脉象信号（精选5篇）
脉象信号 篇1
0 引言
脉诊在中国起源,至今已经有了几千年的历史。长期以来脉诊都是中国传统医学的重要诊断方法,是中医辨证论治,“望、闻、问、切”中必不可少的依据之一。脉诊之所以在中国传统医学拥有重要的地位,是因为脉象信号本身就包含了丰富的人体生理信息。从信号处理的角度来看,脉象信号是一种非线性非平稳信号,现在常用的处理方法有小波变换,Hilbert-Huang变换等。然而小波变换的处理结果会受到小波基选取的影响,在信号分析过程中容易产生虚假谐波。Hilbert-Huang变换中的EMD(Empirical Mode Decomposition)方法具有良好的自适应性,但是它存在端点效应、模态混叠等问题。
Jonathan Smith在2005年提出了一种新的非线性非平稳信号的时频分析方法LMD(Local Mean Decomposition)[1]。LMD方法具有良好的自适应性,并且已经应用于脑电信号分析,滚动轴承故障诊断等领域[2,3],取得了不错的效果。LMD方法相比与EMD方法具有较少的迭代次数,减轻了端点效应的污染[4],但是端点效应和实际信号中夹杂的噪声依然会导致算法不收敛,信号两端发散等问题,从而影响对脉象信号的特征选取。为了进一步解决LMD方法在脉象信号分解中产生的端点效应,本文将小波模极大值去噪与LMD方法相结合,根据LMD方法端点效应问题的特殊性,进而提出了一种基于脉象信号周期性特点的端点延拓方法,并将LMD延拓方法运用于仿真信号和实际脉象信号中,获得了较好的实验结果。
1 LMD时频分析方法
LMD时频分析方法可以将信号分解成纯调频信号和包络信号的乘积,称为PF(Production Function)分量,它的分量分解顺序是从高频分量到低频分量,经LMD算法处理获得的PF分量都具有实际的物理含义,这也是LMD算法最大的特点。对于任意的信号x(t),其分解过程如下:
求出原始信号序列中的局部极值点ni,根据式(1)、式(2)所示求出相邻两个局部极值点的平均值mi以及包络估计值ai。在此基础上将得到的相邻局部极值点的平均值mi和包络估计值ai分别用直线连接,经直线连接的序列需要用滑动平均法对其进行平滑处理。之后检查序列中是否存在相邻两个点相同的情况,如果存在则再次进行平滑处理,直至序列中不存在相邻两个点相同的情况。最后得到局部均值函数m11(t)和包络估计函数a11(t)。
原始信号x(t)经过式(3)分离出局部均值函数m11(t)得到h11(t)。对h11(t)进行解调,将h11(t)如式(4)所示除以包络估计函数a11(t)得到s11(t)。
如果s11(t)相对应的局域包络函数不满足a12(t)=1,则将s11(t)作为原始信号再次重复上述计算过程,直到s1n(t)为一个纯调频信号,即-1≤s1n(t)≤1,它的局域包络函数满足条件a1(n+1)(t)≈1。
h1n(t)的求取过程如下:
式中:
经过一系列的迭代过程,将产生的全部估计函数如式(7)相乘既得到包络信号a1(t)。
将包络信号a1(t)和纯调频信号s1n(t)如式(8)相乘就得到了LMD算法分解出的第一个PF分量。
从原始信号x(t)中将PF1(t)分离,得到一个新的信号u1(t),将u1(t)作为原始信号,将以上步骤循环k次,直到uk(t)的极值点少于等于1为止,最终x(t)分解得到k个PF分量和残余uk(t)之和,如式(9)、式(10)所示。
式中,uk(t)为残余项;PFp(t)为包络信号;ap(t)和纯调频信号sp(t)的乘积。
从算法迭代过程可以看出,LMD时频分析方法是将一个复杂的非平稳信号,由高频至低频,自适应地分解成有限个具有实际物理含义的单独分量,直至残余分量为一个单调函数后结束迭代过程[5,6]。
2 小波模极大值去噪
在不同尺度上,经过小波变换的信号和噪声具有不同的传播特性。经由这个特点对含有噪声信号进行连续多次小波分解,得到各个不同尺度上的模极大值的位置和幅值信息,这些信息可以分辨由信号或者噪声引起的模极大值。小波模极大值去噪的基本原理就是去除由噪声引起的模极大值,重构剩余由信号引起的模极大值,从而达到去噪目的。小波模极大值去噪主要步骤如下:
(1)选取小波函数,确定小波变换尺度,对信号进行二进小波变换。
(2)在每一不同尺度上寻找小波变换系数的模极大值点,选取合适的阈值,对找到的所有模极大值点做阈值处理。
(3)利用三次样条插值对保留下来的模极大值进行处理,得到信号的估计小波系数。
