一种十二经络区间优化方法与流程

1.本发明涉及中医技术领域，尤其涉及一种十二经络区间优化方法。


背景技术：

2.中医是我们中华民族的瑰宝，是经过数千年很多代人不断完善的智慧结晶。随着时代的发展和社会的进步，以及中医治未病理念的深入人心，中医和现代科技相结合，产生了一系列的现代化成果。除了中药的现代化提取与制作，中医的诊断方法也在向着自动化、数字化的方向发展。正如《古今医统》所说：“望闻问切四字，诚为医之纲领。”即望闻问切组成了中医诊断的四诊。《灵枢
·
本脏篇》：“视其外应，以知其内脏，则知所病矣。”3.近几年，随着图像处理技术的逐步发展，机器学习和深度学习等人工智能技术的不断成熟，这些技术开始应用到医疗诊断之中，并产生了多种中医数字化的方法。
4.使用常规方法的判定十二经络能量是否正常，需要给定一个区间范围，常规取值范围是[4,6]，但这却和实际测量情况不完全相符。因此，需要一套根据实际数据寻找正常值范围的方法。


技术实现要素：

[0005]
本发明的目的是提供一种十二经络区间优化方法，通过采集十指的gdv图像，分析所得到的信息可以获得人体十二经络的能量。
[0006]
本发明提供了一种十二经络区间优化方法，包括如下步骤：
[0007]
步骤1，基于gdv设备采集十指图像，根据手指环形辉光不同区域的像素亮度值，计算出十二经络的能量，通过归一化处理得到12个[0,10]之间的十二经络数值；
[0008]
步骤2，设定十二经络数值的均衡范围为[4,6]之间，将十二经络数值尽可能多地处于[4,6]之间的一类人区分为第一类人群，将十二经络数值尽可能多地处于[4,6]之外的一类人区分为第二类人群；
[0009]
步骤3，基于群优化算法，对十二经络对应的12个区间进行区间集合搜索，得到区分两类人群的区间，即得到12个最优区间[a,b]；
[0010]
步骤4，将十二经络每个最优区间[a,b]映射到[4,6],得到优化后的十二经络区间。
[0011]
进一步地，步骤1中所述归一化处理的公式如下：
[0012][0013]
式中，x是变化前的值，x
′
是变换后的值，x
min
取0，x
max
取10。
[0014]
进一步地，所述步骤3包括：
[0015]
1)以roc得到的区间作为初始化区间，定义十二经络对应的12个区间如下：
[0016][0017]
其中，maxi,i＝0,1,...,11表示实际测试中第i条经络的最大值，mini,i＝0,1,...,11表示实际测试中第i条经络的最小值，roci,i＝0,1,...,11表示使用roc方法计算出的第i条经络的截断值，yii,i＝0,1,...,11表示表示使用roc方法时第i条经络的约登指数；
[0018]
初始化时，设置迭代次数t，作为终止迭代的条件；或者设置为连续多次迭代后，适应性函数不再变化时终止迭代；设置交叉率为rc和变异率rm；
[0019]
使用上述区间生成m个个体作为初始种群p0；即其中表示第t代种群中的第m个体，
[0020]
表示其中的第j条经络的区间范围；
[0021]
2)将目标函数设定为第一类人群的准确率和第二类人群的准确率之和，计算出十二经络中每条经络的优化区间，对于第一类人群的准确率和第二类人群的准确率之和；再将十二条经络区间的准确率综合在一起，用公式表示如下：
[0022][0023]
其中，t代表种群中的第m个体的适应度函数：wj表示权重；
[0024]
其中，第j条经络准确率定义为：权重和表示权重；
[0025]
其中，n0和n1分别表示第一类人群和第二类人群的总数，表示第一类人群的第j条经络落入当前优化区间中的个数，n
1j
表示第二类人群的第j条经络落入当前优化区间中的个数；
[0026]
3)使用适应度比例方法，对种群p
t
中的所有个体，按照适应度排序，选择前1-rc的个体，直接遗传到下一代种群p
t+1
中；
[0027]
4)从种群中，选择适应度排序靠前的rc/2对个体；对每一对父代个体/2对个体；对每一对父代个体
[0028]
随机产生一个位置k属于[0，11]，
[0029]
交叉后的子代个体如下：
[0030][0031][0032]
5)随机选择rm个个体进行变异，对每一个个体中随机选择第k个经络区间，给出变异量ε；区间以一定的概率加上或者减去变异量ε；
[0033]
变异后为：或
下面的几种形式：
[0034][0035][0036][0037][0038][0039][0040][0041]
其中，
[0042]
如果变化后的则二者进行数值交换；
[0043]
6)按照上述步骤得到新的种群，再计算适应度函数，得到当前的适应度；
[0044]
