中医体外诊断方法及装置的制造方法
【专利摘要】本发明公开了一种中医体外诊断方法，获取测试样本，所述测试样本由获取到的用户的K种体外检测信息组成，K为正整数且大于等于2；对所述K种体外检测信息进行稀疏表示，获取每种体外检测信息对应的稀疏表示系数；根据所述稀疏表示系数、预置的训练样本和稀疏分类器对所述测试样本进行诊断。本发明还公开了一种中医体外诊断装置。本发明通过将人体多方面特征进行融合分析实现自动诊断目的。
【专利说明】
中医体外诊断方法及装置
技术领域
[0001] 本发明涉及中医诊断领域，尤其涉及中医体外诊断方法及装置。
【背景技术】
[0002] 随着人们生活水平的提高，人类健康问题的研究日益广泛。其中传统中医因其具 备无创性和方便性，在人体体质识别和疾病诊断等领域得到了广泛的应用。随之而来的各 种中医设备也得到了广泛的发展。
[0003] 然而，现有的基于中医的诊断方法和设备往往只考虑了中医中的某一方面特征进 行诊断，如获取舌象或脉象信息进行诊断。但在实际诊断过程中，需要结合多种方面的信 息，如舌象、面象、脉象、气味等信息，进行诊断才能使得诊断结果更为准确，因此获取人体 多方面的特征并融合分析进行诊断是目前亟待解决的问题。
【发明内容】
[0004] 本发明的主要目的在于提供一种中医体外诊断方法及装置，旨在通过将人体多方 面特征进行融合分析实现自动诊断目的。
[0005] 为实现上述目的，本发明提供的一种中医体外诊断方法包括以下步骤：
[0006] 获取测试样本，所述测试样本由获取到的用户的K种体外检测信息组成，K为正整 数且大于等于2;
[0007] 对所述K种体外检测信息进行稀疏表示，获取每种体外检测信息对应的稀疏表示 系数；
[0008] 根据所述稀疏表示系数、预置的训练样本和稀疏分类器对所述测试样本进行诊 断。
[0009] 进一步地，所述预置的训练样本中包含与每种体外检测样本对应的训练样本特征 集合，且所述训练样本特征集合分为J类训练特征，J为正整数且大于1;
[0010] 所述对所述K种体外检测信息进行稀疏表示，获取每种体外检测信息对应的稀疏 表示系数包括：
[0011] 根据所述K种体外检测信息构建对应的K个特征向量；
[0012] 根据所述K个特征向量、每种体外检测样本对应的J类训练特征和预置的稀疏表示 模型进行稀疏表示，获取与每个特征向量对应的稀疏表示系数。
[0013] 进一步地，所述根据所述稀疏表示系数、预置的训练样本和稀疏分类器对所述测 试样本进行诊断包括：
[0014] 根据所述K个特征向量、稀疏分类器、所述训练样本和所述与所述K个特征向量对 应的稀疏表示系数确定所述测试样本所属的类别；
[0015] 根据所述类别获取对应的诊断信息。
[0016] 进一步地，所述根据所述K种体外检测信息构建对应的K个特征向量包括：
[0017] 对所述K种体外检测信息分别进行预处理；
[0018] 分别提取预处理后的所述K种体外检测信息的特征信息；
[0019] 根据提取到的每种体外检测信息的特征信息构建对应的特征向量。
[0020] 进一步地，所述方法还包括：
[0021] 当获取了所述用户的诊断信息后，发送所述诊断信息至用户显示界面。
[0022] 此外，为实现上述目的，本发明还提供一种中医体外诊断装置，所述中医体外诊断 装置包括：
[0023] 获取模块，用于获取测试样本，所述测试样本由获取到的用户的K种体外检测信息 组成，K为正整数且大于等于2;
[0024] 稀疏表示模块，用于对所述K种体外检测信息进行稀疏表示，获取每种体外检测信 息对应的稀疏表不系数；
[0025] 诊断模块，用于根据所述稀疏表示系数、预置的训练样本和稀疏分类器对所述测 试样本进行诊断。
[0026] 进一步地，所述预置的训练样本中包含与每种体外检测样本对应的训练样本特征 集合，且所述训练样本特征集合分为J类训练特征，J为正整数且大于1;
[0027]所述稀疏表示模块包括：
