(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210486490.5 (22)申请日 2022.05.06 (71)申请人 浙江中医药大学 地址 310053 浙江省杭州市滨江区滨 文路 548号 (72)发明人 罗佳漪　朱爱松　潘思捷　陈赐龙　 施月怡　 (74)专利代理 机构 杭州浙科专利事务所(普通 合伙) 33213 专利代理师 吴昌榀 (51)Int.Cl. A61N 2/02(2006.01) A61M 21/00(2006.01) G16H 10/60(2018.01) G16H 20/70(2018.01)G06F 40/30(2020.01) G06F 40/289(2020.01) (54)发明名称 一种家用型五音经颅磁刺激装置及其五音 处方选择方法 (57)摘要 本发明属于抑郁症患者非药物治疗设备领 域， 具体涉及一种家用型五音经颅磁刺激装置及 其五音处方选择方法， 包括操控盒和磁疗帽组 件， 操控盒与磁疗帽组件通过磁疗线材连接， 操 控盒用以对磁疗帽组件进行控制， 还包括音乐播 放器， 所述操控盒内置音频解码器， 所述音乐播 放器通过音乐播放器线材与操控盒中的音频解 码器电连接。 本发明设置了操控盒、 磁疗帽组件、 音乐播放器、 音频解码器等结构， 将经颅磁刺激 技术与五音治疗技术相结合， 为患者提供针对性 的性治疗， 为患者带来1 +1＞2的治 疗效果。 权利要求书2页 说明书14页 附图4页 CN 114849069 A 2022.08.05 CN 114849069 A 1.一种家用型五音经颅磁刺激装置， 包括操控盒(1)和磁疗帽组件， 操控盒(1)与磁疗 帽组件通过磁疗线 材(6)连接， 操控盒(1)用以对磁疗帽组件进 行控制， 其特征在于， 还包括 音乐播放器(2)， 所述操控盒(1)内置音频解码器(4)， 所述音乐播放器(2)通过音乐播放器 线材(7)与操控盒(1)中的音 频解码器(4)电连接， 所述磁疗帽组件包括第一磁疗体(12)、 五 个第二磁疗体和弹性绑带(14)， 所述第一磁疗体(12)通过磁疗线材(6)与操控盒(1)连接， 所述第二磁疗体通过连接线(3)与第一磁疗体(12)连接， 所有第二磁疗体串 联， 并通过弹性 绑带(14)形成环状结构， 第一磁疗体(12)位于该环状结构的中心上端， 所述第二磁疗体分 为： 一个与人体头部前额位置对应的前额磁疗体(13a)、 两个与人体头部颞部位置对应的颞 侧磁疗体(13b)及两个与人体枕叶部位置对应的背侧磁疗体(13 c)。 2.根据权利要求1所述的一种家用型五音经颅磁刺激装置， 其特征在于， 所述前额磁疗 体(13a)和颞侧磁疗体(13b)中的线圈为 “∞”线圈。 3.根据权利要求1所述的一种家用型五音经颅磁刺激装置， 其特征在于， 所述背侧磁疗 体(13c)中的线圈为碗状线圈。 4.根据权利要求1所述的一种家用型五音经颅磁刺激装置， 其特征在于， 所述操控盒 (1)内置控制模块(5)和经颅磁刺激电路(15)， 所述控制模块(5)分别与经颅磁刺激电路 (15)、 音频解码器(4)电连接， 所述经颅 磁刺激电路(15)与磁疗帽组件电连接 。 5.根据权利要求4所述的一种家用型五音经颅磁刺激装置， 其特征在于， 所述操控盒 (1)上还设置输入模块(10)和显示模块(11)， 所述输入模块(10)和显示模块(11)分别与控 制模块(5)电连接 。 6.一种如权利要求1 ‑5中任一所述五音经颅磁刺激装置的五音处方选择方法， 其特征 在于， 包括： S1边缘层数据处 理 S100数据预处 理 提取病历中主诉症状、 体格检查以及诊断过程作为特征词富集片段， 然后通过数据清 洗技术， 提高数据提取的精确性； S101中文分词 在深度学习模型的基础上， 结合预训练和后处理， 首先， 将已经预处理过的病历信 息语 段通过预训练模型进行预训练， 然后通过深度学习训练模型进行进一步处理， 引入专业领 域词典， 最终得到具有 诊断意义的基本语义单位， 以进行 下一步处理； S102建立词库 采用TF‑IDF的方法建立患者病历的词库， TF代表一个词语在当前病历中的出现频率， 而IDF表示一个词语在所有文档中的出现次数的倒数， TF ‑IDF可以区分出对当前病历有更 高区分度的词语， 这些词语可以作为当前病历的特 征； 针对提取的特 征词语， 通过 Fisher评分进一 步筛选出更具有代表性的词语建立词库； S103向量化表达 对上一步得到的特 征词进行 特征向量匹配， 匹配规则为： 某特征词未出现在本病历， 则取值 为0； 某特征词在此病历中有肯定出现， 则取值 为1； 某特征词在此病历中有否 定出现， 则取值 为2；权　利　要　求　书 1/2 页 2 CN 114849069 A 2根据此规则每个电子病历文档都会得到一个特征向量， 其维度与特征词的数量相等， 向量的每一个维度取值均为0、 1或2； S2云层诊断分型 S200深度学习 通过深度学习算法学习抑郁症的中 医证型分类模型； S201多标签学习 通过深度信念网络对抑郁症的中 医中医证型分类模型进行多标签学习； S202选择处方 建立深度学习模型， 在数据处理后， 根据抑郁症的中医证型对应选择合适的五行音乐 处方。 7.根据权利要求6所述的一种家用五音处方选择方法， 其特征在于， 所述S101中， 预训 练模型为 World2Vec、 Glove、 ELMo、 BERT、 XL Net中的一种或多种。 8.根据权利要求6所述的一种家用五音处方选择方法， 其特征在于， 所述S101中， 深度 学习训练模型为CN N和/或RN N。权　利　要　求　书 2/2 页 3 CN 114849069 A 3