针灸磁疗装置及其测试方法

1.本技术涉及针灸磁疗领域，且更为具体地，涉及针灸磁疗装置及其测试方法。


背景技术：

2.针灸磁疗可以影响气血在人体血管、经脉和穴位中的运动，从而调节气血、体液分泌、神经、脏腑功能等等，针灸磁疗对机体各系统的调节原理是：通过外部磁场与人体载生物电流的经穴产生磁电作用，改善人体组织局部血液循环状态和神经递质的传递状态，增强局部血液/体液循环能力，改善生物电水平，进而通过外部磁场干预达到比普通针灸更好的治疗效果。
3.针灸磁疗常用于外科或内科，而在外科，用于治疗泌尿系统疾病的针灸磁疗技术几乎没有，例如，前列腺疾病。前列腺属于外科具有分泌功能的腺体，是男性生殖系统的重要组成部分。现有技术中，治疗前列腺增生一般可通过药物或除去前列腺一部分的外科手术来实现，然而前列腺是相对独立的腺体，非那雄安片、多沙唑嗪片一类的药物一般很难到达该腺体，而通过手术治疗，难度极大，因为前列腺最接近于肛门，且与肛门通过一层隔膜分隔开，采用外科手术治疗，从临床实践来看，会对人体的其他组织造成不小的影响，病人体验感较差。
4.针对上述问题，中国专利号cn 114642590a揭露了一种多功能外科针灸磁疗装置，其利用电磁脉冲疏通泌尿系统局部静脉，通畅气血，改善体液微循环，并利用前列腺针灸磁疗来对泌尿外科进行全方位和多功能的理疗。
5.经研究发现，虽然上述多功能外科针灸磁疗装置能够改善前列腺功能，但因不同患者的体质存在差异且前列腺状态不同，如果以统一的针灸磁疗控制策略来进行理疗，发现不同患者的理疗效果之间的差异较大。这就要求为针灸磁疗装置配置控制器。
6.针灸磁疗装置的控制模式在技术实现上有两种途径：手动模式和自动模式，手动模式可以满足临床医生的电磁脉冲信号的模式调整需求，但是需要临床医生时刻守在患者跟前。因此，期待一种优化的具有电磁脉冲信号自适应调整模块的针灸磁疗装置，其能够自动且自适应地调整针灸磁疗装置出射电磁脉冲信号的模式。


技术实现要素：

7.为了解决上述技术问题，提出了本技术。本技术的实施例提供了针灸磁疗装置及其测试方法，其通过基于自动编码器的降噪模块来对所述测试生物电信号进行降噪处理以滤除所述针灸磁疗装置自身的电磁脉冲信号以外的噪声干扰，进一步基于生物电信号来优化电磁脉冲信号的特征提取，以此来提高电磁脉冲信号的空占比调整的准确性。
8.根据本技术的一个方面，提供了针灸磁疗装置，其包括：
9.测试数据采集模块，用于获取由磁针单元在预定时间段内产生的测试电磁脉冲信号以及所述预定时间段的测试生物电信号；
10.测试电磁脉冲波形编码模块，用于将所述测试电磁脉冲信号通过作为过滤器的第
一卷积神经网络模型以得到测试电磁脉冲特征向量；
11.降噪模块，用于将所述测试生物电信号通过基于自动编码器的降噪模块以得到降噪后测试生物电信号；
12.生物电信号编码模块，用于将所述降噪后测试生物电信号通过作为过滤器的第二卷积神经网络模型以得到测试生物电特征向量；
13.高斯密度图构造模块，用于构造所述测试生物电特征向量的自高斯密度图，其中，所述自高斯密度图的均值向量为所述测试生物电特征向量，所述自高斯密度图的协方差矩阵中各个位置的值为所述测试生物电特征向量中相应两个位置的特征值之间的方差；
14.高斯离散化模块，用于对所述自高斯密度图进行高斯离散化以得到测试生物电特征矩阵；
15.深度优化模块，用于基于所述测试生物电特征矩阵，对所述测试电磁脉冲特征向量中各个位置的特征值进行优化以得到优化后测试电磁脉冲特征向量；
16.响应性估计模块，用于计算所述优化后测试电磁脉冲特征向量相对于所述测试生物电特征矩阵的转移向量作为分类特征向量；以及
17.控制结果生成模块，用于将所述分类特征向量通过分类器以得到分类结果，所述分类结果用于表示当前时间点的电磁脉冲信号的空占比应增大或应减小。
18.在上述针灸磁疗装置中，所述测试电磁脉冲波形编码模块，进一步用于：使用所述作为过滤器的第一卷积神经网络模型的各层在层的正向传递中分别对输入数据进行：对输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行基于特征矩阵的池化以得到池化特征图；以及，对所述池化特征图进行非线性激活以得到激活特征图；其中，所述作为过滤器的第一卷积神经网络的最后一层的输出为所述测试电磁脉冲特征向量，所述作为过滤器的第一卷积神经网络络的第一层的输入为所述测试电磁脉冲信号。