[0028]特征向量构建单元，用于根据所述K种体外检测信息构建对应的K个特征向量； [0029]稀疏表示单元，用于根据所述K个特征向量、每种体外检测样本对应的J类训练特 征和预置的稀疏表示模型进行稀疏表示，获取与每个特征向量对应的稀疏表示系数。
[0030]进一步地，所述诊断模块包括：
[0031] 类别确认单元，用于根据所述K个特征向量、稀疏分类器、所述训练样本和所述与 所述K个特征向量对应的稀疏表示系数确定所述测试样本所属的类别；
[0032] 获取单元，用于根据所述类别获取对应的诊断信息。
[0033] 进一步地，所述特征向量构建单元包括：
[0034]预处理子单元，用于对所述K种体外检测信息分别进行预处理；
[0035] 特征提取子单元，用于分别提取预处理后的所述K种体外检测信息的特征信息；
[0036] 特征向量构建子单元，用于根据提取到的每种体外检测信息的特征信息构建对应 的特征向量。
[0037] 进一步地，所述装置还包括：
[0038] 发送模块，用于当获取了所述用户的诊断信息后，发送所述诊断信息至用户显示 界面。
[0039] 本发明实施例通过获取测试样本，所述测试样本由获取到的用户的K种体外检测 信息组成，K为正整数且大于等于2;对所述K种体外检测信息进行稀疏表示，获取每种体外 检测信息对应的稀疏表示系数;根据所述稀疏表示系数、预置的训练样本和稀疏分类器对 所述测试样本进行诊断。通过获取测试样本，测试样本包括至少两种体外检测信息，再将体 外检测信息进行稀疏表示实现了多种体外检测信息的融合，再根据稀疏分类器分类实现了 根据融合后的体外检测信息进行自动诊断，因此本发明通过将人体多方面特征进行融合分 析实现自动诊断目的。
【附图说明】
[0040] 图1为本发明中医体外诊断方法第一实施例的流程示意图；
[0041] 图2为本发明图1所示实施例中步骤S20的细化步骤流程示意图；
[0042] 图3本发明图1所示实施例中步骤S30的细化步骤流程示意图；
[0043] 图4为本发明图2所示实施例中步骤S210的细化步骤流程示意图；
[0044] 图5为本发明中医体外诊断装置第一实施例的功能模块示意图；
[0045] 图6为本发明图5所示实施例中稀疏表示模块的细化功能模块示意图；
[0046] 图7为本发明图5所示实施例中诊断模块的细化功能模块示意图；
[0047] 图8为本发明图6所示实施例中特征向量构建单元的细化功能模块示意图。
[0048] 本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
【具体实施方式】
[0049] 应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0050] 本发明提供一种中医体外诊断方法。参照图1，在第一实施例中，该方法包括：
[0051] 步骤S10,获取测试样本，所述测试样本由获取到的用户的K种体外检测信息组成， K为正整数且大于等于2;
[0052]步骤S20,对所述K种体外检测信息进行稀疏表示，获取每种体外检测信息对应的 稀疏表不系数；
[0053] 步骤S30,根据所述稀疏表示系数、预置的训练样本和稀疏分类器对所述测试样本 进行诊断。
[0054] 本发明提供的中医体外诊断方法用于通过获取人体多方面的特征进行融合分析 实现自动诊断。本发明的中医体外诊断具体是指在人体之外基于中医原理结合检测装置获 取人体多方面的体外检测信息从而判断机体状况的一种诊断方法。
[0055] 上述测试样本是用于检测用户机体状态的测试样本，测试样本由用户的K种体外 检测信息组成，其中体外检测信息有K种，K为正整数且大于等于2,表明获取的体外检测信 息至少为两种。例如体外检测信息可以包括面象信息、舌面信息、舌脉信息、脉象信息、气味 信息、和声音信息中的至少两种信息。
