專利名稱：用于利用整合的信息確定體質(zhì)的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種用于確定基于四象醫(yī)學(Sasang Constitutional Medicine,SCM)分類的人體體質(zhì)(physical constitution)的方法,具體地說,本發(fā)明涉及一種用于利用整合的信息確定體質(zhì)的方法，所述方法以整合的方式利用關(guān)于人的面部、問卷調(diào)查、體型和聲音的信息，使得能夠更準確地確定體質(zhì)。
背景技術(shù)：
傳統(tǒng)上，基于SCM的體質(zhì)分類，源于首先由李濟馬博士于1894年提出的具有相同名稱的醫(yī)學理論。其主要內(nèi)容是，根據(jù)人體五臟和六腑的差異，人的體質(zhì)可分為四種類型，即，太陽人(Tae-yangin),太陰人(Tae-eumin),少陽人(SO-yangin),和少陰人(SO-eumin)，應(yīng)用的療法根據(jù)體質(zhì)不同而變化，即使是對于相同的疾病或癥狀也是有效的。此外，使用例如如下常規(guī)方法進行基于SCM的體質(zhì)確定:通過感覺脈搏確定體質(zhì)，或者基于外貌特征、性情和才能、說話的特點和方式、和病理綜合征和藥理學確定體質(zhì)。最近，已采用的一種方法是1997年經(jīng)四象醫(yī)學協(xié)會認證的、通過“以問卷調(diào)查確定四象醫(yī)學體質(zhì)項目(QSSCCII)”來確定體質(zhì)疾病的本質(zhì)。然而，因為上述常規(guī)方法主要依賴于診斷者的主觀判斷，因此診斷結(jié)果的客觀可靠性有限；基于更客觀的事實來確定體質(zhì)的研究正在積極進行當中。現(xiàn)有技術(shù)中，例如，韓國專利申請公開N0.10-2004-0028895 (公開于2004年4月3日)中公開的“四象語音分析器”，是研究體質(zhì)確定方法的一個例子。更具體地，代表個人特征的聲音特性組分可以分為先天組分和后天組分。先天組分由發(fā)聲器官的解剖特征所 揭示，而后天組分由在學習語言的過程中獲得的語音特點所揭
/Jn ο在由發(fā)聲器官的解剖特征所揭示的組分中，可以使用聲音頻譜圖測量的聲道共振峰頻率和受聲帶特征影響的基本頻率是決定四象體質(zhì)的顯著組分，此四象體質(zhì)是歸因于聲音的個人特點。也就是說，由語音分析發(fā)現(xiàn)的共振峰頻率是一個受聲道(聲帶)的解剖結(jié)構(gòu)和發(fā)聲器官的運動高度影響的組分，而基本頻率則主要決定于聲帶的結(jié)構(gòu)。此外，由于聲帶結(jié)構(gòu)隨性別或年齡而變化，因此聲帶結(jié)構(gòu)是用來檢測身體狀態(tài)變化的顯著因素。因此，上述專利文獻的目的是提供一種語音分析器，所述語音分析器對于每種四象體質(zhì)采集不同的聲音特征(基于上述語音分析特征)，然后客觀診斷體質(zhì)。然而，因為上述專利文獻中所描述的方法僅依賴于聲音，所以無法處理聲音不正常的情況，如人患感冒的情況，或人的聲音被故意改變時的情況，因為判斷標準限于一種單一類型的信息，其結(jié)果就是該方法的精確度有限。此外，例如，如韓國專利申請公開N0.10-2005-0110093 (公開于2005年11月22