19.在上述针灸磁疗装置中，所述降噪模块，包括：信号编码单元，用于使用所述自动编码器的编码器从所述测试生物电信号提取测试生物电特征，其中，所述自动编码器的编码器为卷积层；以及，信号解码单元，用于使用所述自动编码器的解码器对所述测试生物电特征进行解码以得到所述降噪后测试生物电信号，其中，所述自动编码器的解码器为反卷积层。
20.在上述针灸磁疗装置中，所述高斯密度图构造模块，进一步用于：以如下公式构造所述测试生物电特征向量的自高斯密度图；
21.其中，所述公式为：
[0022][0023]
其中μ1表示所述测试生物电特征向量，且σ1的每个位置的值表示所述所述测试生物电特征向量中相应两个位置的特征值之间的方差。
[0024]
在上述针灸磁疗装置中，所述深度优化模块，进一步用于：基于所述测试生物电特征矩阵，以如下公式对所述测试电磁脉冲特征向量中各个位置的特征值进行优化以得到所述优化后测试电磁脉冲特征向量；
[0025]
其中，所述公式为：
[0026][0027]
其中v表示所述测试电磁脉冲特征向量，m表示所述测试生物电特征矩阵，m
i，j
表示所述测试生物电特征矩阵的每个位置的特征值，表示所述测试生物电特征矩阵的所有位置的特征值的均值，且n是所述测试生物电特征矩阵的宽度乘以高度，
⊙
表示按位置点乘，表示矩阵相乘，exp(
·
)表示数值的指数运算，所述数值的指数运算表示计算以所述数值为幂的自然指数函数值，α为超参数。
[0028]
在上述针灸磁疗装置中，所述响应性估计模块，进一步用于：以如下公式计算所述优化后测试电磁脉冲特征向量相对于所述测试生物电特征矩阵的转移向量作为分类特征向量；
[0029]
其中，所述公式诶：
[0030]v′
＝v2*v1[0031]
其中v’表示所述优化后测试电磁脉冲特征向量，v1表示所述测试生物电特征矩阵的转移向量，v2表示所述分类特征向量。
[0032]
在上述针灸磁疗装置中，所述控制结果生成模块，包括：全连接编码单元，用于使用所述分类器的多个全连接层对所述分类特征向量进行全连接编码以得到编码分类特征向量；以及，分类结果生成单元，用于将所述编码分类特征向量通过所述分类器的softmax分类函数以得到所述分类结果。
[0033]
根据本技术的另一方面，提供了针灸磁疗装置的测试方法，其包括：
[0034]
获取由磁针单元在预定时间段内产生的测试电磁脉冲信号以及所述预定时间段的测试生物电信号；
[0035]
将所述测试电磁脉冲信号通过作为过滤器的第一卷积神经网络模型以得到测试电磁脉冲特征向量；
[0036]
将所述测试生物电信号通过基于自动编码器的降噪模块以得到降噪后测试生物电信号；
[0037]
将所述降噪后测试生物电信号通过作为过滤器的第二卷积神经网络模型以得到测试生物电特征向量；
[0038]
构造所述测试生物电特征向量的自高斯密度图，其中，所述自高斯密度图的均值向量为所述测试生物电特征向量，所述自高斯密度图的协方差矩阵中各个位置的值为所述测试生物电特征向量中相应两个位置的特征值之间的方差；
[0039]
对所述自高斯密度图进行高斯离散化以得到测试生物电特征矩阵；
[0040]
基于所述测试生物电特征矩阵，对所述测试电磁脉冲特征向量中各个位置的特征值进行优化以得到优化后测试电磁脉冲特征向量；
[0041]
计算所述优化后测试电磁脉冲特征向量相对于所述测试生物电特征矩阵的转移向量作为分类特征向量；以及
[0042]
将所述分类特征向量通过分类器以得到分类结果，所述分类结果用于表示当前时
间点的电磁脉冲信号的空占比应增大或应减小。
[0043]
根据本技术的再一方面，提供了一种电子设备，包括：处理器；以及，存储器，在所述存储器中存储有计算机程序指令，所述计算机程序指令在被所述处理器运行时使得所述处理器执行如上所述的针灸磁疗装置的测试方法。
[0044]
根据本技术的又一方面，提供了一种计算机可读介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行如上所述的针灸磁疗装置的测试方法。
[0045]
与现有技术相比，本技术提供的针灸磁疗装置及其测试方法，其通过基于自动编码器的降噪模块来对所述测试生物电信号进行降噪处理以滤除所述针灸磁疗装置自身的电磁脉冲信号以外的噪声干扰，进一步基于生物电信号来优化电磁脉冲信号的特征提取，以此来提高电磁脉冲信号的空占比调整的准确性。
附图说明
[0046]