[0056] 获取K种体外检测信息的方法可以通过各类检测装置来进行获取。具体的，通过摄 像头等图像采集装置采集用户的舌面图像、舌脉图像、和面部图像等信息;通过嗅觉传感器 感知用户呼出气体中的二氧化碳、丙酮、氨气、氮气、酒精等信息;通过脉象采集装置采集用 户的脉象信息，其中脉象信息可以为浮、中、沉通道中任意一种或多种;通过声音采集装置 采集用户的声音，在进行声音采集时，可以在封闭的空间中进行采集，以减少外界因素的干 扰，使采集的到声音更接近真实值。
[0057] 当获取到用户的体外检测信息后，对体外检测信息进行稀疏表示。稀疏表示 (sparse representation)是对原始信号的一种分解过程，对信号进行稀疏表示的目的是 为了获得信号更为简洁的表达方式，从而更容易获取信号中所蕴含的信息。当进行稀疏表 示时通过稀疏系数将K种体外检测信息进行表示，获取每种体外检测信息对应的稀疏表示 系数，在这里可以将稀疏表示系数分为两个部分，即代表相似部分的第一稀疏系数和代表 特征部分的第二稀疏系数。相似部分是表示各类信息间的相关性，特征部分是表示各类信 息各自的特性。
[0058] 根据稀疏表示获取稀疏表达式中的稀疏系数的方法有很多，例如采用迭代优化来 求解等，具体的运算方法可以根据需要进行选择。
[0059] 当获取了稀疏表示系数后，根据稀疏表示系数、预置的训练样本和稀疏分类器对 测试样本进行诊断。对测试样本进行诊断是指对测试样本进行分析，从而诊断测试样本代 表用户机体的何种状况。
[0060] 本发明实施例通过获取测试样本，所述测试样本由获取到的用户的K种体外检测 信息组成，K为正整数且大于等于2;对所述K种体外检测信息进行稀疏表示，获取每种体外 检测信息对应的稀疏表示系数;根据所述稀疏表示系数、预置的训练样本和稀疏分类器对 所述测试样本进行诊断。通过获取测试样本，测试样本包括至少两种体外检测信息，再将体 外检测信息进行稀疏表示实现了多种体外检测信息的融合，再根据稀疏分类器分类实现了 根据融合后的体外检测信息进行自动诊断，因此本发明通过将人体多方面特征进行融合分 析实现自动诊断目的。
[0061] 进一步地，所述预置的训练样本中包含与每种体外检测样本对应的训练样本特征 集合，且所述训练样本特征集合分为J类训练特征，J为正整数且大于1;参照图2,为图1所示 实施例中步骤S20的细化步骤流程示意图，上述步骤S20包括：
[0062] 步骤S210,根据所述K种体外检测信息构建对应的K个特征向量；
[0063]步骤S220,根据所述K个特征向量、每种体外检测样本对应的J类训练特征和预置 的稀疏表示模型进行稀疏表示，获取与每个特征向量对应的稀疏表示系数。
[0064]本实施例上述预置的训练样本是预置的样本特征，训练样本包含与每种体外检测 样本对应的样本特征集合，且所述样本特征集合分为J类，J为正整数且大于1，例如，训练样 本中包含舌面信息的样本特征集合，舌面信息的样本特征集合里又分为J类，每一类舌面训 练特征都代表不同的机体状况。
[0065] 根据K种体外检测信息构建K个特征向量，每个特征向量代表每种体外检测信息的 特征。然后根据K个特征向量、每种体外检测样本对应的J类训练特征和预置的稀疏表示模 型进行稀疏表示，由于预置的训练样本中包含与每种体外检测样本对应的训练样本特征集 合，且训练样本中又分为J类，所以每种体外检测样本都有对应的J类训练特征。预置的稀疏 表示模型是根据稀疏表示的原理设置的用于表示K种体外检测信息的模型。
[0066] 具体的，若获取到K种体外检测信息，则每种体外检测信息的特征向量分别为yi、 72、73"，"71(，即测试样本7={71，72,73，"_，71<，"_，71(}，其中1^为第1^种体外检测信息的特征 向量。预置的训练样本为Dk= {Dk,i，Dk,2，Dk,3，…，Dk, j，…，Dkj}，其中Dk表不与第k种体外检测 样本对应的训练样本特征集合，D1^代表第k种训练样本特征集合中第j类训练样本，共有J 类。若将稀疏表示系数设置为代表相似部分的第一稀疏系数4,代表特征部分的第二稀疏 系数X【，则将K种体外检测信息、每种体外检测样本对应的J类训练特征和稀疏表示模型进 行稀疏表示如下：
