脈象特征信息的提取與識(shí)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(dòng)醫(yī)療支持系統(tǒng)用戶端設(shè)備的研制”展開的。隨著計(jì)算機(jī)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(shí)別方法無論在理論上還是在實(shí)際應(yīng)用中都具有十分積極的意義。
　　將小波變換用于信號(hào)濾波處理、波形檢測(cè)以及采用神經(jīng)網(wǎng)絡(luò)進(jìn)行分類識(shí)別等，在國(guó)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：<

2、br>　　首先，在對(duì)國(guó)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)，本文采用小波分析法對(duì)原始數(shù)據(jù)進(jìn)行有效濾波的基礎(chǔ)上，提取脈象信號(hào)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(luò)(ANN)具有很強(qiáng)的自適應(yīng)學(xué)習(xí)能力、魯棒性和容錯(cuò)能力的特點(diǎn)，本文在深入研究脈象數(shù)據(jù)特征的基礎(chǔ)上，構(gòu)建了一種基于BP神經(jīng)網(wǎng)絡(luò)的辨識(shí)系統(tǒng)。在神經(jīng)網(wǎng)絡(luò)

3、算法設(shè)計(jì)方面，考慮到牛頓法和共軛梯度下降算法對(duì)網(wǎng)絡(luò)的初始權(quán)值依賴性強(qiáng)，進(jìn)而影響收斂速度和精度的問題。本文設(shè)計(jì)了一種基于Levenberg-Marquardt算法的BP神經(jīng)網(wǎng)絡(luò)，并用它對(duì)9種脈象信號(hào)(平脈、弦脈、數(shù)脈等)進(jìn)行了成功識(shí)別。
　　脈象種類的劃分，在臨床醫(yī)學(xué)上有其本身模糊性的一面。當(dāng)前，模糊技術(shù)已經(jīng)越來越多地應(yīng)用到科學(xué)研究領(lǐng)域中，模糊神經(jīng)網(wǎng)絡(luò)更是廣泛地得到應(yīng)用。本文針對(duì)從脈象數(shù)據(jù)中提取的特征信息的特點(diǎn)，設(shè)計(jì)了一個(gè)模糊神經(jīng)網(wǎng)

4、絡(luò)，用它對(duì)脈象信號(hào)(平脈、弦脈、數(shù)脈等)進(jìn)行識(shí)別。
　　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，通過仿真實(shí)驗(yàn)，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(luò)和模糊神經(jīng)網(wǎng)絡(luò)系統(tǒng)進(jìn)行脈象信號(hào)分析時(shí)，識(shí)別正確率分別達(dá)到83.3％和88.9%。本文的算法是針對(duì)人體不同脈象分類而提出的一種脈象特征提取與識(shí)別方法，此方法對(duì)于