(4)重构小波系数,将重构后的信号经过小波逆变换得到去噪后信号。
运用小波模极大值去噪作为脉象信号LMD分解的预处理步骤,去噪算法中加入了三次样条插值,提高了信号的重构精度,解决了模极大值点由于分布稀疏或稠密而引起的差值区间分布不均的问题,保证了信号的光滑性,并且保留了信号中有用成分[7,8]。小波模极大值去噪的预处理过程,能够保证LMD算法在分解过程中不会由于噪声的影响而导致算法不收敛,算法分解得到分量更加准确反映信号原本的组成成分。
3 基于匹配度脉象延拓方法
LMD算法的第一步就是寻找信号的局部极值点,然而实际信号序列总是从原始信号中截取有限长度的信号序列,这样就无法获知截取的信号序列端点以外的信号情况,在求取信号端点处的局部均值函数和包络估计函数时只能根据已有信号来推算。虽然LMD算法与EMD算法相比因减少迭代次数而减轻了端点效应,但是推算过程还是会导致误差的产生,所以LMD算法也受到了端点效应的影响。经任达千等人的研究表明LMD算法不同于EMD算法,存在一种特殊信号,该信号的LMD分解结果几乎不会受到端点效应的影响。LMD算法在寻找局部极值点时,如果信号序列截取的端点也是原始信号的局部极值点,那么求出的局部均值函数和包络估计函数就几乎没有误差,LMD算法中存在的端点效应就可以得到有效抑制[9]。
本文基于LMD算法上述特性和脉象信号周期性较强的特点提出了一种端点延拓方法。对于脉象信号序列两端的不完整周期,基于波形的匹配度,寻找信号序列中匹配度最高的周期进行延拓,使信号两端的端点成为信号的局部极值点,这样既最大程度保留了信号原有的特征又消除了端点效应的影响[10,11]。
设x1(t)、x2(t)是两段长度同为n个点的信号序列,将两信号序列如图1重叠。
p1(i)、p2(i)分别是任意垂直方向上对应的信号序列的两个点,匹配度计算公式为:
信号延拓流程如下:
(1)首先对信号进行周期分割。周期分割通过寻找各个周期内的唯一谷峰对即正差分来完成的。
(2)对单独完整周期进行旋转。将脉象信号描述为函数x(t),假设其基线和水平线(x轴)的夹角为θ,根据式(10)重新计算得出y(t)值,使得脉象信号每个单独周期基线保持水平。
(3)对旋转后的单独完整周期进行基线统一,将所有周期的基线统一至零。将信号上任一点的纵坐标值y(i)与y(0)相减得到得到新的序列y1(t),从而使得每一个独立的周期都能够统一到一个基线标准。
(4)对于信号序列前端的不完整周期,由于它的缺损部分是信号单独周期的前端,在进行匹配度计算时需要将不完整周期的最后一个点与完整周期的最后一个点相重叠进行计算。为了程序计算简便,镜像信号前端的不完整周期和各个独立周期,镜像不会影响波形之间的相似程度。镜像之后的信号就可以与后端的不完整周期一样,通过两个序列的首个点重叠,计算匹配度。
(5)切割各单独周期长度,将镜像后的周期切割成与前端不完整周期长度相同,将镜像前的周期切割成与后端不完整周期长度相同。
(6)将镜像前后各周期的第一个点与不完整周期重叠,通过匹配度公式计算选取最佳延拓周期。
(7)在匹配度最高周期中,去除与不完整周期进行匹配度计算的序列,将余下序列与不完整周期衔接。衔接处前后两个点相减得Δ2,将延拓部分序列各点与Δ2相加,使得延拓结点处信号不跳变。最后使用滑动平均法处理延拓周期,直至周期中不存在相邻点有y(i)=y(i+1)。
4 LMD方法在仿真信号中的应用
仿真信号采用含有随机噪声的调频调幅信号进行降噪和延拓。仿真信号的表达式如下:
信号的采样频率为1000 Hz,图2所示的是仿真信号去噪前后对比图,在加入白噪声的仿真信号上可以清晰看到毛刺,经过小波去噪后的信号去除了原信号的毛刺,信号变得光滑,该信号使得LMD方法的分解结果更加精准。
文中采用了sym6小波对信号进行5层小波分解与重构,图3所示的是经过小波去噪和没有经过小波去噪在LMD时频分析方法中的结果。可以看到原始信号分解出了5个PF分量和一个残余分量,第一、二层PF分量为高频噪声,但是以下三层的PF分量失真较为严重,不能够反应出信号的真实的组成成分。经过滤波之后,LMD方法分解出了4个PF分量,三个PF分量能够清晰的看出与原本信号的组成成分相同,PF1对应了x1(t)的调频调幅信号,PF2对应了x2(t)的调频信号,PF3对应了x3(t)的正弦信号。由仿真结果可知,经过小波去噪处理后的信号使得LMD方法有更加准确的分解效果,更能够反映信号的组成成分。