日)中描述的“使用移動終端的四象體質(zhì)處理裝置及方法”，是所述常規(guī)體質(zhì)確定方法的另一個例子。該專利文獻所描述的方法的目的是提供一個使用移動終端的SCM體質(zhì)處理裝置和方法，所述處理裝置和方法被構(gòu)造為包括:照相機單元，所述照相機單元被構(gòu)造為捕獲并輸入面部，以便確定SCM體質(zhì)；控制單元，所述控制單元被構(gòu)造為通過處理從照相機單元輸入的面部捕獲信號來檢測輪廓，并通過執(zhí)行匹配搜索來確定SCM體質(zhì)；SCM單元，所述SCM單元被構(gòu)造為記錄、存儲和輸出基于SCM的體質(zhì)分析參照數(shù)據(jù)以及適于每一種體質(zhì)的音樂信號和色彩信號數(shù)據(jù)；鍵盤單元，所述鍵盤單元被構(gòu)造為輸入執(zhí)行SCM分析和確定體質(zhì)的控制指令；以及顯示單元，所述顯示單元被構(gòu)造為顯示和輸出用于確定SCM體質(zhì)的問卷調(diào)查；所述處理裝置和方法使用移動終端分析SCM體質(zhì)，并輸出適于所分析體質(zhì)的聲音信號和光信號，從而促進心理穩(wěn)定和健康。然而，在上述專利文獻中描述的方法，僅基于面部輪廓和由用戶輸入的問卷調(diào)查的結(jié)果來確定體質(zhì)，因此確定結(jié)果的客觀性和準確性也受到限制。此后，例如，如在韓國專利申請公開N0.10-2007-0031145 (公開于2007年3月19日)中描述的“利用身體信息的用戶診斷方法”，以及如在韓國專利申請公開N0.10-0902575(公開于2009年6月5日)中描述的“用于將虹膜圖像分為四種類型的虹膜圖像分析方法”是常規(guī)體質(zhì)確定方法的其它例子。盡管這些專利文獻中描述的方法分別涉及基于指紋識別和虹膜識別來確定體質(zhì)的方法，但是其確定結(jié)果的客觀性和準確性是有限的，因為在上述常規(guī)方法中，確定標準被限制于一種單一類型的身體信息。為了克服上述局限，例如，韓國專利申請公開N0.10-2009-0101557公開了一種“用于自動診斷四象體質(zhì)的裝置”，其包括:照相機，所述照相機被構(gòu)造為捕獲受試者的三維(3D)圖像，并發(fā)送數(shù)字信息形式的所述圖像；問卷調(diào)查信息輸入單元，所述問卷調(diào)查信息輸入單元被構(gòu)造為接收計算機化方 式的問卷調(diào)查答案；數(shù)據(jù)庫，所述數(shù)據(jù)庫被構(gòu)造為存儲關(guān)于確定四象體質(zhì)的信息；控制單元，所述控制單元被構(gòu)造為通過分析和計算從照相機和問卷調(diào)查信息輸入單元發(fā)送的信息、并將所述信息與數(shù)據(jù)庫中的信息進行比較，確定和輸出受試者的說話特征和方式、外貌、性情和才能、和病理綜合征和藥理學；顯示器，所述顯示器被構(gòu)造為顯示控制單元的輸出；以及存儲器，所述存儲器被構(gòu)造為存儲來自所述控制單元的信息。也就是說，上述專利文獻中公開的所述用于自動診斷四象體質(zhì)的裝置，特征在于其能夠使用自動3D面部檢測器計算面部標準點的3D坐標，然后基于所計算的坐標檢測面部的形態(tài)學特征。因此，如韓國專利申請公開N0.10-2005-0110093中公開的方法，該方法僅基于關(guān)于面部輪廓和問卷調(diào)查結(jié)果的信息確定體質(zhì)，故而該方法也具有無法避免確定結(jié)果的客觀性和準確性有限的問題。因此，盡管優(yōu)選的是提供一種克服常規(guī)體質(zhì)診斷方法的問題且能更客觀和準確地確定體質(zhì)的新的體質(zhì)確定方法或 裝置，但迄今為止尚未提供滿足上述要求的裝置或方法。
發(fā)明內(nèi)容