均值，λ与τ的具体值根据分类准确率来调节，从上述表达中可以看出 项保证了各 个模态特征间具有相似的部分，同时又保留了其不相关的部分，通过增广拉格朗日对上述 稀疏表示中的第一稀疏系数X〖和第二稀疏系数4进行交替迭代求解。
[0069] 本实施例通过根据K种体外检测信息构建特征向量，再进行对特征向量进行稀疏 表示，从而获取稀疏表示系数，将获取到的多种体外检测信息进行了融合，同时为对测试样 本进行分类做准备，在将测试样本进行分类后，获取对应的诊断信息，从而实现自动诊断的 目的。
[0070] 进一步地，参照图3,为图1所示实施例中步骤S30的细化步骤流程示意图，上述步 骤S30包括：
[0071] 步骤S310,根据所述K个特征向量、稀疏分类器、所述训练样本和所述与所述K个特 征向量对应的稀疏表示系数确定所述测试样本所属的类别；
[0072]步骤S320，根据所述类别获取对应的诊断信息。
[0073] 本实施例中当获取到与K个特征向量对应的稀疏表示系数后，根据K个特征向量、 稀疏分类器、训练样本和与K个特征向量对应的稀疏表示系数确认由K种体外检测信息组成 的测试样本所属的类别。然后再根据类别获取对应的诊断信息，该诊断信息可以与类别对 应保存在预置的存储区中。
[0074] 具体是将K个特征向量、训练样本和与每个特征向量对应的稀疏表示系数代入稀 疏分类器中进行计算，确认当稀疏分类器的运算值最小时，所对应的训练样本特征集合类 别中的类别为所述测试样本的类别，再根据所述类别获取该类别对应的诊断信息。
[0075] 例如，稀疏分类器可以?
其中Du表示与第k种体 外检测样本对应的第k种训练样本集合中第j类训练样本。和 为对应第一稀疏系数和 第二稀疏系数。
[0076] 当进行分类时，选择K种重构误差值之和最小的类为最终类别，当j = 2时，该表达 式相对于所有j! =2最小，I
I小，那么由K种体外检测信息组成的 测试样本就是属于第二类的，再获取第二类对应的诊断信息。选取最小值的一类是因为，该 稀疏分类器表示的是测试样本训练样本的相似度，当差值最小，表明该测试样本中K中体外 检测信息与训练样本最为相似，因此选择最为相似的训练样本对应的诊断信息作为该用户 的诊断信息。
[0077] 本实施例通过根据K个特征向量、稀疏分类器和训练样本及与K个特征向量对应的 稀疏表示系数，确定测试样本的类别，实现了对代表用户的机体状态的测试样本进行分类， 从而根据类别获取对应的诊断信息，实现了获取诊断结果的自动化过程。
[0078] 进一步地，参照图4,为图2所示实施例中步骤S210的细化步骤流程示意图，上述步 骤S210包括：
[0079]步骤S211，对所述K种体外检测信息分别进行预处理；
[0080]步骤S212,分别提取预处理后的所述K种体外检测信息的特征信息；
[0081]步骤S213,根据提取到的每种体外检测信息的特征信息构建对应的特征向量。
[0082]本实施例中当获取到K种体外检测信息后，对K种体外检测信息进行预处理。预处 理过程是为了对提取特征信息做准备。例如，若获取到的体外检测信息包含图像，则对图像 进行颜色矫正;若获取到的体外检测信息包含脉象信息，则判断脉象信息的维度，若维度过 高，则对脉象信息进行降维处理，其中可以采用主成分分析法进行降维;若获取到的体外检 测信息包含声音信息，则对声音信息进去噪处理;若获取到的体外检测信息包含嗅觉信息， 则对嗅觉信息进行去噪处理等。具体的采取预处理的方法可以根据需要进行确定。
[0083]当对K种体外检测信息进行预处理后，分别提取预处理后的K种体外检测信息的特 征信息，即对每种体外检测信息进行特征提取，具体的特征提取的方法可以根据需要进行 选择，如针对图像信息可以采用几何法、模型法、信号处理法进行特征提取，针对不同类别 的体外检测信息可以采用不同的方法进行特征提取。
[0084] 当提取了每种体外检测信息的特征信息后，根据提取到的每种体外检测信息的特 征信息构建对应的特征向量，即每个向量中代表的是该种体外检测信息的特征信息。
