1、當前，使用單一耳象特征來判斷中醫體質存在一定的局限性和不足之處。耳象本身包含了多個方面的信息，單一特征難以全面捕捉這些細節。單一耳象特征提供的信息相對較少，可能不足以全面反映一個人的健康狀況和體質類型。多種耳象特征結合使用可以提供更全面的信息，有助于更準確地判斷體質類型和身體狀態。
2、本方法綜合分析多個單一耳象特征，而非僅僅依賴于
3、本系統先提取左耳耳象特征，再提取右耳耳象特征，最后將結果一起返回給前端。(注：左右耳的耳象特征提取方式一樣)
4、本系統包括：
5、(1)圖片接收模塊：本模塊旨在接收前端上傳的耳郭圖片。
6、(2)特征提取模塊：本模塊旨在提取圖片里的耳象特征。使用經過標注的耳郭圖片作為數據集，訓練神經網絡模型；通過訓練后的神經網絡模型進行特征提取。耳象特征提取方法已提交專利申請，耳象數據集已上傳至其他證明材料。
7、(3)耳象特征調用模塊：本模塊旨在通過函數調取耳象特征，供下個模塊使用。
8、(4)耳象特征融合模塊：本模塊旨在通過多分類器神經網絡模型，將調取到的耳象特征進行融合，根據概率最大原則得出最可能的三個體質。使用經過標注的耳郭圖片作為數據集，訓練分類器神經網絡模型，輸入經過cnn提取的高維特征向量，輸出為不同體質類別，采用交叉熵損失函數和adam優化器進行反向傳播訓練，迭代訓練至滿足條件后，用測試集評估模型性能(準確率、召回率、f1分數等)，模型訓練完成后，將調取到的耳象特征輸入模型，通過訓練好的模型得到九個體質的概率，再根據概率最大原則輸出最可能的三個體質。
9、(5)中醫體質對應衣食住行建議模塊：本模塊根據輸出概率最大的中醫體質，利用panda讀取體質建議對照表1，提供相應的衣食住行建議。
10、(6)結果返回模塊：本模塊旨在將獲取到的體質和衣食住行建議傳給前端。
11、具體詳見系統架構圖1。
12、系統流程示意圖2。
13、體質建議對照表1
14、
15、
16、
17、
18、
本文檔來自技高網...【技術保護點】
1.基于多分類器神經網絡模型(CNN)，融合分析耳象特征，判別人體中醫體質，并給予衣食住行及相關科室建議的方法。
2.耳郭圖片訓練集：利用經過標注的耳郭圖片，作為訓練數據集，對多分類器神經網絡模型(CNN)進行迭代訓練，進一步提高了模型在進行體質融合的準確性，使得提供給用戶的建議更加貼合用戶實際需要，提升了整個融合方法的可靠性。
【技術特征摘要】
1.基于多分類器神經網絡模型(cnn)，融合分析耳象特征，判別人體中醫體質，并給予衣食住行及相關科室建議的方法。
2.耳郭圖片訓練集：利用經過標注的耳郭圖片，作...
【專利技術屬性】
技術研發人員：潘國瑞，龍家宏，黃丹娜，
申請(專利權)人：銀潤康深圳科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。