人體經(jīng)穴電位信號處理與生理狀態(tài)分類方法研究.pdf

1、人體生物電在某些方面的特性與中醫(yī)理論的部分內(nèi)容和解釋有相似之處，因此利用現(xiàn)代科技手段研究中醫(yī)的課題被引入了學者們的視野。在這一領(lǐng)域主要的研究方向為人體電阻抗特性的研究和人體電位特性的研究。本文提出了屬于后一種方向的，利用經(jīng)穴電位信號處理與機器學習理論實現(xiàn)中風病人與健康人體生理狀態(tài)區(qū)別和分類的方法。
　　 全文的主要內(nèi)容如下：
　　 1)采集人體的電位信號。根據(jù)中醫(yī)理論，“十二原穴”特性的變化能反映人體內(nèi)部臟腑狀態(tài)的變化，

2、因此本文利用Medlab生物信息采集系統(tǒng)采集了十二原穴之中的6個原穴的電位信號進行處理和研究。這6個原穴位于人體的手部，穴位的位置根據(jù)中華人民共和國國家標準GB12346-90確定。
　　 2)對采集到的信號進行小波分解、去噪和重構(gòu)。小波分析可以提供多種尺度下的時-頻分析，適合對主要分布在低頻范圍內(nèi)的人體電位信號進行分析。經(jīng)小波分解得到的小波系數(shù)，去除由噪聲控制的那部分后，一方面直接用來構(gòu)造第Ⅰ類特征向量，另一方面用來重構(gòu)降噪后

3、的信號，并進而利用基于Burg算法的AR模型功率譜估計構(gòu)造第Ⅱ類特征向量。
　　 3)對兩類特征向量，使用機器學習的方法進行分類。利用交叉檢驗方法將所有特征向量分成訓練集和測試集，使用了BP神經(jīng)網(wǎng)絡、小波神經(jīng)網(wǎng)絡和不同核函數(shù)的支持向量機進行分類的訓練和測試，最后對測試的結(jié)果進行了比較和分析。結(jié)果顯示支持向量機對于第Ⅱ類特征向量的分類正確率非常高，說明了利用本方法對中風病人與健康人體生理狀態(tài)進行區(qū)別和分類的合理性和可行性。