图4所示的是仿真信号延拓前后的波形对比图,经过匹配度计算在原信号序列中找到了匹配度最高的部分进行信号延拓。图5中可以看出在信号延拓之前用LMD算法分解,信号PF2和PF3的两端有明显的失真,经过延拓处理后信号的端点效应改善明显,能够很好地反应出原本信号的三个调频调幅分量。延拓前后PF4分量的幅值对比中也可以看到,延拓之前的幅值波动范围是延拓之后波动范围的十倍,证明延拓方法可以使得LMD方法对分量分解更加明确,减少无效的分量。
5 LMD方法在脉象信号中的应用
在实际信号中该方法也能很好地抑制信号的噪声和端点效应对LMD方法的影响。实验所采用的脉象信号由上海中医药大学提供,采集自桡动脉处,脉象信号采样频率为720 Hz,共107例。样本中包括滑脉、平脉两种脉象,其诊断结果均由两名中医师同时作出并结论一致。将采集到的脉象信号用LMD方法处理。图6所示的是其中一例脉象信号在去噪和延拓前后的对比图。可以看到经由该去噪方法处理后,脉象信号去噪效果明显,极大程度的消除了原有信号的毛刺。
处理前后的LMD分解结果在图7中给出,可以明显看出经本文端点延拓后的信号其分解效果明显优于未经延拓处理的信号,在PF1和PF2两端由端点效应引起的畸变得到明显改善。处理前PF1能够明显看出9个波峰与原始信号并不对应,PF2的波形中波峰也不明确,并且存在明显的端点效应。处理后能清晰的在PF1中辨别出与延拓后信号对应的11个波峰,PF2的波形也非常清晰的表现出了脉象信号的搏动规律。处理后的LMD分解结果比处理前的PF分量减少一个,使得LMD方法分解结果更加精确,去除了无用的PF分量。
6 结语
本文创新性地将LMD时频分析方法应用于脉象信号的分析。针对LMD方法中存在的端点效应和噪声问题,将小波去噪与LMD方法结合,把脉象信号周期性重复的规律和LMD方法在信号两端为极值点时没有端点效应的特点相融合,通过脉象信号进行匹配度计算挑选出可靠度最高的脉象周期,从而完成脉象信号延拓。经本文方法延拓处理的脉象信号取得了较好的效果,使得LMD方法在脉象信号分解时能够更加准确地分解出各个PF分量,并有效地改善了端点效应问题。LMD时频分析方法的每一个PF分量都有其物理含义,在结果中PF2分量很明显可以看出对应了脉搏信号的跳动规律,PF1分量则更多地包含了波形特征,对于之后的脉象信号特征提取、分类处理有较大的指导意义,在今后还可以继续在PF1的波形特征提取和解释上进行研究。
参考文献
[1]Smith J S.The local mean decomposition and its application to EEGperception data[J].Journal of the Royal Society Intergace,2005(2):443-454.
[2]陈亚农,郜普刚,何田,等.局部均值分解在滚动轴承故障综合诊断中的应用[J].振动与冲击,2012,31(3):73-78.
[3]朱晓军,樊刘娟,吕士钦,等.LMD方法在脑电信号处理中的应用研究[J].计算机科学,2012,39(2):273-275,313.
[4]程军圣,张亢,杨宇,等.局部均值分解与经验模式分解的对比研究[J].振动与冲击,2009,28(5):13-16.
[5]Thameur Kidar,Marc Thomas.Comparison between the efficiency of LMD and EMD algorithms for early detection of gear defects[J].Mechanics&Industry,2013(14):121-127.
[6]朱晓军,吕士钦,王延菲,等.改进的LMD算法及其在EEG信号特征提取中的应用[J].太原理工大学学报,2012,43(3):339-343.
[7]赵鸿图,刘云.基于三次样条插值的小波模极大值去噪算法[J].计算机工程与设计,2014,35(8):2965-2968,2975.
[8]孙伟,熊邦书,黄建萍,等.小波包降噪与LMD相结合的滚动轴承故障诊断方法[J].振动与冲击,2012(18):153-156.
[9]任达千,杨世锡,吴昭同,等.LMD时频分析方法的端点效应在旋转机械故障诊断中的影响[J].中国机械工程,2012,23(8):951-956.
[10]李钊,周晓军,徐云,等.基于均生函数周期叠加外推法的EMD端点问题的研究[J].振动与冲击,2013,32(15):138-143.
[11]邵晨曦,王剑,范金锋,等.一种自适应的EMD端点延拓方法[J].电子学报,2007,35(10):1944-1948.
