一种基于双路卷积神经网络融合的脉象识别方法

发明专利有效专利

申请号：
CN202011353955.7
IPC分类号：G06K9/00;G06K9/62;A61B5/00;A61B5/02;G06N3/04
申请日期：
2020-11-26
申请人：
上海贝业斯健康科技有限公司

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于双路卷积神经网络融合的脉象识别方法
申请号	CN202011353955.7	申请日期	2020-11-26
法律状态	实质审查	申报国家	中国
公开/公告日	2021-03-12	公开/公告号	CN112487945A
优先权	暂无	优先权号	暂无
主分类号	G06K9/00 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06K 数据识别；数据表示；记录载体；记录载体的处理（印刷本身入B41J） G06K9/00 用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置（用于图表阅读或者将诸如力或现状态的机械参量的图形转换为电信号的方法或装置入G06K 11/00；语音识别入G10L 15/00）〔1，7〕	IPC分类号	G;0;6;K;9;/;0;0;;;G;0;6;K;9;/;6;2;;;A;6;1;B;5;/;0;0;;;A;6;1;B;5;/;0;2;;;G;0;6;N;3;/;0;4查看分类表>
申请人	上海贝业斯健康科技有限公司	申请人地址	上海市松江区荣乐东路301号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	上海贝业斯健康科技有限公司	当前权利人	上海贝业斯健康科技有限公司
发明人	祁利斌
代理机构	北京汇捷知识产权代理事务所（普通合伙）	代理人	林杨

摘要

本发明涉及一种基于双路卷积神经网络融合的脉象识别方法，包括步骤：获取待识别的脉象图；将脉象图输入至基于双路卷积神经网络融合的脉象识别模型中进行脉象识别，得到脉象识别结果；其中，脉象识别模型通过以下步骤预先训练获得：采集训练数据集；搭建脉象识别卷积神经网络框架，脉象识别卷积神经网络框架包括输入层、非线性变换层、线性融合层和输出层；利用采集的训练数据集训练脉象识别卷积神经网络，训练后得到脉象识别模型。本发明利用卷积神经网络通过模拟人类神经元结构逐层进行信息传递的特点，实现特征的自动提取，可以同时提取脉象图全局和局部的深层次高维度图像信息，从而能够大幅度提高脉象识别的准确率。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供