技術(shù)問題提供考慮常規(guī)體質(zhì)診斷方法的上述問題，獲得了本發(fā)明，并且本發(fā)明的目的在于提供一種用于利用整合的信息確定體質(zhì)的方法，所述方法以整合的方式利用關(guān)于人的面部、問卷調(diào)查、體型和聲音的信息，使得能夠更準確地確定體質(zhì)。技術(shù)方案為了實現(xiàn)上述目的，本發(fā)明提供了一種用于利用整合的信息確定體質(zhì)的方法，所述方法以整合的方式利用關(guān)于人的面部、問卷調(diào)查、體型和聲音的信息，使得能夠更客觀和準確地確定體質(zhì)，該方法包括如下步驟:采集和處理關(guān)于面部的信息；采集和處理關(guān)于問卷調(diào)查的信息；采集和處理關(guān)于體型的信息；采集和處理關(guān)于聲音的信息；以及通過整合在各步驟獲得的處理結(jié)果來確定最終體質(zhì)。此處，所述采集和處理關(guān)于面部的信息的步驟可以包括:從照片提取特征點的提取步驟；篩選受審查者的篩選步驟，所述受審查者就正面和側(cè)面共同測量且落在優(yōu)秀樣本得分(G得分)的前90%范圍內(nèi)，所述G得分為使用受審查者的藥理學得分、專家置信度得分、問卷調(diào)查得分、和經(jīng)驗得分而計算得到的；校正傾斜的正面照片的角度并估計面部參照線的估計步驟；基于經(jīng)校正的照片計算距離、角度、斜度、比率、面積、和彎曲度信息的計算步驟；整合對于每個樣本自動生成的變量并且去除一個或多個在自動生成過程中產(chǎn)生的錯誤樣本的整合步驟；對一個或多個其中已發(fā)生缺失的變量和樣本進行缺失補齊的缺失補齊步驟；檢測一個或多個偏離測量范圍的值的野值檢測步驟；和對每個變量進行標準化并調(diào)整年齡影響的調(diào)整步驟。另外，為了校正其中各變量值隨年齡而增加或減少的模式，所述調(diào)整步驟可以包括，計算對于每個年齡范圍標準化的Z得分，并使用該Z得分進行校正，在這種情況下，進行全范圍標準化的每個年齡范圍的變量的代表值被設(shè)定為采用在相應(yīng)的年齡±2的范圍內(nèi)的平均值和標準偏差。此外，所述采集和處理關(guān)于問`卷調(diào)查的信息的步驟可以包括:篩選落在G得分的前90%范圍內(nèi)的受審查者的步驟，所述G得分為使用藥理學得分、專家置信度得分、問卷調(diào)查得分、和經(jīng)驗得分而計算得到的；提取顯著變量的步驟；計算權(quán)重的步驟；計算體質(zhì)顯著變量得分的步驟；和計算典型的體質(zhì)問卷調(diào)查得`分的判別分析步驟。所述提取顯著變量的步驟可以包括只提取其中使用下述方程式Ip值小于特定值的變量:
權(quán)利要求
1.一種用于利用整合的信息確定體質(zhì)的方法，所述方法以整合的方式利用關(guān)于人的面部、問卷調(diào)查、體型和聲音的信息，使得能夠更客觀和準確地確定體質(zhì)，所述方法包括如下步驟: 采集和處理關(guān)于面部的信息； 采集和處理關(guān)于問卷調(diào)查的信息； 采集和處理關(guān)于體型的信息； 米集和處理關(guān)于聲音 的信息；和 通過整合在各步驟獲得的處理結(jié)果來確定最終體質(zhì)。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述采集和處理關(guān)于面部的信息的步驟包括: 從照片提取特征點的提取步驟； 篩選受審查者的篩選步驟，所述受審查者就正面和側(cè)面共同測量且落在優(yōu)秀樣本得分(G得分)的前90%范圍內(nèi)，所述G得分為使用受審查者的藥理學得分、專家置信度得分、問卷調(diào)查得分、和經(jīng)驗得分而計算得到的； 校正傾斜的正面照片的角度并估計面部參考線的估計步驟； 基于經(jīng)校正的照片計算距離、角度、斜度、比率、面積、和彎曲度信息的計算步驟；整合對于每個樣本自動生成的變量并且去除一個或多個在自動生成過程中產(chǎn)生的錯誤樣本的整合步驟； 對一個或多個其中已發(fā)生缺失的變量和樣本進行缺失補齊的缺失補齊步驟； 檢測一個或多個偏離測量范圍的值的野值檢測步驟；和 對每個變量進行標準化并調(diào)整年齡影響的調(diào)整步驟。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，為了校正其中各變量值隨年齡而增加或減少的模式，所述調(diào)整步驟包括，計算對于每個年齡范圍標準化的Z得分，并使用所述Z得分進行校正， 在這種情況下，進行全范圍標準化的每個年齡范圍的變量的代表值被設(shè)定為采用在相應(yīng)的年齡±2的范圍內(nèi)的平均值和標準偏差。