心理脉象理论依据浅释 篇2
1生理上
1 .1血化神 《素问·脉要精微论》中云“夫脉者,血之府也”,雍遏营气,令无所避,为气血之先。《素问· 调经论》中云:“人之所有者,血与气而”。《灵枢·营卫生会》中记载:“血者,神气也”。人之气血充盛,机体得到血之濡养,才能精力充沛,神志清晰,感觉灵敏,思维敏捷,情志舒畅。气血为人身之根本,脉象是人体状态之反映,包括心理层面,若人体气血调畅,则脉象亦为之平和[3]。人之情志、心理活动皆以血之化神、濡养之功密切相关。
1.2脉舍神 《素问·天元纪大论》中云:“人有五脏化五气,以生喜怒思忧恐”,提出了 “五脏神”的观点。 将神、魂、魄、意、志这五种主要精神活动分别归属五脏。《素问·灵兰秘典》中记载:“心者,君主之官也,神明出焉”,心为五脏六腑之大主,主藏神。《灵枢 · 本神》指出:“心藏脉,脉舍神”。故脉中可体现出心理活动及脏腑功能之变动。神寄于脉中,使脉中蕴含了丰富的精神、意识和思维活动的信息。病脉反映疾病造成的病理信息,而心理脉象则能反映人体心理活动和心理状态的变化,以及由此而形成的疾病发病机制 [ 4 ] 。
1.3气调神 《素问·八正神明论》中云:“血气者,人之神,不可不谨养”。气血是产生心神的物质基础,气机条畅、气血调和是情志活动的前提。《灵枢·平人绝谷》中云:“血脉和利,精神乃居”。气机畅达与五脏功能活动有着密切的关联,其中肝主疏泄功能尤为重要。 《柳州医话》云:“七情之病,必由肝起”,肝可以通过其疏泄功能调畅气机,可协助心调节情志活动。调畅气机,可达调畅情志的目的。肝气疏泄,气机调畅,气血和利,则心理活动与所处之境相协调[5] 。
2病理上
2.1情致失调 《灵枢·口问》中记载:“悲哀愁忧则心动,心动则五脏六腑皆摇”,《素问 · 疏五过论》说: “离绝莞结,忧恐喜怒,五脏空虚,血气离守”。情致失调,可伤及不同脏腑,导致气血失调,脉象的信息内涵变化,形成不同的心理脉象[6]。《医学入门》中称:“喜则伤心脉必虚,思传脾脉结中居,因忧伤肺脉必涩,怒气伤肝脉定濡,恐伤于肾脉沉是”。《三因极一病证方论 》提出 :“七情,人之常性,动之则先自脏腑郁发,外形于肢体,为内所因”,不同情致失调、心理活动变化可伤及相应脏腑,导致机体内气机失调,表现心理层面的病变以及外在躯体化的症状,若单独运用症候脉象,单独重视躯体化症状的治疗,忽视其内在心理层面的根本原因,治疗方案则会难以奏效。且心理脉象之独立性表现为其从实质内涵到指感特征都和普通症候脉象有所不同,可直接感受到患者目前的心理状态,可立刻做出明确的诊断,及时用药调整。
2.2气血失和 《内经》云:“血气不和,百病乃变化而生”。气血失和又与情志失调密切相关,《素问·举痛论》中云:“怒则气上,喜则气缓,悲则气消,恐则气下, 寒则气收,炅则气泄,惊则气乱,劳则气耗,思则气结”。 不同的情志活动可导致不同脏腑气机变化,而影响血的运行,并由此导致脉象信息的变化。气机调畅,升降出入协调有序,各项生理功能才可能得以充分发挥,脏腑气血间的功能活动才能保持协调稳定。气血调和, 才能保持心理活动“不以物喜、不以己悲”的状态。气血失和,长久以来又可导致机体 气机失调,作用于情志,表现为某一时段内特殊的心理状态。脉诊可察觉其长久以来情绪状态,从而有的放矢,对症用药。
3典型案例
患者,女,56岁。2014年10月2日初诊。1月前因家庭变故,情绪低落而出现持续性头昏沉,自觉思路不清晰,不伴视物旋转及恶心呕吐。自行服用养血清脑颗粒、敏使朗等药物治疗,效不显,遂来就诊。现症见:持续性头昏沉,自觉思路不清晰,走路踩棉感,午后为重,不伴视物旋转及恶心、呕吐。每于情绪低落时头昏沉加重,活动转移注意力后可稍有好转。平素情绪低落,悲伤欲哭,心中压抑,兴趣、动力减退,心中紧张、 惴惴不安。纳差,眠可。二便调。舌暗红,苔薄白。脉诊时手下产生了酸麻不适的感觉,左关部尤为明显,在其左寸脉上有隐约麻豆样感觉,其产生的酸麻不适感, 延手指前臂向上传道。此即心理脉象中的肝郁脉象,如同手握着时候在玻璃上滑动,产生的酸麻感觉。患者因家庭变故,导致情绪低落,终日闷闷不乐,导致肝气郁结,心中压抑,在脉象上产生了这种振动感觉。治疗上以疏肝解郁为主,方以柴胡疏肝 散加减,收效甚佳[7]。
4结语
脉象信号 篇3
一、系统总体设计
人体的脉象有6道, 我们要把这6道脉象信号全都提取出来, 以便对其进行观察和比较。如果每个脉象信号都有自己的放大电路和A/D转换电路, 那么就要求这些放大电路和A/D转换电路的性能参数相同, 但是要做到这一点非常困难, 几乎是做不到的, 因此我们采用单个通道循环采集的办法。具体做法是六路脉象信号共用一路放大电路和A/D转换电路, 我们用模拟通道选择开关CD4051来对脉象信号进行选择, 同时利用单片机来控制这个选择开关, 实现对六路脉象信号的循环采集, 具体如图1所示:
