（信号与信息处理专业论文）基于图像序列的脉象识别.pdf

硕卜学位论文 曼! 曼! 曼曼皇曼曼曼鼍皇曼曼曼曼皇曼曼曼! 曼曼曼曼曼曼皇曼苎曼曼曼曼曼曼曼蔓曼曼曼! 鼍鼍m _ _nm m 皇曼曼皇蔓曼 摘要 脉诊之所以重要是由于脉象能传递机体各部分的生理病理信息，是窥视体内 功能变化的窗口，可以为诊断疾病提供重要的依据。对脉象的客观检测以及脉图 计算分析，不仅便于大规模、准确地收集并保存临床资料，而且还可以克服辩证 时主观心理因素的干扰，有效地总结临床经验，确切地评价中医成果。因此，中 医脉诊的客观化与科学规范化必将成为业界不断加大投入力度的一个重要领域。 目前从各种报道来看，用于脉搏信号检测的传感器多为单点或复合多点压力传感 器，而单点脉搏信号或简单几个点的脉搏信号不能细致反映切脉皮肤表面空间各 点的变化，无法全面描述脉象信息，取得的生理信息比较少。传统的脉象模型样本 来源，由于中医号脉的主观性和脉象样本切脉诊断时的非同步性会对样本的采集 造成一定的差异。在脉象的分析方法上， 时一频方面都有了全面和多样化的发展， 现。 一维脉象图的分析方法在时域、频域及 但在二维脉象图上分析方法几乎没有出 针对上述问题，本论文主要研究如何利用脉搏图像传感器获取多维的脉搏特 征参数，并利用这些参数结合人工神经网络进行脉象的识别。本文完成的主要工 作和创新概括如下： 首先简介了脉搏信号的特点以及脉搏传感器，脉象分析方法和脉象识别方法 的研究现状，并概括了要解决的问题和本文的主要贡献、研究内容。 第二部分先详细介绍了图像化脉搏信息采集装置的设计、工作原理及结构。 根据实际工作中存在的不足，对传感器进行了改进，使整个系统更加方便、实用。 接下来对中医脉象模拟系统的基本结构和工作原理进行了说明，并给出了实验的 流程图。 第三部分应用自制的基于单目c c d 摄像头的脉搏图像传感器，采集仿生手( 中 医脉象模拟系统) 桡动脉的动态脉搏图像序列，结合透镜成像原理，根据各帧图 像中网格面积的变化获取脉搏图像表面多点的三维离面位移变化量。在脉长方向 选取8 个网格点的数据和时间轴方向选取4 4 1 帧构成二维矩阵后将其转化为二维灰 度图像，利用三维离面位移变化量进行脉象的三维重构。在各脉象的二维脉象图 的空间域和频率域及三维脉象图的空间域进行了特征提取，为后续使用b p 人工神 经网络进行脉象的分类识别提供了输入向量和样本数据。 最后，分别使用了p n n 、s o m 、b p 、e l m a n 四种人工神经网络对四种脉象进行综 合分类和模式识别。利用从脉象二维图空间域和频率域提取的脉搏脉率、总能量、 高频分量、低频分量及脉象三维重构图中提取的脉宽，构成1 1 个特征向量并为每、 一个脉象类别制定相应的推理规则及参数设定，对每一个脉象样本进行了训练和 l 基于图像序列的脉象识别 i i 测试，最后对各个神经网络在脉象分类和识别中的性能作了对比和分析。 实验结果表明从脉象二维图空间域和频率域及三维空间域提取的特征参数与 人工神经网络相结合使脉象的识别率得到了大大的提高，为脉诊客观化研究提供 了新的思路和方法。 关键词：脉搏图像传感器；动态图像；二维图像信息；三维图像重构；特征提取； 脉象识别；人工神经网络 i i a b s t r a c t t h ep u l s ed i a g n o s i si si m p o r t a n tb e c a u s et h ep u l s e sc a nt r a n s f e rt h em e s s a g eo f p h y s i o l o g ya n dp a t h o l o g yi ne a c hp a r to fb o d y , i ti st h ew i n d o wt ol o o ki n t ot h e c h a n g eo fb o d yf u n c t i o n ，a n da l s oc a np r o v i d ei m p o r t a n tb a s i sf o rd i a g n o s i so fd i s e a s e t od e t e c tt h ep u l s eo b j e c t i v e l ya n da n a l y z et h ep u l s ei m a g e ，n o to n l yf o re x t e n s i v e a n da c c u r a t ed a t ac o l l e c t i o n ，b u ta l s oc a no v e r c o m et h ei n t e r f e r e n c eo fs u b j e c t i v e p s y c h o l o g i c a lf a c t o r s ，s u m m a r i z et h ec l i n i c a l e x p e r i e n c e ，a n de v a l u a t et h er e s u i t e x a c t l y t h e r e f o r e ，t h eo b je c t i f i c a t i o na n ds t a n d a r d i z a t i o no fc h i n e s em e d i c i n e d i a g n o s i sw i l lb e c o m ea ni m p o r t a n tf i e l do fi n c r e a s i n gi n v e