[0085] 本实施例通过对K种体外检测信息先进行预处理，再提取特征信息，进而构建K个 特征向量，使得构建的特征向量能够更为准确的表示K种体外检测信息，提高诊断的准确 度。
[0086] 进一步地，本发明提出的方法还包括：
[0087]当获取了所述用户的诊断信息后，发送所述诊断信息至用户显示界面。
[0088] 本实施例中当通过上述方法获取了用户的诊断信息后，发送诊断信息至用户显示 界面，以使用户显示界面显示该诊断信息。具体的，可以结合显示装置将诊断信息显示在诊 断信息中，该诊断信息可以预置的格式显示，也可以针对诊断信息对客户进行提示或者给 予相关的医学建议等。
[0089]可以理解的是，除了可以发送诊断信息至用户显示界面，以使用户显示界面显示 该诊断信息，也可以通过邮件等方式发送诊断结果给用户，或者是通过提醒方式提醒用户 查看诊断结果。
[0090] 本实施例通过获取了用户的诊断信息后，发送诊断信息至用户显示界面，使得用 户能够查看诊断信息，实现了从检测到获取结果全部自动化的过程，使诊断过程更为便捷， 提尚用户体验。
[0091] 本发明还提供一种中医体外诊断装置，参照图5,提供了本发明中医体外诊断装置 第一实施例，该实施例中，中医体外诊断装置包括：
[0092]获取模块10,用于获取测试样本，所述测试样本由获取到的用户的K种体外检测信 息组成，K为正整数且大于等于2;
[0093] 稀疏表示模块20，用于对所述K种体外检测信息进行稀疏表示，获取每种体外检测 信息对应的稀疏表示系数；
[0094] 诊断模块30,用于根据所述稀疏表示系数、预置的训练样本和稀疏分类器对所述 测试样本进行诊断。
[0095] 本发明提供的中医体外诊断装置用于通过获取人体多方面的特征进行融合分析 实现自动诊断。本发明的中医体外诊断具体是指在人体之外基于中医原理结合检测装置获 取人体多方面的体外检测信息从而判断机体状况的一种诊断方法。
[0096] 上述测试样本是用于检测用户机体状态的测试样本，测试样本由用户的K种体外 检测信息组成，其中体外检测信息有K种，K为正整数且大于等于2,表明获取的体外检测信 息至少为两种。例如体外检测信息可以包括面象信息、舌面信息、舌脉信息、脉象信息、气味 信息、和声音信息中的至少两种信息。
[0097]获取模块10获取K种体外检测信息的方法可以通过各类检测装置来进行获取。具 体的，通过摄像头等图像采集装置采集用户的舌面图像、舌脉图像、和面部图像等信息;通 过嗅觉传感器感知用户呼出气体中的二氧化碳、丙酮、氨气、氮气、酒精等信息;通过脉象采 集装置采集用户的脉象信息，其中脉象信息可以为浮、中、沉通道中任意一种或多种;通过 声音采集装置采集用户的声音，在进行声音采集时，可以在封闭的空间中进行采集，以减少 外界因素的干扰，使采集的到声音更接近真实值。
[0098] 当获取到用户的体外检测信息后，稀疏表示模块20对体外检测信息进行稀疏表 示。稀疏表示(sparse representation)是对原始信号的一种分解过程，对信号进行稀疏表 示的目的是为了获得信号更为简洁的表达方式，从而更容易获取信号中所蕴含的信息。当 进行稀疏表示时通过稀疏系数将K种体外检测信息进行表示，获取每种体外检测信息对应 的稀疏表示系数，在这里可以将稀疏表示系数分为两个部分，即代表相似部分的第一稀疏 系数和代表特征部分的第二稀疏系数。相似部分是表示各类信息间的相关性，特征部分是 表示各类信息各自的特性。
[0099] 根据稀疏表示获取稀疏表达式中的稀疏系数的方法有很多，例如采用迭代优化来 求解等，具体的运算方法可以根据需要进行选择。
[0100] 当获取了稀疏表示系数后，诊断模块30根据稀疏表示系数、预置的训练样本和稀 疏分类器对测试样本进行诊断。对测试样本进行诊断是指对测试样本进行分析，从而诊断 测试样本代表用户机体的何种状况。