通过结合附图对本技术实施例进行更详细的描述，本技术的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本技术实施例的进一步理解，并且构成说明书的一部分，与本技术实施例一起用于解释本技术，并不构成对本技术的限制。在附图中，相同的参考标号通常代表相同部件或步骤。
[0047]
图1图示了根据本技术实施例的针灸磁疗装置的应用场景图；
[0048]
图2图示了根据本技术实施例的针灸磁疗装置的框图；
[0049]
图3图示了根据本技术实施例的针灸磁疗装置的系统架构图；
[0050]
图4图示了根据本技术实施例的针灸磁疗装置中第一卷积神经网络编码过程的流程图；
[0051]
图5图示了根据本技术实施例的针灸磁疗装置中降噪模块的框图；
[0052]
图6图示了根据本技术实施例的针灸磁疗装置的测试方法的流程图；
具体实施方式
[0053]
下面，将参考附图详细地描述根据本技术的示例实施例。显然，所描述的实施例仅仅是本技术的一部分实施例，而不是本技术的全部实施例，应理解，本技术不受这里描述的示例实施例的限制。
[0054]
场景概述
[0055]
在进行具有电磁脉冲信号自适应调整模块的针灸磁疗装置的设备研发中，关键是确定电磁脉冲信号自适应调整模块的控制算法。也就是，需要在针灸磁疗装置出厂前，通过测试来确定电磁脉冲信号自适应调整模块的控制算法。
[0056]
近年来，深度学习以及神经网络已经广泛应用于计算机视觉、自然语言处理、文本信号处理等领域。此外，深度学习以及神经网络在图像分类、物体检测、语义分割、文本翻译等领域，也展现出了接近甚至超越人类的水平。
[0057]
深度学习以及神经网络的发展为电磁脉冲信号的自适应调整控制提供了新的解决思路和方案。
[0058]
具体地，可在所述具有电磁脉冲信号自适应调整模块的针灸磁疗装置的测试过程
中收集数据，并通过所收集的数据来训练用于电磁脉冲信号自适应控制的深度神经网络模型。这样，在训练完成后，就可以使用所述深度神经网络模型来自适应地调整所述电磁脉冲信号的出射模式。
[0059]
具体地，在本技术的技术方案中，所述具有电磁脉冲信号的自适应调整模块的针灸磁疗装置的测试过程，包括：首先，通过磁针单元在预定时间段内产生的测试电磁脉冲信号以及所述预定时间段的测试生物电信号。接着，对于采集到的所述预定时间段内的测试电磁脉冲信号，使用在隐含特征提取方面具有优异表现的作为过滤器的第一卷积神经网络模型对于所述测试电磁脉冲信号进行处理，以提取出所述测试电磁脉冲信号的高维隐含特征信息，从而得到测试电磁脉冲特征向量。
[0060]
然后，对于采集到的所述预定时间段内的测试生物电信号，考虑到由于所述测试生物电信号较为微弱，易受周围环境等诸多因素的干扰，从而造成信号的采集不够准确，进而影响控制的效果。因此，在本技术的技术方案中，在对于所述测试生物电信号进行特征挖掘时，需要进一步将其通过降噪模块来进行信号增强。也就是，具体地，使用基于自动编码器的降噪模块来对于所述测试生物电信号进行降噪处理，以得到降噪后测试生物电信号。接着，就可以使用作为过滤器的第二卷积神经网络模型来对于所述降噪后测试生物电信号进行隐含特征挖掘，以提取出所述降噪后测试生物电信号的局部高维隐含特征分布信息，从而得到测试生物电特征向量。
[0061]
进一步地，在通过所述自动编码器的降噪模块来对于所述测试生物电信号进行信号增强后，考虑到所述测试生物电信号在所述预定时间段内具有着波动性和不确定性，为了提高对于电磁脉冲信号的自适应调整控制，还需要对于所述测试生物电信号进行数据增强来得到更为精准的所述测试生物电信号的隐藏特征信息。也就是，具体地，利用高斯密度图和高斯离散化来进行数据增强以更为精准地提取生物电模式特征。相应地，在本技术的技术方案中，首先构造所述测试生物电特征向量的自高斯密度图，也就是，以所述测试生物电信号的特征分布作为先验分布，来获得每个先验分布位置下由于其它先验分布位置的相关性作用下的概率密度以作为后验分布，从而在更高维度上更准确地描述所述测试生物电信号的特征分布，以对于所述测试生物电信号的隐含特征进行数据增强。这里，所述自高斯密度图的均值向量为所述测试生物电特征向量，所述自高斯密度图的协方差矩阵中各个位置的值为所述测试生物电特征向量中相应两个位置的特征值之间的方差。接着，对所述自高斯密度图进行高斯离散化，以在数据的特征增广时不产生信息损失，从而得到测试生物电特征矩阵。这样，能够更为精准地提取出所述生物电模式特征。
[0062]