7)当最优个体的适应度达到给定的阈值，或者最优个体的适应度和群体适应度不再上升时，或者迭代次数达到预设的代数时，算法终止。
[0045]
进一步地，所述步骤4包括，通过下述变换方式将[0,a)映射到[0,4),将(b,10]映射到(6,10]；
[0046][0047][0048][0049]
借由上述方案，通过十二经络区间优化方法，通过采集十指的gdv图像，分析所得到的信息可以获得人体十二经络的能量，对于健康的人和生病的人、在长久压力焦虑状态时人体能量场会有明显的差别，因此根据人体能量场的特征可以判断出一个人的情绪状态与身体状况。通过该方法可智能识别与分析人体能量场，以及时评估人体的健康状况。
[0050]
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，并可依照说明书的内容予以实施，以下以本发明的较佳实施例并配合附图详细说明如后。
附图说明
[0051]
图1是本发明十二经络区间优化方法流程图。
具体实施方式
[0052]
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
[0053]
参图1所示，本实施例提供了一种十二经络区间优化方法，具体方案如下：
[0054]
1、数据采集与预处理：
[0055]
使用gdv设备采集得到十指图像，根据手指环形辉光不同区域的像素亮度值，计算出十二经络的能量；十二经络包括心经、肺经、肝经、脾经、肾经、心包经、小肠经、大肠经、胆经、胃经、三焦经、膀胱经；然后归一化到[0,10]之间，对于十指图像便得到了12个[0,10]之间的数值，归一化公式如下：
[0056][0057]
其中，x是变化前的值，x
′
是变换后的值，x
min
取0，x
max
取10，因为实际测试中极少发现大于10的数值。
[0058]
常规情况下，期望经过大量统计，十二经络各自的平均数值是[0,10]的中间数值5；并且规定十二经络数值处于[4,6]之间是均衡范围，距离5越远越偏离中心。
[0059]
2、确定目标：
[0060]
对于实际测试中得到的两类人的十指图像，期望使用一组十二经络的区间集合来最大程度地区别开这两类人：即期望一类人的十二经络数值尽可能多地处于[4,6]之间，而另一类人的十二经络数值尽可能多地处于[4,6]之外。
[0061]
需要先找出能够尽可能区分两类人的区间[a,b]，然后再把[a,b]转换成[4,6]。
[0062]
可以有两种方法基本满足上述条件：
[0063]
a.以第一类人十二经络数值的均值加减标准差(mean
±
sd)所构成的区间集合；
[0064]
b.以roc分析得到截断值，再和最大值或者最小值构成的区间集合；
[0065]
本实施例给出了第三种解决方案。经过优化后的十二经络的区间集合，可以计算出两类人准确率都非常高的结果；此结果超过了以第一类人十二经络数值的mean
±
sd所构成的区间集合；也超过了以roc得到截断值，再建立区间的准确率。
[0066]
3、区间集合搜索过程：
[0067]
十二经络对应的12个区间，可以同时进行优化；也可以分别优化，都可以得到12个最优区间。本实施例使用群优化算法来实现，其中包括但不限于遗传算法、蚁群算法、粒子群算法等；本实施例使用遗传算法进行后续描述。
[0068]
3.1初始化：
[0069]
经过计算发现，第2步中的roc方法优于均值标准差方法；所以，本实施例以roc得到的区间作为初始化区间；
[0070]
十二经络对应的12个区间定义如下：
[0071][0072]
其中，maxi,i＝0,1,...,11表示实际测试中第i条经络的最大值，mini,i＝0,1,...,11表示实际测试中第i条经络的最小值，roci,i＝0,1,...,11表示使用roc方法计算出的第i条经络的截断值，yii,i＝0,1,...,11表示表示使用roc方法时第i条经络的约登指数。
[0073]
需要说明的是，理论上约登指数都大于0，但是在本实施例的计算过程中确实出现了小于0的情况。
[0074]
初始化时，需要设置迭代次数t，作为终止迭代的条件；或者设置为连续多次迭代后，适应性函数不再变化时终止迭代。设置交叉率为rc和变异率rm。实际应用中t取500，rc和rm分别取0.8和0.005。
[0075]
使用上述区间生成m个个体作为初始种群p0，其中m可以取100；即
[0076]
其中表示第t代种群中的第m个体，
[0077][0078]
表示其中的第j条经络的区间范围；
[0079]
3.2适应度函数：
[0080]