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述采集和處理關(guān)于問卷調(diào)查的信息的步驟包括: 篩選落在G得分的前90%范圍內(nèi)的受審查者的步驟，所述G得分為使用藥理學得分、專家置信度得分、問卷調(diào)查得分、和經(jīng)驗得分而計算得到的； 提取顯著變量的步驟； 計算權(quán)重的步驟； 計算體質(zhì)顯著變量得分的步驟；和 計算典型的體質(zhì)問卷調(diào)查得分的判別分析步驟。
5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述提取顯著變量的步驟包括:只提取其中使用下述方程式Ip值小于特定值的變量:χ1=γ{()!-Ι Υ⑴ /::■) I.;1其中，Oi表示觀察到的頻率，Ei表示預(yù)期的頻率，η表示每個事件可能的結(jié)果數(shù)。
6.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述計算權(quán)重的步驟包括使用方程式-log X2分配特定的得分。
7.根據(jù)權(quán)利要求4所述的方法，其特征在于，如果所述觀察到的頻率大于所述預(yù)期的頻率，得到正值“a”，而如果所述觀察到的頻率小于所述預(yù)期的頻率，得到負值“b”，則使用下述方程式2進行所述計算體質(zhì)顯著變量得分的步驟:
8.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述計算典型的體質(zhì)問卷調(diào)查得分的判別分析步驟通過計算TE、SE、和SY中的每一個的A-B得分進行。
9.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述采集和處理關(guān)于體型的信息的步驟包括: 篩選落在G得分的前90%范圍內(nèi)的受審查者的步驟，所述G得分為使用藥理學得分、專家置信度得分、問卷調(diào)查得分、和經(jīng)驗得分而計算得到的； 獨立樣本T-檢驗步驟；和 判別分析步驟。
10.根據(jù)權(quán)利要求9所述的方法，其特征在于，所述獨立樣本T-檢驗步驟使用下述方程式3進行:
11.根據(jù)權(quán)利要求9所述的方法，其特征在于，所述判別分析步驟包括對TE、SE、和SY中的每一個提出典型的體質(zhì)體型作為百分比。
12.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述采集和處理關(guān)于聲音的信息的步驟包括: 篩選落在G得分的前90%范圍內(nèi)的受審查者的步驟，所述G得分為使用藥理學得分、專家置信度得分、問卷調(diào)查得分、和經(jīng)驗得分而計算得到的； 篩選聲音特征候選變量的步驟； 篩選變量和將變量轉(zhuǎn)換用于判別分析的步驟；和 確定和分析體質(zhì)的步驟。
13.根據(jù)權(quán)利要求12所述的方法，其特征在于，所述篩選聲音特征候選變量的步驟包括: 提取音高、強度、共振峰、和MDVP參數(shù)的步驟；和 提取MFCC參數(shù)的步驟。