应可以理解，由于所述电磁脉冲模式特征和所述生物电模式特征具有不同的特征尺度，并且，本技术的技术方案的目的是在检测出患者的生物电变化时自动且自适应地调整针灸磁疗装置出射的电磁脉冲信号的模式，因此，在本技术的技术方案中，进一步以所述测试电磁脉冲特征向量相对于所述测试生物电特征矩阵的转移向量作为针灸磁疗设备产生的电磁脉冲的诊疗效果响应特征。也就是，具体地，计算所述优化后测试电磁脉冲特征向量相对于所述测试生物电特征矩阵的转移向量作为分类特征向量来进行分类，就能够得到用于表示当前时间点的电磁脉冲信号的空占比应增大或应减小的分类结果。
[0063]
特别地，在本技术的技术方案中，这里，在计算所述测试电磁脉冲特征向量相对于所述测试生物电特征矩阵的转移向量作为分类特征向量时，考虑到所述测试生物电特征矩
阵通过了自动编码器-第二卷积神经网络和高斯密度图模块的级联模型，而所述测试电磁脉冲特征向量仅通过了第一卷积神经网络模型，这使得所述测试电磁脉冲特征向量相对于所述测试生物电特征矩阵属于浅层特征。
[0064]
因此，为了提高所述分类特征向量的计算准确性，对所述测试电磁脉冲特征向量进行注意力导向的分层深度图联立优化，表示为：
[0065][0066]
其中v是所述测试电磁脉冲特征向量，mi
，j
是所述测试生物电特征矩阵m的每个位置的特征值，是所述测试生物电特征矩阵m的所有位置的特征值的均值，且n是所述测试生物电特征矩阵m的宽度乘以高度。
[0067]
这里，所述注意力导向的分层深度图联立优化以作为深层特征的所述测试生物电特征矩阵m的子维度一致性作为注意力导向权重，对作为浅层特征的所述测试电磁脉冲特征向量v施加子维度分布的一致性注意力机制，来在具有深度差的高维流形之间进行体匹配，这样，优化后的测试电磁脉冲特征向量v
′
将作为所述测试电磁脉冲特征向量v和所述测试生物电特征矩阵m的各个子维度上的联立分布，具有深度维度上的分布的高一致性，进而提高分类的准确性。
[0068]
这样，就可以在所述针灸磁疗装置出厂前，通过测试来确定电磁脉冲信号自适应调整模块的控制算法，从而在所述针灸磁疗装置出厂后，其能够基于电磁脉冲信号自适应控制模块来自适应地调整其电磁脉冲信号的出射模式。
[0069]
基于此，本技术提出了针灸磁疗装置，其包括：测试数据采集模块，用于获取由磁针单元在预定时间段内产生的测试电磁脉冲信号以及所述预定时间段的测试生物电信号；测试电磁脉冲波形编码模块，用于将所述测试电磁脉冲信号通过作为过滤器的第一卷积神经网络模型以得到测试电磁脉冲特征向量；降噪模块，用于将所述测试生物电信号通过基于自动编码器的降噪模块以得到降噪后测试生物电信号；生物电信号编码模块，用于将所述降噪后测试生物电信号通过作为过滤器的第二卷积神经网络模型以得到测试生物电特征向量；高斯密度图构造模块，用于构造所述测试生物电特征向量的自高斯密度图，其中，所述自高斯密度图的均值向量为所述测试生物电特征向量，所述自高斯密度图的协方差矩阵中各个位置的值为所述测试生物电特征向量中相应两个位置的特征值之间的方差；高斯离散化模块，用于对所述自高斯密度图进行高斯离散化以得到测试生物电特征矩阵；深度优化模块，用于基于所述测试生物电特征矩阵，对所述测试电磁脉冲特征向量中各个位置的特征值进行优化以得到优化后测试电磁脉冲特征向量；响应性估计模块，用于计算所述优化后测试电磁脉冲特征向量相对于所述测试生物电特征矩阵的转移向量作为分类特征向量；以及，控制结果生成模块，用于将所述分类特征向量通过分类器以得到分类结果，所述分类结果用于表示当前时间点的电磁脉冲信号的空占比应增大或应减小。
[0070]
图1图示了根据本技术实施例的针灸磁疗装置的应用场景图。如图1所示，在该应用场景中，通过脉冲传感器(例如，如图1中所示意的p)获取由磁针单元(例如，如图1中所示
意的m)在预定时间段内产生的测试电磁脉冲信号；以及，由电信号传感器(例如，如图1中所示意的e)获取所述预定时间段的测试生物电信号。接着，将上述信号输入至部署有用于针灸磁疗装置测试算法的服务器(例如，图1中的s)中，其中，所述服务器能够以所述针灸磁疗装置测试算法对上述信号进行处理，以生成用于表示当前时间点的电磁脉冲信号的空占比应增大或应减的分类结果。
[0071]
在介绍了本技术的基本原理之后，下面将参考附图来具体介绍本技术的各种非限制性实施例。
[0072]
示例性系统
[0073]