[0101] 本发明实施例通过获取测试样本，所述测试样本由获取到的用户的K种体外检测 信息组成，K为正整数且大于等于2;对所述K种体外检测信息进行稀疏表示，获取每种体外 检测信息对应的稀疏表示系数;根据所述稀疏表示系数、预置的训练样本和稀疏分类器对 所述测试样本进行诊断。通过获取测试样本，测试样本包括至少两种体外检测信息，再将体 外检测信息进行稀疏表示实现了多种体外检测信息的融合，再根据稀疏分类器分类实现了 根据融合后的体外检测信息进行自动诊断，因此本发明通过将人体多方面特征进行融合分 析实现自动诊断目的。
[0102] 进一步地，所述预置的训练样本中包含与每种体外检测样本对应的训练样本特征 集合，且所述训练样本特征集合分为J类训练特征，J为正整数且大于1;
[0103] 参照图6,为图5所示实施例中所述稀疏表示模块20的细化功能模块示意图，所述 稀疏表不t吴块20包括：
[0104] 特征向量构建单元210,用于根据所述K种体外检测信息构建对应的K个特征向量；
[0105] 稀疏表示单元220,用于根据所述K个特征向量、每种体外检测样本对应的J类训练 特征和预置的稀疏表示模型进行稀疏表示，获取与每个特征向量对应的稀疏表示系数。
[0106] 本实施例上述预置的训练样本是预置的样本特征，训练样本包含与每种体外检测 样本对应的样本特征集合，且所述样本特征集合分为J类，J为正整数且大于1，例如，训练样 本中包含舌面信息的样本特征集合，舌面信息的样本特征集合里又分为J类，每一类舌面训 练特征都代表不同的机体状况。
[0107] 根据获取到K种体外检测信息后特征向量构建单元210构建K个特征向量，每个特 征向量代表每种体外检测信息的特征。稀疏表示单元220根据K个特征向量、每种体外检测 样本对应的J类训练特征和预置的稀疏表示模型进行稀疏表示，获取与每个特征向量对应 的稀疏表示系数，由于预置的训练样本中包含与每种体外检测样本对应的训练样本特征集 合，且训练样本中又分为J类，所以每种体外检测样本都有对应的J类训练特征。预置的稀疏 表示模型是根据稀疏表示的原理设置的用于表示K种体外检测信息的模型。
[0108] 具体的，若获取到K种体外检测信息，则每种体外检测信息的特征向量分别为yi、 72、73 - 71^11(，即测试样本7={71，72,73，~，71<，一，71(}，其中1^为第1^种体外检测信息的特征 向量。预置的训练样本为Dk= {Dk,i，Dk,2，Dk,3，…，Dk, j，…，Dkj}，其中Dk表不与第k种体外检测 样本对应的训练样本特征集合，D1^代表第k种训练样本特征集合中第j类训练样本，共有J 类。若将稀疏表示系数设置为代表相似部分的第一稀疏系数代表特征部分的第二稀疏 系数4，则将κ种体外检测信息、每种体外检测样本对应的J类训练特征和稀疏表示模型进 行稀疏表示如下：
均值，λ与T的具体值根据分类准确率来调节，从上述表达中可以看出
則呆证了各 个模态特征间具有相似的部分，同时又保留了其不相关的部分，通过增广拉格朗日对上述 稀疏表示中的第一稀疏系数4和第二稀疏系数4进行交替迭代求解。
[0111] 本实施例通过根据K种体外检测信息构建特征向量，再进行对特征向量进行稀疏 表示，从而获取稀疏表示系数，将获取到的多种体外检测信息进行了融合，同时为对测试样 本进行分类做准备，在将测试样本进行分类后，获取对应的诊断信息，从而实现自动诊断的 目的。
[0112] 进一步地，参照图7,为图5所示实施例中所述诊断模块30的细化功能模块示意图， 所述诊断模块30包括：
[0113] 类别确认单元310,用于根据所述K个特征向量、稀疏分类器、所述训练样本和所述 与所述K个特征向量对应的稀疏表示系数确定所述测试样本所属的类别；
[0114] 获取单元320，用于根据所述类别获取对应的诊断信息。
[0115] 本实施例中当获取到与K个特征向量对应的稀疏表示系数后，类别确认单元310根 据K个特征向量、稀疏分类器、训练样本和与K个特征向量对应的稀疏表示系数确认由K种体 外检测信息组成的测试样本所属的类别，具体是确定K种体外检测信息代表的机体状态属 于哪一类别。第二获取单元320根据类别获取对应的诊断信息，该诊断信息可以与类别对应 保存在预置的存储区中。