二、系统实现
整个系统包括以下几个部分:压阻传感器的信号采集模块、前级信号放大调理模块、单片机控制部分以及计算机中Lab VIEW的实时显示处理模块。
2.1压阻传感器
在脉象信号采集过程中要求传感器体积小、灵敏度高、固有频率高。半导体压阻式压力传感器具有灵敏度高、高精度、体积小、动态响应快等特点, 所以选择压阻式传感器方案, 并且采用恒流源供电, 电路图如2图所示:
2.2前置放大电路
前最级主要考虑噪声、输入阻抗和共模抑制比三项的影响, 选用精密仪用放大器INA114。这里设计的电路, 组成由三部分:输入缓冲、高频滤波和仪用放大器。TLC2254是满电源幅度输出的运放, 它在轻负载下的最大输出电压几乎等于电源电压幅度, 作为电压跟随器, RC低通滤波电路组成高频滤波器。电路图如图3所示:
高频滤波器截止频率100HZ, 由 , 得电容C1的取值为0.16u F, INA114只需一个外部电阻就可以设置1—1000的增益。
2.3低通滤波电路
本设计中要保证低频信号不被衰减, 而对高频要求不高, 因此选择了巴特沃斯滤波器。由于公式法设计滤波器十分繁杂, 本文采用工程上经常使用的归一化法来设计低通滤波器。放大器选用LM324, 可实现高增益频率补偿运算, 且静态功耗小, 价格便宜。由于脉搏信号频带变化范围从0Hz-40Hz, 故选取截至频率40Hz。并在120Hz的最小衰减为50d B, 由样本曲线簇知归一化的滤波器为5阶的。如图4所示。
2.4后级放大电路
根据脉搏信号特点, 信号应被放大1000倍后进入A/D, 前置级放大了10倍, 再次需再次放大100倍, 考虑到放大器的性能问题, 再用两级放大形式。前一级放大10倍电容C的作用使整个模块有了低通 (截止频率100Hz) 的功能, 不仅可以去除信号中的高频干扰, 还由于其超前的补偿作用, 对有效信号中的高频部分进行了相位补偿。后一级可实现增益调节, 放大范围2-10.另外由于后面ADC0809对于输入的模拟信号幅值有一定的要求 (0—5V) , 需要对经信号调理后的电压号进行限幅。
2.5单片机与计算机的通信
系统中, 该单片机通过串口与计算机进行通信, 它能够接收计算机发出的控制命令, 并且负责向计算机发送采集到的数据。
其中MAX232A是由美国MAXIM公司生产, 包含两路驱动和接收器的RS一232转换芯片。芯片内部有一个电压转换器, 可以把输入的+5V电压转换为RS一232接口所需的10V电压。图中, PC DB 9是微机的9针串口, 其中第二脚是接收数据端口, 第三脚是发送数据端口, 第五脚是信号接地端。这里采用了三线连接串口:计算机的9针串口只连接其中的3根线:第5脚的GND、第2脚的RXD、第3脚的TXD。
三、系统软件设计
3.1单片机程序
在系统中, 单片机作为一个核心的控制部件, 主要完成数据采集和数据向上位机发送的工作, 其中定时采样频率是由定时器0的常数自动装载8位计数器的方式产生的;波特率由定时器l的方式1产生。可以对单片机编程, 让控制信号在000-101之间循环, 这样就可以做到对六路脉象信号的循环采集, 人的脉搏的频率是很低的, 一般都达不到100Hz, 而A/D转换电路的采样速率是6.25KHz, 根据奈奎斯特采样定理, 对脉象信号进行循环采集不会影响脉象信号的恢复, 可以不失真的还原出六路脉象信号。这样, 经过模拟通道选择开关CD4051的选择, 出来的只有一路脉象信号, 也就是只用一路放大电路和一路A/D转换电路就可以对脉象信号进行放大处理和采集。
3.2Lab VIEW脉象显示及诊断
本系统采用的是Lab VIEW8.5版本软件, 对一般动态测试技术中往往需要将时域信号变换到频域上加以分析, 对信号进行FFT变换和分析可以获得信号包含的频率成分以及频率范围幅值分布和能量分布, 如图5所示。
四、结束语
本文设计的一个以Lab VIEW为平台, 利用单片机进行前端微弱脉象信号采集, 通过串口实现与计算机的数据通信, 实际制作了整个硬件电路, 并利用Lab VIEW强大的信号分析与处理功能开发了一套微弱脉象信号采集和处理系统。实验过程中, 整个系统能可靠运行, Lab VIEW表现了很好的灵活性。该系统的突出特点是利用LabVIEW采集和处理微弱信号, 充分发挥了软件的上层应用程序优势, 缩短了开发周期;同时图形化的设计简单易懂, 便于操作控制, 可以扩展为更多的系统所使用。
参考文献
[1]谢家宇, 蔡坤宝, 王永东.连续小波变换在中医脉象信号中的应用.重庆大学学报 (自然科学版) .2003 (01)
[2]谢利.脉诊客观化临床研究进展.甘肃中医.2003 (09)