图2图示了根据本技术实施例的针灸磁疗装置的框图。如图2所示，根据本技术实施例的针灸磁疗装置300，包括：测试数据采集模块310；测试电磁脉冲波形编码模块320；降噪模块330；生物电信号编码模块340；高斯密度图构造模块350；高斯离散化模块360；深度优化模块370；响应性估计模块380；以及，控制结果生成模块390。
[0074]
其中，所述测试数据采集模块310，用于获取由磁针单元在预定时间段内产生的测试电磁脉冲信号以及所述预定时间段的测试生物电信号；所述测试电磁脉冲波形编码模块320，用于将所述测试电磁脉冲信号通过作为过滤器的第一卷积神经网络模型以得到测试电磁脉冲特征向量；所述降噪模块330，用于将所述测试生物电信号通过基于自动编码器的降噪模块以得到降噪后测试生物电信号；所述生物电信号编码模块340，用于将所述降噪后测试生物电信号通过作为过滤器的第二卷积神经网络模型以得到测试生物电特征向量；所述高斯密度图构造模块350，用于构造所述测试生物电特征向量的自高斯密度图，其中，所述自高斯密度图的均值向量为所述测试生物电特征向量，所述自高斯密度图的协方差矩阵中各个位置的值为所述测试生物电特征向量中相应两个位置的特征值之间的方差；所述高斯离散化模块360，用于对所述自高斯密度图进行高斯离散化以得到测试生物电特征矩阵；所述深度优化模块370，用于基于所述测试生物电特征矩阵，对所述测试电磁脉冲特征向量中各个位置的特征值进行优化以得到优化后测试电磁脉冲特征向量；所述响应性估计模块380，用于计算所述优化后测试电磁脉冲特征向量相对于所述测试生物电特征矩阵的转移向量作为分类特征向量；以及，所述控制结果生成模块390，用于将所述分类特征向量通过分类器以得到分类结果，所述分类结果用于表示当前时间点的电磁脉冲信号的空占比应增大或应减小。
[0075]
图3图示了根据本技术实施例的针灸磁疗装置的系统架构图。如图3所示，在所述针灸磁疗装置300的系统架构中，首先通过所述测试数据采集模块310获取由磁针单元在预定时间段内产生的测试电磁脉冲信号以及所述预定时间段的测试生物电信号；其次，所述测试电磁脉冲波形编码模块320将所述测试数据采集模块310获取的测试电磁脉冲信号通过作为过滤器的第一卷积神经网络模型以得到测试电磁脉冲特征向量；同时，所述降噪模块330将所述测试数据采集模块310获取的测试生物电信号通过基于自动编码器的降噪模块以得到降噪后测试生物电信号；所述生物电信号编码模块340将所述降噪模块330生成的降噪后测试生物电信号通过作为过滤器的第二卷积神经网络模型以得到测试生物电特征向量；所述高斯密度图构造模块350构造所述测试生物电特征向量的自高斯密度图，其中，所述自高斯密度图的均值向量为所述测试生物电特征向量，所述自高斯密度图的协方差矩阵中各个位置的值为所述测试生物电特征向量中相应两个位置的特征值之间的方差；所述
高斯离散化模块360对所述自高斯密度图进行高斯离散化以得到测试生物电特征矩阵；然后，所述深度优化模块370基于所述测试生物电特征矩阵，对所述测试电磁脉冲特征向量中各个位置的特征值进行优化以得到优化后测试电磁脉冲特征向量；所述所述响应性估计模块380计算所述深度优化模块370得到的优化后测试电磁脉冲特征向量相对于所述测试生物电特征矩阵的转移向量作为分类特征向量；进而，所述控制结果生成模块390将所述分类特征向量通过分类器以得到分类结果，所述分类结果用于表示当前时间点的电磁脉冲信号的空占比应增大或应减小。
[0076]
具体地，在所述针灸磁疗装置300的运行过程中，所述测试数据采集模块310，用于获取由磁针单元在预定时间段内产生的测试电磁脉冲信号以及所述预定时间段的测试生物电信号。在本技术的技术方案中，可通过脉冲传感器获取由磁针单元在预定时间段内产生的测试电磁脉冲信号；以及，由电信号传感器获取所述预定时间段的测试生物电信号。
[0077]
具体地，在所述针灸磁疗装置300的运行过程中，所述测试电磁脉冲波形编码模块320，用于将所述测试电磁脉冲信号通过作为过滤器的第一卷积神经网络模型以得到测试电磁脉冲特征向量。也就是，对于采集到的所述预定时间段内的测试电磁脉冲信号，使用在隐含特征提取方面具有优异表现的作为过滤器的第一卷积神经网络模型对于所述测试电磁脉冲信号进行处理，以提取出所述测试电磁脉冲信号的高维隐含特征信息，从而得到测试电磁脉冲特征向量。
[0078]
