脈象特征信息的提取與識別方法研究.pdf

1、本論文的研究工作是結(jié)合橫向科研課題“移動醫(yī)療支持系統(tǒng)用戶端設備的研制”展開的。隨著計算機和傳感器技術(shù)的發(fā)展，中醫(yī)脈診的客觀化要求也日益提高。研究脈象的特征提取與識別方法無論在理論上還是在實際應用中都具有十分積極的意義。
　　將小波變換用于信號濾波處理、波形檢測以及采用神經(jīng)網(wǎng)絡進行分類識別等，在國內(nèi)外已有不少報道，但算法還不夠完善。本課題在總結(jié)前人工作的基礎上，對脈象數(shù)據(jù)的特征提取，脈象的識別進行了研究。主要工作包括以下幾個方面：<

2、br>　　首先，在對國內(nèi)外人體脈象客觀化研究方法進行比較的基礎上，針對以往脈象特征提取算法單一從時域提取特征值，而導致無法對脈律不齊的脈象進行有效識別的缺點，本文采用小波分析法對原始數(shù)據(jù)進行有效濾波的基礎上，提取脈象信號在不同尺度上的能量作為研究脈象的新特征量。
　　其次，鑒于人工神經(jīng)網(wǎng)絡(ANN)具有很強的自適應學習能力、魯棒性和容錯能力的特點，本文在深入研究脈象數(shù)據(jù)特征的基礎上，構(gòu)建了一種基于BP神經(jīng)網(wǎng)絡的辨識系統(tǒng)。在神經(jīng)網(wǎng)絡

3、算法設計方面，考慮到牛頓法和共軛梯度下降算法對網(wǎng)絡的初始權(quán)值依賴性強，進而影響收斂速度和精度的問題。本文設計了一種基于Levenberg-Marquardt算法的BP神經(jīng)網(wǎng)絡，并用它對9種脈象信號(平脈、弦脈、數(shù)脈等)進行了成功識別。
　　脈象種類的劃分，在臨床醫(yī)學上有其本身模糊性的一面。當前，模糊技術(shù)已經(jīng)越來越多地應用到科學研究領域中，模糊神經(jīng)網(wǎng)絡更是廣泛地得到應用。本文針對從脈象數(shù)據(jù)中提取的特征信息的特點，設計了一個模糊神經(jīng)網(wǎng)

4、絡，用它對脈象信號(平脈、弦脈、數(shù)脈等)進行識別。
　　最后，將本課題提出的脈象信號特征提取與識別算法應用于脈象辨識系統(tǒng)進行脈象識別，通過仿真實驗，證明了本文算法的可行性和有效性。
　　研究表明，采用本文提出的基于Levenberg-Marquardt算法的BP神經(jīng)網(wǎng)絡和模糊神經(jīng)網(wǎng)絡系統(tǒng)進行脈象信號分析時，識別正確率分別達到83.3％和88.9%。本文的算法是針對人體不同脈象分類而提出的一種脈象特征提取與識別方法，此方法對于