[3]江迅.R波复合触发电路的设计.医疗设备信息.2003 (8)
[4]蔡轶珩, 沈兰荪.黄祥林.脉象分析仪的研究进展.电子测量与仪器学报.2002 (12)
[5]刘明林, 魏红, 刘静溪.中医脉诊仪的设计思路.辽宁中医杂志.2004 (01)
脉象信号 篇4
脉诊是我国传统医学中最具特色的一项诊断方法,从其起源到形成脉诊学体系,是经过了历代医家长期的整理、研究、总结而发展的,亦是由实践到理论的升华过程。传统的脉诊方法主要是通过医生用手对患者身体某些特定部位的动脉进行切按体验脉动应指的形象,语言文字描述脉象、经验辨析脉象,因而其结果容易受到生理、心理等变化的影响,从主客观因素上说存在着“脉理精微,其体难辨。在心易了,指下难明”等现象[1]。因此,为实现脉象信息客观化及定量化,中医切脉客观化、标准化研究成为必然发展趋势。同时,对发扬传统中医理论,推动常规脉象客观辅助诊断的临床应用也具有十分重要的意义。
脉诊学是一门信息语言学,脉象图诊断具有数字化、量化特征,具有科学性和实用性[2]。从50年代开始许多中外学者与专家进行了客观化方面的研究,运用脉图进行基础理论和临床方法研究,对于脉学的理论、诊断方法、临床诊断和试验研究等方面均开展了大量的工作,取得了较快地发展。本文以脉象信号的LPC系数、LPC倒谱系数、MEL频率倒谱系数等参数作为识别的特征矢量,针对胃癌、肺癌、乳腺癌等三种病症患者的脉象信号,运用VQ模型进行脉象信号建模以及识别的研究。
1 特征提取
1.1 脉象信号线性预测系数
线性预测分析的基本思想是用过去的样点值来预测现在或者未来的样点值,通过使实际脉象信号抽样和线性预测抽样之间的误差在某个准则下达到最小来决定这一组预测系数。而这组预测系数就反映了该脉象信号的特性,因此,可以用它作为脉象信号的特征参数。
1.2 脉象信号线性预测倒谱系数
倒谱是信号经过傅里叶变换所得功率谱取对数后的逆傅里叶变换。倒谱系数可由线性预测系数(LPC)递推得到(称为LPC倒谱系数LPCC),与直接计算倒谱系数相比,LPCC的计算量要小。对于P阶预测,当前取样值X(n)的预测值undefined(n)是用信号过去P个取样值{X(n-1),…,X(n-P)}来表示,即:
al为LPC预测系数,可采用常规的Levinson-Durbin算法计算,由al可递推出倒谱系数Cn:
1.3 脉象信号的MEL频率倒谱参数
MFCC是将实际频率转换为MEL频率后,再将信号通过带通滤波器处理后进一步作离散傅里叶变换,再作离散余弦变换得到的。
2 矢量量化
在讨论中用S表示样本点的集合,undefined表示一个样本,d(undefined,undefined)表示两个矢量undefined和undefined之间的距离。
2.1 分裂法求初始码本
第一步求出S中全体undefined的质心undefined,然后在S中找一个与质心的畸变为最大的矢量undefinedj,再在S中找一个与undefined的误差为最大的矢量undefinedk,以undefinedj和undefinedk为基准,S中的矢量与undefinedk距离较近的矢量归于子集Sk,反之归于Sj。依此类推,经过r次分裂就可以得到M个子集(M=2r),这M个子集的质心可作为初始码本。
2.2 LBG算法
LBG算法是一种递推算法,从一个事先选定的初始码本开始进行迭代,直到系统性能满足要求或者不再有明显的改进为止。以欧氏距离计算两个矢量畸变的LBG算法实现如下[3]:
①设定码本和迭代训练参数:设全部输入训练矢量X的集合为S;设置码本的尺寸为J;设置迭代算法的最大迭代次数为L;设置畸变改进阈值为δ。
②设定初始化值:设置J个码子的初值Yundefined,Yundefined,…,Yundefined;设置畸变初值D(0)=∞;设置迭代次数初值m=1。
③假定根据最近邻准则将S分成了J个子集Sundefined,Sundefined,…,S(m)J,即当X∈Sundefined时,d(X,Yundefined)≤d(X,Yundefined),∀i,i≠l应成立。
④计算总畸变D(m):undefined。
⑤计算畸变改进量ΔD(m)的相对值δ(m):undefined。
⑥计算新码本的码字Yundefined,Yundefined,…,Yundefined:undefined。
⑦判断δ(m)<δ?若是,转入⑨执行;否则,转入⑧执行。
⑧判断m
⑨迭代终止;输出Yundefined,Yundefined,…,Yundefined作为训练成的码本的码字,并且输出总畸变D(m)。
识别阶段,用于待识别的脉象信号同样要经过预处理过程得到原始特征矢量,然后将导出的特征矢量与在训练过程中的模板或特征矢量集加以比较,计算其与各码本的距离,该距离为各帧脉象信号的原始特征矢量与码本中码字最小距离的平均值即平均量化误差,则总平均量化误差最小的码本所对应的脉象信号即为识别结果。