图4图示了根据本技术实施例的针灸磁疗装置中第一卷积神经网络编码过程的流程图。如图4所述，所述第一卷积神经网络编码过程，包括：s210，对输入数据进行卷积处理以得到卷积特征图；s220，对所述卷积特征图进行基于特征矩阵的池化以得到池化特征图；以及，s230，对所述池化特征图进行非线性激活以得到激活特征图；其中，所述作为过滤器的第一卷积神经网络的最后一层的输出为所述测试电磁脉冲特征向量，所述作为过滤器的第一卷积神经网络络的第一层的输入为所述测试电磁脉冲信号。
[0079]
具体地，在所述针灸磁疗装置300的运行过程中，所述降噪模块330，用于将所述测试生物电信号通过基于自动编码器的降噪模块以得到降噪后测试生物电信号。在本技术的技术方案中，对于采集到的所述预定时间段内的测试生物电信号，考虑到由于所述测试生物电信号较为微弱，易受周围环境等诸多因素的干扰，从而造成信号的采集不够准确，进而影响控制的效果。因此，在本技术的技术方案中，在对于所述测试生物电信号进行特征挖掘时，需要进一步将其通过降噪模块来进行信号增强。也就是，具体地，使用基于自动编码器的降噪模块来对于所述测试生物电信号进行降噪处理，以得到降噪后测试生物电信号。
[0080]
图5图示了根据本技术实施例的针灸磁疗装置中降噪模块的框图。如图5所示，所述降噪模块330，包括：信号编码单元331，用于使用所述自动编码器的编码器从所述测试生物电信号提取测试生物电特征，其中，所述自动编码器的编码器为卷积层；以及，信号解码单元332，用于使用所述自动编码器的解码器对所述测试生物电特征进行解码以得到所述降噪后测试生物电信号，其中，所述自动编码器的解码器为反卷积层。
[0081]
具体地，在所述针灸磁疗装置300的运行过程中，所述生物电信号编码模块340，用于将所述降噪后测试生物电信号通过作为过滤器的第二卷积神经网络模型以得到测试生物电特征向量。也就是，使用作为过滤器的第二卷积神经网络模型来对于所述降噪后测试生物电信号进行隐含特征挖掘，以提取出所述降噪后测试生物电信号的局部高维隐含特征
分布信息，从而得到测试生物电特征向量。
[0082]
具体地，在所述针灸磁疗装置300的运行过程中，所述高斯密度图构造模块350，用于构造所述测试生物电特征向量的自高斯密度图，其中，所述自高斯密度图的均值向量为所述测试生物电特征向量，所述自高斯密度图的协方差矩阵中各个位置的值为所述测试生物电特征向量中相应两个位置的特征值之间的方差。应可以理解，在通过所述自动编码器的降噪模块来对于所述测试生物电信号进行信号增强后，考虑到所述测试生物电信号在所述预定时间段内具有着波动性和不确定性，为了提高对于电磁脉冲信号的自适应调整控制，还需要对于所述测试生物电信号进行数据增强来得到更为精准的所述测试生物电信号的隐藏特征信息。也就是，具体地，利用高斯密度图和高斯离散化来进行数据增强以更为精准地提取生物电模式特征。相应地，在本技术的技术方案中，首先构造所述测试生物电特征向量的自高斯密度图，也就是，以所述测试生物电信号的特征分布作为先验分布，来获得每个先验分布位置下由于其它先验分布位置的相关性作用下的概率密度以作为后验分布，从而在更高维度上更准确地描述所述测试生物电信号的特征分布，以对于所述测试生物电信号的隐含特征进行数据增强。这里，所述自高斯密度图的均值向量为所述测试生物电特征向量，所述自高斯密度图的协方差矩阵中各个位置的值为所述测试生物电特征向量中相应两个位置的特征值之间的方差。
[0083]
在本技术的一个具体示例中，所述高斯密度图构造模块，进一步用于：以如下公式构造所述测试生物电特征向量的自高斯密度图；
[0084]
其中，所述公式为：
[0085][0086]
其中μ1表示所述测试生物电特征向量，且σ1的每个位置的值表示所述所述测试生物电特征向量中相应两个位置的特征值之间的方差。
[0087]
具体地，在所述针灸磁疗装置300的运行过程中，所述高斯离散化模块360，用于对所述自高斯密度图进行高斯离散化以得到测试生物电特征矩阵。应可以理解，对所述自高斯密度图进行高斯离散化，以在数据的特征增广时不产生信息损失，从而得到测试生物电特征矩阵。这样，能够更为精准地提取出所述生物电模式特征。
[0088]
具体地，在所述针灸磁疗装置300的运行过程中，所述深度优化模块370，用于基于所述测试生物电特征矩阵，对所述测试电磁脉冲特征向量中各个位置的特征值进行优化以得到优化后测试电磁脉冲特征向量。应可以理解，由于所述电磁脉冲模式特征和所述生物电模式特征具有不同的特征尺度，并且，本技术的技术方案的目的是在检测出患者的生物电变化时自动且自适应地调整针灸磁疗装置出射的电磁脉冲信号的模式，因此，在本技术的技术方案中，进一步以所述测试电磁脉冲特征向量相对于所述测试生物电特征矩阵的转移向量作为针灸磁疗设备产生的电磁脉冲的诊疗效果响应特征。也就是，具体地，计算所述优化后测试电磁脉冲特征向量相对于所述测试生物电特征矩阵的转移向量作为分类特征向量来进行分类，就能够得到用于表示当前时间点的电磁脉冲信号的空占比应增大或应减小的分类结果。