s t m e n ti nt h ei n d u s t r v c u r r e n t l y , f r o mv a r i o u sr e p o r t sw ec a ns e et h a tt h es e n s o r si nu s eo fp u ls es i g n a l d e t e c t i o na r em o s t l ys i n g l ep o i n to rc o m p o s i t ep o i n t sp r e s s u r es e n s o r a n d s i n g l ep o i n t o fp u l s es i g n a lo rs i m p l ys e v e r a lp o i n t so f p u l s es i g n a lc a nn o tr e f l e c tt h ep a r t i c u l a r c h a n g eo f e a c hp o i n ti ns u r f a c es p a c eo fp u l s e t a k i n gs k i n ，i tc a n n o tf u l l yd e s c r i b et h e i n f o r m a t i o no fp u l s e i m a g e ，s ot h e r ew i l lb el e s sp h y s i o l o g i c a li n f o r m a t i o nw ec a ng e t f o rt h et r a d i t i o n a lm o d e lo fs a m p l e s o u r c e ，b e c a u s eo ft h es u b j e c t i v i t va n d a s y n c h r o n i z a t i o ni n d i a g n o s i so fp u l s es a m p l e ，t h e s a m p l i n gw i l lh a v ec e r t a i n d i f f e r e n c e s i nt h em e t h o do fa n a l y z i n gp u l s ei m a g e ，w ef i n dt h a t o n e d i m e n s i o n a l p u l s ei m a g ea n a l y s i si nt i m ed o m a i n ，f r e q u e n c yd o m a i na n dt i m e f r e q u e n c yh a saf u l l a n dv a r i o u sd e v e l o p m e n t ，b u tt h e r ea l m o s th a v en os i g h to ft w o d i m e n s i o n a lp u l s e i m a g ea n a l y s i s t os o l v et h e s ep r o b l e m s ，t h i sp a p e ri sm a i n l ys t u d yf o rh o w t ou s et h ep u l s ei m a g e s e n s o rt og e tt h ep a r a m e t e r so fm u l t i d i m e n s i o n a l p u l s ef e a t u r e ，a n dw i t ht h e s e p a r a m e t e r sc o m b i n i n gt h ea r t i f i c i a ln e u r a ln e t w o r kt oi d e n t i f yp u l s e t h em a j o rw o r k a n di n n o v a t i o n ( c h a p t e r3 ，4 ) a r es u m m a r i z e da sf o l l o w s ： t h i sp a p e rf i r s ti n t r o d u c e st h er e s e a r c hs t a t u so ft h ec h a r a c t e r i s t i c so f p u l s es i g n a l a n dp u l s es e n s o r , p u l s ea n a l y s i sa n dp u l s er e c o g n i t i o n ；o u t l i n e st h ep r o b l e m st o b e s o l v e da n dt h em a i nc o n t r i b u t i o n ，t h er e s e a r c hc o n t e n to ft h i sp a p e r t h es e c o n dp a r tf i r s ti n t r o d u c e st h ed e s i g n ，w o r k i n g p r i n c i p l ea n ds t r u c t u r eo ft h e i m a g e l i z e dc o l l e c t i o nd e v i c eo fp u l s