[0116] 具体是将K个特征向量、训练样本和与每个特征向量对应的稀疏表示系数代入稀 疏分类器中进行计算，确认当稀疏分类器的运算值最小时，所对应的训练样本特征集合类 别中的类别为所述测试样本的类别，再根据所述类别获取该类别对应的诊断信息。
[0117] 例如，稀疏分类器可以）
，其中Du表示与第k种体 外检测样本对应的第k种训练样本集合中第j类训练样本。X丨，和 为对应第一稀疏系数和 第二稀疏系数。
[0118] 当进行分类时，选择K种重构误差值之和最小的类为最终类别，当j = 2时，该表达 式相对于所有j! =2最小，S
最小，那么由K种体外检测信息组成的 测试样本就是属于第二类的，再获取第二类对应的诊断信息。选取最小值的一类是因为，该 稀疏分类器表示的是测试样本训练样本的相似度，当差值最小，表明该测试样本中K中体外 检测信息与训练样本最为相似，因此选择最为相似的训练样本对应的诊断信息作为该用户 的诊断信息。
[0119] 本实施例通过根据K个特征向量、稀疏分类器和训练样本及与K个特征向量对应的 稀疏表示系数，确定测试样本的类别，实现了对代表用户的机体状态的测试样本进行分类， 从而根据类别获取对应的诊断信息，实现了获取诊断结果的自动化过程。
[0120] 进一步地，参照图8,图6所示实施例中特征向量构建单元210的细化功能模块示意 图，所述特征向量构建单元210包括：
[0121]预处理子单元211，用于对所述K种体外检测信息分别进行预处理；
[0122] 特征提取子单元212,用于分别提取预处理后的所述K种体外检测信息的特征信 息；
[0123] 特征向量构建子单元213,用于根据提取到的每种体外检测信息的特征信息构建 对应的特征向量。
[0124] 本实施例中当获取到K种体外检测信息后，预处理子单元211对K种体外检测信息 进行预处理。预处理过程是为了对提取特征信息做准备。例如，若获取到的体外检测信息包 含图像，则对图像进行颜色矫正;若获取到的体外检测信息包含脉象信息，则判断脉象信息 的维度，若维度过高，则对脉象信息进行降维处理，其中可以采用主成分分析法进行降维； 若获取到的体外检测信息包含声音信息，则对声音信息进去噪处理;若获取到的体外检测 信息包含嗅觉信息，则对嗅觉信息进行去噪处理等。具体的采取预处理的方法可以根据需 要进行确定。
[0125] 当对K种体外检测信息进行预处理后，特征提取子单元212分别提取预处理后的K 种体外检测信息的特征信息，即对每种体外检测信息进行特征提取，具体的特征提取的方 法可以根据需要进行选择，如针对图像信息可以采用几何法、模型法、信号处理法进行特征 提取，针对不同类别的体外检测信息可以采用不同的方法进行特征提取。
[0126] 当提取了每种体外检测信息的特征信息后，特征向量构建子单元213根据提取到 的每种体外检测信息的特征信息构建对应的特征向量，即每个向量中代表的是该种体外检 测信息的特征信息。
[0127] 本实施例通过对K种体外检测信息先进行预处理，再提取特征信息，进而构建K个 特征向量，使得构建的特征向量能够更为准确的表示K种体外检测信息，提高诊断的准确 度。
[0128] 进一步地，本实施例中，所述装置还包括：
[0129] 发送模块，用于当获取了所述用户的诊断信息后，发送所述诊断信息至用户显示 界面。
[0130]本实施例中当通过上述方法获取了用户的诊断信息后，发送模块发送诊断信息至 用户显示界面，以使用户显示界面显示该诊断信息。具体的，可以结合显示装置将诊断信息 显示在诊断信息中，该诊断信息可以预置的格式显示，也可以针对诊断信息对客户进行提 示或者给予相关的医学建议等。
[0131]可以理解的是，除了可以发送诊断信息至用户显示界面，以使用户显示界面显示 该诊断信息，也可以通过邮件等方式发送诊断结果给用户，或者是通过提醒方式提醒用户 查看诊断结果。
[0132] 本实施例通过获取了用户的诊断信息后，发送诊断信息至用户显示界面，使得用 户能够查看诊断信息，实现了从检测到获取结果全部自动化的过程，使诊断过程更为便捷， 提尚用户体验。