[0089]
特别地，在本技术的技术方案中，这里，在计算所述测试电磁脉冲特征向量相对于所述测试生物电特征矩阵的转移向量作为分类特征向量时，考虑到所述测试生物电特征矩阵通过了自动编码器-第二卷积神经网络和高斯密度图模块的级联模型，而所述测试电磁
脉冲特征向量仅通过了第一卷积神经网络模型，这使得所述测试电磁脉冲特征向量相对于所述测试生物电特征矩阵属于浅层特征。
[0090]
因此，为了提高所述分类特征向量的计算准确性，对所述测试电磁脉冲特征向量进行注意力导向的分层深度图联立优化，表示为：
[0091][0092]
其中v表示所述测试电磁脉冲特征向量，m表示所述测试生物电特征矩阵，m
i，j
表示所述测试生物电特征矩阵的每个位置的特征值，表示所述测试生物电特征矩阵的所有位置的特征值的均值，且n是所述测试生物电特征矩阵的宽度乘以高度，
⊙
表示按位置点乘，表示矩阵相乘，exp(
·
)表示数值的指数运算，所述数值的指数运算表示计算以所述数值为幂的自然指数函数值，α为超参数。
[0093]
这里，所述注意力导向的分层深度图联立优化以作为深层特征的所述测试生物电特征矩阵m的子维度一致性作为注意力导向权重，对作为浅层特征的所述测试电磁脉冲特征向量v施加子维度分布的一致性注意力机制，来在具有深度差的高维流形之间进行体匹配，这样，优化后的测试电磁脉冲特征向量v
′
将作为所述测试电磁脉冲特征向量v和所述测试生物电特征矩阵m的各个子维度上的联立分布，具有深度维度上的分布的高一致性，进而提高分类的准确性。这样，就可以在所述针灸磁疗装置出厂前，通过测试来确定电磁脉冲信号自适应调整模块的控制算法，从而在所述针灸磁疗装置出厂后，其能够基于电磁脉冲信号自适应控制模块来自适应地调整其电磁脉冲信号的出射模式
[0094]
具体地，在所述针灸磁疗装置300的运行过程中，所述响应性估计模块380，用于计算所述优化后测试电磁脉冲特征向量相对于所述测试生物电特征矩阵的转移向量作为分类特征向量。在本技术的一个具体示例中，所述响应性估计模块，进一步用于：以如下公式计算所述优化后测试电磁脉冲特征向量相对于所述测试生物电特征矩阵的转移向量作为分类特征向量；
[0095]
其中，所述公式诶：
[0096]v′
＝v2*v1[0097]
其中v’表示所述优化后测试电磁脉冲特征向量，v1表示所述测试生物电特征矩阵的转移向量，v2表示所述分类特征向量。
[0098]
具体地，在所述针灸磁疗装置300的运行过程中，所述控制结果生成模块，用于将所述分类特征向量通过分类器以得到分类结果，所述分类结果用于表示当前时间点的电磁脉冲信号的空占比应增大或应减小。在本技术的一个具体示例中，所述控制结果生成模块，包括：全连接编码单元，用于使用所述分类器的多个全连接层对所述分类特征向量进行全连接编码以得到编码分类特征向量；以及，分类结果生成单元，用于将所述编码分类特征向量通过所述分类器的softmax分类函数以得到所述分类结果。
[0099]
综上，根据本技术实施例的针灸磁疗装置300被阐明，其通过基于自动编码器的降噪模块来对所述测试生物电信号进行降噪处理以滤除所述针灸磁疗装置自身的电磁脉冲
信号以外的噪声干扰，进一步基于生物电信号来优化电磁脉冲信号的特征提取，以此来提高电磁脉冲信号的空占比调整的准确性。
[0100]
如上所述，根据本技术实施例的针灸磁疗装置可以实现在各种终端设备中。在一个示例中，根据本技术实施例的针灸磁疗装置300可以作为一个软件模块和/或硬件模块而集成到终端设备中。例如，该针灸磁疗装置300可以是该终端设备的操作系统中的一个软件模块，或者可以是针对于该终端设备所开发的一个应用程序；当然，该针灸磁疗装置300同样可以是该终端设备的众多硬件模块之一。
[0101]
替换地，在另一示例中，该针灸磁疗装置300与该终端设备也可以是分立的设备，并且该针灸磁疗装置300可以通过有线和/或无线网络连接到该终端设备，并且按照约定的数据格式来传输交互信息。
[0102]
示例性方法
[0103]
