TCM 맥박 진단을 위한 시각화 엔지니어링 플랫폼 - 연합 학습을 기반으로 한 맥박 진단으로 미끄럽고 고르지 못하며 기타 맥박 파형 이미지 기능을 진단하여 TCM 병리 논리 분석 연구를 지원합니다.

TCM(Traditional Chinese Medicine)의 진단 프로세스는 검사, 후각, 문의 및 촉진으로 구성된 다음 네 가지 주요 유형의 진단 방법에 중점을 둡니다. 가장 중요한 것은 맥박진단이라고도 불리는 촉진법으로 한의사의 손가락으로 손목 동맥 맥박을 측정하여 환자의 건강 상태를 감지하는 것이다. 맥박 진단은 위치와 함께 '천', '관', '치'의 세 부분으로 구성됩니다. 손목 측정은 신체 기관의 다른 부분에 해당합니다. 이 프로젝트에서는 특수한 맥박 측정기를 사용하여 맥박 유형을 분류하는 것입니다. 측정된 맥파(Measured Pulse Wave, MPW)는 이미지 제안 방법에 의해 동맥 맥파 곡선(APWC)으로 분할되었습니다. 이 프로젝트의 연구 목적은 한의사에 의해 진단된 환자, 즉 미끄러운 맥, 고르지 못한 맥 그룹 및 정상 맥 제어 그룹을 각 그룹에 대해 최소 80개의 사례로 수집하고 그룹화하는 것입니다. 이 프로젝트의 연구 목적은 주로 TCM 맥진 진단의 시각화 엔지니어링 플랫폼을 수행하는 것입니다. 연합 학습의 맥진 진단을 기반으로 미끄러운 맥 및 고르지 맥과 같은 맥파 이미지 특징을 진단하여 보조 TCM 병리 논리 분석 연구를 제공합니다. TCM 펄스 진단의 백엔드 교차 연방 학습 노드 시스템의 구현. 즉, 해당 분야의 전문가들과 협력하는 한의사들이 측정한 맥파 특성을 다수의 한의학 맥박진단 연합 학습 노드에서 수집하여 MERGE(Multiple-Expert Repertory Grid Elicitation) 방식으로 분석할 수 있을 것으로 기대된다. 마지막으로 FL 기반의 인공지능 모델을 훈련하여 TCM 병리 논리 분석 및 관련 연구를 수행합니다. 결과는 임상 진단을 지원하는 중요한 참고 자료로 TCM 의사에게 제공됩니다.