[0133] 以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发 明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技 术领域，均同理包括在本发明的专利保护范围内。
【主权项】
1. 一种中医体外诊断方法，其特征在于，所述方法包括以下步骤： 获取测试样本，所述测试样本由获取到的用户的K种体外检测信息组成，K为正整数且 大于等于2; 对所述K种体外检测信息进行稀疏表示，获取每种体外检测信息对应的稀疏表示系数； 根据所述稀疏表示系数、预置的训练样本和稀疏分类器对所述测试样本进行诊断。2. 如权利要求1所述的方法，其特征在于，所述预置的训练样本中包含与每种体外检测 样本对应的训练样本特征集合，且所述训练样本特征集合分为J类训练特征，J为正整数且 大于1; 所述对所述K种体外检测信息进行稀疏表示，获取每种体外检测信息对应的稀疏表示 系数包括： 根据所述K种体外检测信息构建对应的K个特征向量； 根据所述K个特征向量、每种体外检测样本对应的J类训练特征和预置的稀疏表示模型 进行稀疏表示，获取与每个特征向量对应的稀疏表示系数。3. 如权利要求2所述的方法，其特征在于，所述根据所述稀疏表示系数、预置的训练样 本和稀疏分类器对所述测试样本进行诊断包括： 根据所述K个特征向量、稀疏分类器、所述训练样本和所述与所述K个特征向量对应的 稀疏表示系数确定所述测试样本所属的类别； 根据所述类别获取对应的诊断信息。4. 如权利要求2所述的方法，其特征在于，所述根据所述K种体外检测信息构建对应的K 个特征向量包括： 对所述K种体外检测信息分别进行预处理； 分别提取预处理后的所述K种体外检测信息的特征信息； 根据提取到的每种体外检测信息的特征信息构建对应的特征向量。5. 如权利要求1-4任一项所述的方法，其特征在于，所述方法还包括： 当获取了所述用户的诊断信息后，发送所述诊断信息至用户显示界面。6. -种中医体外诊断装置，其特征在于，所述装置包括： 获取模块，用于获取测试样本，所述测试样本由获取到的用户的K种体外检测信息组 成，K为正整数且大于等于2; 稀疏表示模块，用于对所述K种体外检测信息进行稀疏表示，获取每种体外检测信息对 应的稀疏表不系数； 诊断模块，用于根据所述稀疏表示系数、预置的训练样本和稀疏分类器对所述测试样 本进行诊断。7. 如权利要求6所述的装置，其特征在于，所述预置的训练样本中包含与每种体外检测 样本对应的训练样本特征集合，且所述训练样本特征集合分为J类训练特征，J为正整数且 大于1; 所述稀疏表不t吴块包括： 特征向量构建单元，用于根据所述K种体外检测信息构建对应的K个特征向量； 稀疏表示单元，用于根据所述K个特征向量、每种体外检测样本对应的J类训练特征和 预置的稀疏表示模型进行稀疏表示，获取与每个特征向量对应的稀疏表示系数。8. 如权利要求7所述的装置，其特征在于，所述诊断模块包括： 类别确认单元，用于根据所述K个特征向量、稀疏分类器、所述训练样本和所述与所述K 个特征向量对应的稀疏表示系数确定所述测试样本所属的类别； 获取单元，用于根据所述类别获取对应的诊断信息。9. 如权利要求7所述的装置，其特征在于，所述特征向量构建单元包括： 预处理子单元，用于对所述K种体外检测信息分别进行预处理； 特征提取子单元，用于分别提取预处理后的所述K种体外检测信息的特征信息； 特征向量构建子单元，用于根据提取到的每种体外检测信息的特征信息构建对应的特 征向量。10. 如权利要求7至9任一项所述的装置，其特征在于，所述装置还包括： 发送模块，用于当获取了所述用户的诊断信息后，发送所述诊断信息至用户显示界面。
【文档编号】G06F19/00GK106055896SQ201610377994
【公开日】2016年10月26日
【申请日】2016年5月31日
【发明人】张大鹏, 李锦兴
【申请人】深圳市中识创新科技有限公司