14.根據(jù)權(quán)利要求13所述的方法，其特征在于，所述提取音高、強度、共振峰、和MDVP參數(shù)的步驟包括:計算每個元音的音高、強度、主共振峰和第二共振峰、以及相關(guān)的-3dB帶寬值、最大振幅值、和最小振幅值； 從句子獲得音高和強度，并計算第10、第50、和第90百分位值，以及第10、第50、和第90百分位值之間的比率和相關(guān)性；和 通過在使用指定元音范圍的音高和最大/最小振幅信號改變窗口大小的同時，提取代表在發(fā)聲過程中音高變化程度的Jitter系變量(Jita、Jitt、RAP、和PPQ)和代表在發(fā)聲過程中振幅變化程度的Shimmer系變量(ShdB、Shim、和APQ)，來提取MDVP參數(shù)。
15.根據(jù)權(quán)利要求13所述的方法，其特征在于，所述提取MFCC參數(shù)的步驟被設(shè)定為對于每個元音的有效區(qū)段范圍提取12個MFCC參數(shù)和一個能量變量。
16.根據(jù)權(quán)利要求12所述的方法，其特征在于，所述篩選變量和將變量轉(zhuǎn)換用于判別分析的步驟包括: 通過進行驗證兩個或更多個群體的均值之間差異的方差分析ANOVA和事后檢驗，提取統(tǒng)計上顯著的變量，由此對于男性，F(xiàn)O系變量和MFCC參數(shù)用作用于體質(zhì)的顯著變量，而對于女性，共振峰系變量和MFCC參數(shù)用作用于確定體質(zhì)的顯著變量。
17.根據(jù)權(quán)利要求12所述的方法，其特征在于: 所述確定和分析體質(zhì)的步驟包括進行標準化轉(zhuǎn)換，以便調(diào)整用于體質(zhì)分類的變量的值范圍的差異；和 使用下述方程式4來進行變量的標準化轉(zhuǎn)換:
18.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述確定最終體質(zhì)的步驟被設(shè)定為確定作為最終體質(zhì)的體質(zhì)，所述體質(zhì)具有通過添加TE、SE、和SY的概率值而得到的最大值，所述概率值為由對每種體質(zhì)進行相應(yīng)的算法而計算得到的。
19.根據(jù)權(quán)利要求18所述的方法，其特征在于，所述確定最終體質(zhì)的步驟被設(shè)定為，在與問卷調(diào)查、體型、面部、和聲音有關(guān)的個體診斷結(jié)果中，只有當各個體質(zhì)概率值總和的最大值大于1.2 (在不存在與聲音有關(guān)的結(jié)果的情況下)或者1.6 (在存在與聲音有關(guān)的結(jié)果的情況下)時，確定所考慮體質(zhì)為與所述最大值相對應(yīng)的體質(zhì)。
全文摘要
本發(fā)明涉及一種用于確定基于四象醫(yī)學分類的人體體質(zhì)的方法，更具體地，本發(fā)明涉及一種用于利用整合的信息確定體質(zhì)的方法，所述方法利用來自人的面部、調(diào)查、體型、和聲音等的綜合信息，能夠更準確地確定體制。根據(jù)本發(fā)明，本發(fā)明提供了一種用于利用整合的信息確定體質(zhì)的方法，所述方法通過解決現(xiàn)有體質(zhì)診斷方法的問題，利用來自人的面部、調(diào)查、體型、和聲音等的綜合信息，能夠更客觀和準確地區(qū)分體質(zhì)，所述現(xiàn)有體質(zhì)診斷方法因為僅基于關(guān)于人體特定部分的信息以及來自由用戶輸入的調(diào)查結(jié)果來確定體質(zhì)而不可避免地具有確定結(jié)果的客觀性和準確性有限。
文檔編號A61B5/103GK103249353SQ201080070478
公開日2013年8月14日 申請日期2010年12月23日 優(yōu)先權(quán)日2010年10月1日
發(fā)明者金鐘悅, 都俊亨, 張銀洙, 具本初, 李惠貞 申請人:韓國韓醫(yī)學研究院