图6图示了根据本技术实施例的针灸磁疗装置的测试方法的流程图。如图6所示，根据本技术实施例的针灸磁疗装置的测试方法，包括步骤：s110，获取由磁针单元在预定时间段内产生的测试电磁脉冲信号以及所述预定时间段的测试生物电信号；s120，将所述测试电磁脉冲信号通过作为过滤器的第一卷积神经网络模型以得到测试电磁脉冲特征向量；s130，将所述测试生物电信号通过基于自动编码器的降噪模块以得到降噪后测试生物电信号；s140，将所述降噪后测试生物电信号通过作为过滤器的第二卷积神经网络模型以得到测试生物电特征向量；s150，构造所述测试生物电特征向量的自高斯密度图，其中，所述自高斯密度图的均值向量为所述测试生物电特征向量，所述自高斯密度图的协方差矩阵中各个位置的值为所述测试生物电特征向量中相应两个位置的特征值之间的方差；s160，对所述自高斯密度图进行高斯离散化以得到测试生物电特征矩阵；s170，基于所述测试生物电特征矩阵，对所述测试电磁脉冲特征向量中各个位置的特征值进行优化以得到优化后测试电磁脉冲特征向量；s180，计算所述优化后测试电磁脉冲特征向量相对于所述测试生物电特征矩阵的转移向量作为分类特征向量；以及，s190，将所述分类特征向量通过分类器以得到分类结果，所述分类结果用于表示当前时间点的电磁脉冲信号的空占比应增大或应减小。
[0104]
在一个示例中，在上述针灸磁疗装置的测试方法中，所述步骤s120，包括：使用所述作为过滤器的第一卷积神经网络模型的各层在层的正向传递中分别对输入数据进行：对输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行基于特征矩阵的池化以得到池化特征图；以及，对所述池化特征图进行非线性激活以得到激活特征图；其中，所述作为过滤器的第一卷积神经网络的最后一层的输出为所述测试电磁脉冲特征向量，所述作为过滤器的第一卷积神经网络络的第一层的输入为所述测试电磁脉冲信号。
[0105]
在一个示例中，在上述针灸磁疗装置的测试方法中，所述步骤s130，包括：使用所述自动编码器的编码器从所述测试生物电信号提取测试生物电特征，其中，所述自动编码器的编码器为卷积层；以及，使用所述自动编码器的解码器对所述测试生物电特征进行解码以得到所述降噪后测试生物电信号，其中，所述自动编码器的解码器为反卷积层。
[0106]
在一个示例中，在上述针灸磁疗装置的测试方法中，所述步骤s150，包括：以如下公式构造所述测试生物电特征向量的自高斯密度图；
[0107]
其中，所述公式为：
[0108][0109]
其中μ1表示所述测试生物电特征向量，且σ1的每个位置的值表示所述所述测试生物电特征向量中相应两个位置的特征值之间的方差。
[0110]
在一个示例中，在上述针灸磁疗装置的测试方法中，所述步骤s170，包括：基于所述测试生物电特征矩阵，以如下公式对所述测试电磁脉冲特征向量中各个位置的特征值进行优化以得到所述优化后测试电磁脉冲特征向量；
[0111]
其中，所述公式为：
[0112][0113]
其中v表示所述测试电磁脉冲特征向量，m表示所述测试生物电特征矩阵，m
i，j
表示所述测试生物电特征矩阵的每个位置的特征值，表示所述测试生物电特征矩阵的所有位置的特征值的均值，且n是所述测试生物电特征矩阵的宽度乘以高度，
⊙
表示按位置点乘，表示矩阵相乘，exp(
·
)表示数值的指数运算，所述数值的指数运算表示计算以所述数值为幂的自然指数函数值，α为超参数。
[0114]
在一个示例中，在上述针灸磁疗装置的测试方法中，所述步骤s180，包括：以如下公式计算所述优化后测试电磁脉冲特征向量相对于所述测试生物电特征矩阵的转移向量作为分类特征向量；
[0115]
其中，所述公式诶：
[0116]v’
＝v2*v1[0117]
其中v’表示所述优化后测试电磁脉冲特征向量，v1表示所述测试生物电特征矩阵的转移向量，v2表示所述分类特征向量。
[0118]
在一个示例中，在上述针灸磁疗装置的测试方法中，所述步骤s190，包括：使用所述分类器的多个全连接层对所述分类特征向量进行全连接编码以得到编码分类特征向量；以及，将所述编码分类特征向量通过所述分类器的softmax分类函数以得到所述分类结果。
[0119]
综上，根据本技术实施例的针灸磁疗装置的测试方法被阐明，其通过基于自动编码器的降噪模块来对所述测试生物电信号进行降噪处理以滤除所述针灸磁疗装置自身的电磁脉冲信号以外的噪声干扰，进一步基于生物电信号来优化电磁脉冲信号的特征提取，以此来提高电磁脉冲信号的空占比调整的准确性。