3 算法的软件实现
基于以上提出的算法,以VC++为开发平台,在PC机上实现了脉象信号识别系统,系统结构框图如图1所示。
3.1 码本库的建立
脉象采集部分采用了合肥华科电子研究所研制的型号为HK-2000的集成脉搏传感器,采样频率为300Hz。本实验所有数据均来自苏州市苏州大学附属第一人民医院,其中采集肺癌、胃癌、乳腺癌三类病例共100例。
3.2 系统实现
系统的实现主要包括脉象信号的预处理,特征提取,训练和识别过程。
本设计中需要做的预处理及特征提取是预加重、加窗、分帧、求线性预测系数,最后求出线性预测倒谱系数和MEL频率倒谱系数。
训练的过程即为码本形成的过程。在训练过程中对LPC系数采用大小为4的码本,对LPC倒谱系数采用大小为6的码本,而对MEL频率倒谱参数采用大小为8的码本。
用于测试的脉象信号同样要经过预处理得到原始特征矢量,然后计算该脉象信号与各码本的距离,该距离为各帧脉象信号的原始矢量与码本中码子最小距离的平均值,识别结果为与输入脉象信号距离最小的码本对应的病症。
4 实验结果及分析
首先将所采集到的三类病例的脉象信号,进行分类,每类随机取10例,其中7例用于训练,剩下的3例用于识别。表1给出各个参数识别结果的比较,从中可以看出各个参量的识别结果:
由上表可以看出,对于脉象信号而言识别率较好的特征参数为脉象信号的LPCC参数。MFCC 系数虽然在语音识别上效果较好,但脉象的频率特性并不符合MEL频率,所以在脉象识别中的效果并不理想。LPC系数只是计算脉象的自相关特性,但是采集到的脉象信号中还有血管等共振特性存在,所以其效果也不太理想。在语音识别中,对语音信号一般选取其LPC,LPCC,MFCC等为特征参数,由于语音信号的复杂性使得系统语音信号差异较大,用这些参数能较好地体现其差异,因此这些参数在语音识别中收到良好的效果[3]。但是脉象信号有其自身的特点,所以识别率不是很高。
5 结束语
基于VQ的病症脉象识别方算法简单,系统易于实现,有较好的识别率,对于临床确定病症、选方用药具有积极的作用。然而现有的脉象研究无论是特征表示还是分类器都是基于某单一的方法,且未能深入研究脉象特征参数与中医脉象本质的关系[5]。如果能将脉象信号自身特点与已有特征相结合取长补短,找到更好的参量用于病症脉象识别,那么这种无创伤的病症识别方案对于弘扬中医理论及在辅助诊断疾病方面必将起到积极的作用。选取合适的特征参数进一步的优化算法得到更具鲁棒性的脉象信号特征参数是下一步需要解决的问题。
参考文献
[1]费兆馥.中医脉象研究[M].北京:人民卫生出版社,1996.
[2]李永光,张文娟.现代脉象诊断研究[M].北京:中医古籍出版社,2003.
[3]赵力.语音信号处理[M].北京:机械工业出版社,2003.
[4]王炳锡,曲丹,等.实用语音识别基础[M].北京:国防工业出版社,2005.
一种野战便携式脉象检测仪的研制 篇5
脉象诊断起源于中国, 发展历史悠久[1]。健康人体的内外环境发生变化时, 正常脉象也会产生生理性变化。通过诊断脉象可以判别疾病的发生部位及其性质, 进而推断病情的轻重[2,3], 但脉象诊断结果会因中医的切脉程度不同而具有主观性、抽象性。在工程学与医学及计算机电子技术紧密结合的现代社会, 中医号脉发展比较缓慢, 很难被下一代完全继承。医疗仪器可辅助医生更精确地诊断病情, 协助护士更好地护理病人。现代的医疗仪器很多, 体积和重量也很庞大, 很难携带。在野战环境下, 使用普通的医疗仪器比较繁琐, 极为不便。
鉴于此, 军内需要一款携带方便并可适应野战环境的脉象仪[4]。我们研制了一款野战便携式脉象检测仪, 主要用于野战后勤保障部队对伤员脉象图谱的检测, 以提高后勤保障能力, 加快野战卫生装备的信息化发展[5,6]。
1 硬件设计
本设计采用适合脉象信号特征的HK2000G传感器, 根据传感器拾取的脉象信号的幅值、频率等特点, 选择具有高输入阻抗、高共模抑制比 (CMRR) 等特性的仪用放大器和数字电位器, 实现脉象信号的增益自动调整;设计低频和工频干扰的滤波电路, 完成脉象信号的滤波处理;根据信号频率特点, 采用8路12位的A/D转换芯片, 实现脉象信号的采集;并设计防电击电路, 保证脉象仪的使用安全。
1.1 脉象传感器的选择
脉象信号属于强背景噪声下的微弱信号[7], 因此选择用于拾取脉象信号的传感器至关重要。脉象信号主要是脉搏波动, 但医生号脉时也会给脉搏一个较小的压力。因此, 实际采集到的脉象信号是号脉压力与脉搏波动信号的叠加。基于此, 本设计采用HK2000G传感器。HK-2000G压阻式传感器可由电压或电流驱动产生正比于输入压力的毫伏级的电压输出信号, 具有优异的可重复性和时间稳定性, 非常适用于中医脉象诊断, 具有集成度高、可靠性高、体积小巧、灵敏度高等特点, 符合脉象信号采集的原则。
