脈象信號(hào)分析與中醫(yī)脈象證型識(shí)別研究.pdf

1、本論文的研究工作是結(jié)合科研課題“嵌入式脈象信號(hào)分析與處理系統(tǒng)”展開的。中醫(yī)獨(dú)特的診斷方法及治病的療效是有目共睹的。隨著傳感器技術(shù)和計(jì)算機(jī)處理技術(shù)的發(fā)展，人們開始致力于脈診的客觀化研究，希望用現(xiàn)代科學(xué)技術(shù)的方法和儀器，推進(jìn)中醫(yī)脈診的現(xiàn)代化，這也是本文進(jìn)行研究的目的。 通過對(duì)脈圖的形態(tài)分析，在時(shí)域脈搏圖中提取特征信息以及采用神經(jīng)網(wǎng)絡(luò)進(jìn)行分類識(shí)別等，在國內(nèi)外已有不少報(bào)道，但算法還不夠完善。本課題在總結(jié)前人工作的基礎(chǔ)上，對(duì)脈象數(shù)據(jù)的特征

2、提取，脈象的識(shí)別進(jìn)行了研究。主要工作包括以下幾個(gè)方面： 首先，在對(duì)國內(nèi)外人體脈象客觀化研究方法進(jìn)行比較的基礎(chǔ)上，針對(duì)以往脈象特征提取算法單一從時(shí)域提取特征值，而導(dǎo)致無法對(duì)脈律不齊的脈象進(jìn)行有效識(shí)別的缺點(diǎn)，本文采用脈象信號(hào)線性預(yù)測(cè)系數(shù)(LPC)、脈象信號(hào)線性預(yù)測(cè)倒譜系數(shù)(LPCC)和脈象信號(hào)MEL頻率倒譜系數(shù)(MFCC)，以及對(duì)原始數(shù)據(jù)通過小波變換后的參數(shù)作為研究脈象的新特征量。 其次，鑒于VQ方法即簡單又易于實(shí)現(xiàn)的特點(diǎn)，

3、特別是在建立脈象信號(hào)識(shí)別模型時(shí)能減少數(shù)據(jù)的計(jì)算量與存儲(chǔ)量，因而，能夠獲得較好的識(shí)別精度及較快的響應(yīng)速度，此外，GMM在說話人識(shí)別中具有較好的效果，本文在深入研究脈象數(shù)據(jù)特征的基礎(chǔ)上，構(gòu)建了基于矢量量化和高斯混合模型的辨識(shí)系統(tǒng)。并用它們對(duì)四種常見的中醫(yī)脈象證型氣虛、氣陰兩虛、氣滯和氣滯血瘀進(jìn)行了成功識(shí)別，為以后臨床實(shí)驗(yàn)提供參考。 最后，將本課題提出的脈象信號(hào)特征提取與識(shí)別算法應(yīng)用于脈象辨識(shí)系統(tǒng)進(jìn)行脈象識(shí)別，通過實(shí)驗(yàn)，證明了本文算法

4、具有一定的可行性和有效性，并對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行了分析總結(jié)。 實(shí)驗(yàn)表明，采用本文提出的特征參數(shù)和基于矢量量化模型進(jìn)行的中醫(yī)脈象證型信號(hào)分析識(shí)別時(shí)，識(shí)別正確率取得了一定效果，但總體的結(jié)果并不太理想，在研究脈象特征參數(shù)與中醫(yī)證型的關(guān)系上，還要有進(jìn)一步的研究。 本文的研究是針對(duì)人體不同中醫(yī)脈象證型而提出的一種脈象特征提取與識(shí)別方法，這一研究對(duì)于脈象客觀化、脈象證型識(shí)別和現(xiàn)代信號(hào)處理技術(shù)在醫(yī)療輔助診斷中的應(yīng)用，弘揚(yáng)和推動(dòng)傳統(tǒng)醫(yī)學(xué)現(xiàn)代化