目标函数是第一类人群的准确率和第二类人群的准确率之和；此处需要计算出十二经络中每条经络的优化区间，对于第一类人群的准确率和第二类人群的准确率之和；再把十二条经络区间的准确率综合在一起，用公式表示如下：
[0081][0082]
其中，t代表种群中的第m个体的适应度函数：权重wj可以取1/12；
[0083]
其中，第j条经络准确率定义为：权重和可以取1/2；
[0084]
其中，n0和n1分别表示第一类人群和第二类人群的总数，表示第一类人群的第j条经络落入当前优化区间中的个数，而表示第二类人群的第j条经络落入当前优化区间中的个数。
[0085]
当然，权重wj也可以把比较关注的经络取大于1/12的值，即可以根据情况为比较关心的经络赋予更大的权重；单独一条经络中，第一类人群的准确率和第二类人群的准确率，权重可以取1/2，也可以取其他权重，比如按样本量计算权重。
[0086]
而且，目标函数也可以设计为单独优化一条经络，对于十二经络运行12次遗传算法，最后也可以得到12个区间作为最终的结果。当单独优化一条经络时，后续操作均需简化为针对一条经络；本实施例，按照十二经络同时优化来描述后续操作。
[0087]
3.3选择操作：
[0088]
从群体中选择优胜的个体，淘汰劣质个体的操作叫选择。选择算子有时又称为再生算子。选择的目的是把优化的个体(或解)直接遗传到下一代或通过配对交叉产生新的个体再遗传到下一代。选择操作是建立在群体中个体的适应度评估基础上的，常用的选择算子有以下几种：适应度比例方法、随机遍历抽样法、局部选择法。
[0089]
本实施例使用适应度比例方法，对种群p
t
中的所有个体，按照适应度排序，选择前1-rc的个体，直接遗传到下一代种群p
t+1
中。
[0090]
3.4交叉操作：
[0091]
在自然界生物进化过程中起核心作用的是生物遗传基因的重组(加上变异)。同样，遗传算法中起核心作用的是遗传操作的交叉算子。所谓交叉是指把两个父代个体的部分结构加以替换重组而生成新个体的操作。通过交叉，遗传算法的能力得以飞跃提高。
[0092]
从种群中，选择适应度排序靠前的rc/2对个体；对每一对父代个体/2对个体；对每一对父代个体
[0093]
随机产生一个位置k属于[0，11]，
[0094]
交叉后的子代个体如下：
[0095][0096][0097]
3.5变异操作：
[0098]
变异算子的基本内容是对群体中的个体串的某些基因座上的基因值作变动。依据个体编码表示方法的不同，可以有以下的算法：a)实值变异。b)二进制变异。
[0099]
一般来说，变异算子操作的基本步骤如下：a)对群中所有个体以事先设定的变异概率判断是否进行变异；b)对进行变异的个体随机选择变异位进行变异。
[0100]
本实施例选择上述a)，即对对群中所有个体以事先设定的变异概率判断是否进行实值变异。
[0101]
随机选择rm个个体进行变异，对每一个个体中随机选择第k个经络区间，给出变异量ε；区间以一定的概率加上或者减去变异量ε，可以取值为ε＝0.1；
[0102]
变异后为：
[0103]
当然，也有可能是下面的几种形式：
[0104][0105][0106][0107][0108][0109][0110][0111]
其中，
[0112]
如果变化后的则二者进行数值交换；
[0113]
3.6计算适应度：
[0114]
按照上述步骤可以得到新的种群，再计算适应度函数，可以得到当前的适应度。
[0115]
3.7终止条件：
[0116]
当最优个体的适应度达到给定的阈值，或者最优个体的适应度和群体适应度不再上升时，或者迭代次数达到预设的代数时，算法终止。预设的代数一般设置为100-500代。
[0117]
4.区间映射：
[0118]
为了把新区间[a,b]依然放到[4,6]来显示，需要对十二经络每个新区间都做映射；即需要分三段来映射区间，把最优区间[a,b]映射到[4,6],把[0,a)映射到[0,4),把(b,
10]映射到(6,10]；可以使用下面方式变换：
[0119][0120][0121][0122]
该十二经络区间优化方法，通过采集十指的gdv图像，分析所得到的信息可以获得人体十二经络的能量，对于健康的人和生病的人、在长久压力焦虑状态时人体能量场会有明显的差别，因此根据人体能量场的特征可以判断出一个人的情绪状态与身体状况。通过该方法可智能识别与分析人体能量场，以及时评估人体的健康状况。
[0123]
以上所述仅是本发明的优选实施方式，并不用于限制本发明，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变型，这些改进和变型也应视为本发明的保护范围。