1.2 脉搏信号调理模块
脉象信号在经A/D转换之前需要经过信号调理。脉象传感器获取的信号非常微弱, 需要采取相关措施对信号进行放大, 但在放大有用信号的同时, 也会放大噪声信号, 这就需要将采集到的信号经滤波电路滤除部分噪声。信号放大滤波电路的设计需要满足保留有用信号、滤除噪声信号的要求, 因此放大滤波电路要具有“三高二低” (高输入阻抗、高CMRR、高安全性、低基线漂移、低杂音) 的特点[8,9]。
1.3 A/D转换模块
本设计采用基于MAX152CPP集成芯片的A/D转换模块。MAX152CPP是由两级比较型A/D转换器并行构成的, 具有A/D转换速度快的特点, 其输出端口采用的是三态锁存缓冲电路, 与8位微处理器的兼容性很好[10], 这些特点可极大地满足经放大滤波后的有用信号对A/D转换的要求。
1.4 主控模块与显示模块
有许多研究采用数字信号处理器 (DSP) 作为脉象检测仪的数据采集系统[11,12,13,14], DSP确实有很多好处, 但是价格也很高。为降低功耗和成本, 本设计采用AT89C2051单片机作为主控核心。AT89C2051单片机支持发送与接受同时进行的串行接口[15], 使用RS232将单片机与PC机连接, 以便后续将采集到的脉象信号传递到PC机上, 实现脉象信号的自动分析和诊断的功能。同时, AT89C2051单片机与LCD显示屏连接, 可实现脉象信号的实时显示功能。
1.5 电源模块及声光报警模块
电源模块为整个系统提供电源[16], MAX152CPP芯片的参考电压是3 V, 主控芯片的电压是5 V。电源模块可以提供15 V电压, 可以满足整个系统的正常工作。将数据传到上位机后, 如果时域参数超过正常值, 声光报警模块就会发出报警。
2 软件设计
2.1 功能设计
本设计的应用程序主要用于实现数据的采集、处理、显示等功能, 负责调度各应用程序模块, 并与其他设备及时交换信息, 实现系统软、硬件资源的整体管理。主程序流程图, 见图1。
2.2 特征值提取
正常脉象信号的时域图中, 脉象信号有三峰两谷, 见图2。这是一个典型的正常脉象信号的时域特征图, 在一个脉象信号周期中, h1表示主波峰值, 与左心室的射血功能及大动脉的顺应性相关;h3表示重搏前波幅值, 与动脉血管的弹性及外周阻力相关;h4表示降中峡幅度, 并且会随动脉血管的外周阻力的增大 (降低) 而增大 (降低) ;t是脉象信号周期; (Ps和Pd分别是收缩压和舒张压, Pm表示平均压) ;c表示峰值点的个数。
本设计采用阈值法求得脉象信号的时域特征值t、h3/h1、h4/h1、K、c。
本设计采用功率谱的分析方法提取脉象信号的频域特征值: (1) f0:基频, 功率谱中第一主峰所对应的频率, 可反映心脏搏动的基本频率, 即心脏跳动的快慢; (2) h0:前次峰值, 功率谱第一主峰前的一个峰值, 可反映测试者的呼吸频率; (3) x:功率谱谐波个数, 代表频率是基频整数倍的波峰的个数, 可在一定程度上反映脉搏的节律; (4) 谱能比:SER10=E10/E, E10表示脉象信号在0~10 Hz的谱能量, E表示脉象信号在主频率范围0~40 Hz的总能量。
3 实验分析
为验证脉象检测仪的性能, 在本市野外环境中采集了280名受过野外训练的人员的脉象信号, 并且由老中医为他们号脉诊断。其中8例样本的特征值参数, 见表1。
这些样本中平脉、沉脉、细脉、数脉、缓脉和弦脉的数量比例是2:1:1:1:1:1。利用支持向量机[17]和BP神经网络算法[14], 分别根据提取的所有特征值和其中的7个特征值t、h3/h1、h4/h1、K、f0、h0、x, 对采集的脉象信号样本进行分类识别。结果见表2~3。
由表2可知, 通过支持向量机对140例脉象信号的训练样本进行分类识别, 其中误判的脉象信号样本数为7例, 训练样本的正确识别率达95%;对140例脉象信号的测试样本进行分类识别, 其中误判的脉象信号样本数为12例, 测试样本的正确识别率达91.3%。由表3可知, 通过对脉象样本的识别, 该脉象检测仪对脉象信号测试样本的平均识别率可达89.9%。由表2和表3相比可知, 对于基于该脉象检测仪的脉象信号测试样本分类识别, 支持向量机算法的识别率比BP神经网络算法要高。
以上数据证明, 对于相同的分类识别算法, 并不是特征值的个数越多, 分类识别率就越高;对于相同的特征值个数, 采用不同的分类识别算法, 其识别率也不相同。对于该脉象检测仪, 采用支持向量机算法优越于采用BP神经网络算法。
4 结论