ei nd e t a i l a c c o r d i n gt ot h es h o r t a g ei np r a c t i c a l w o r k ，w ei m p r o v et h es e n s o rt om a k et h ew h o l es y s t e mm o r ec o n v e n i e n ta n d p r a c t i c a l t h e nw ee x p l a i nt h eb a s i cs t r u c t u r ea n dw o r k i n gp r i n c i p l eo ft h ep u l s es i m u l a t i o n s y s t e m ，a n dg i v et h ef l o wc h a r to fe x p e r i m e n t i nt h et h i r dp a r t ，t h ed y n a m i cp u l s e i m a g es e q u e n c e so fb i o n i ch a n da r ec o l l e c t e db v m 幕于图像序列的脉象识别 。- - 曼! 曼i 皇曼曼曼曼舅蔓曼! 曼曼曼曼皇曼曼曼曼曼曼曼曼皇曼曼曼曼毫舅舅曼皇皇曼寰曼曼皇皇曼曼皇曼舅 p u l s ei m a g es e n s o r , w h i c hi ss e l f - m a d eb a s e do nc c dm o n o c u l a rc a m e r a a c c o r d i n g t ot h ec h a n g eo fg r i da r e ai ne a c hf r a m e ，w ec a n g e tt h et h r e e d i m e n s i o nd i s p l a c e m e n t v a r i a t i o no fm u l t i p l ep o i n t sf r o mp u l s ei m a g es u r f a c e t h ed a t ao f8g r i d p o i n t s s e l e c t e di n p u l s el e n g t ha n d4 4 1f r a m e ss e l e c t e di nt i m ea x i sa r ef o r m e di n t o t w o d i m e n s i o n a lm a t r i x ，t h e ni ti st r a n s f o r m e di n t ot w o d i m e n s i o n a lg r a ys c a l ei m a g e u s i n gt h r e e - d i m e n s i o n a lv a r i a t i o no ft h ed i s p l a c e m e n tt or e c o n s t r u c tt h ep u l s ei n t h r e e d i m e n s i o n e x t r a c tt h ef e a t u r eo fe a c hp u l s ei ns p a t i a ld o m a i na n df r e q u e n c y d o m a i no ft w o d i m e n s i o n a lp u l s ei m a g ea n di ns p a t i a ld o m a i no ft h r e e d i m e n s i o n a l p u l s ei m a g e ，t h e na c c o r d i n gt ot h ef e a t u r ee x t r a c t e da n dc o m b i n i n gw i t hb pa r t i f i c i a l n e u r a ln e t w o r kf o rr e c o g n i t i o no f p u l s e f i n a l l y , t h er e s p e c t i v e l yu s i n gp n n ，s o m ，b p , e l m a na r t i f i c i a ln e u r a ln e t w o r ko f f o u rc o m p r e h e n s i v ec l a s s i f i c a t i o no ft h ef o u r p u l s ea n dr e c o g n i t i o n p u l s eu s i n g t w o - d i m e n s i o n a lm a pf r o mt h es p a c ed o m a i na n df r e q u e n c yd o m a i ne x t r a c t i o np u l s e p u l s er a t e ，t o t a le n e r g y , h i g h f r e q u e n c y , l o wf r e q u e n c yc o m p o n e n ta n d t h r e e d i m e n s i o n a lr e c o n s t r u c t i o nm a p s p u l s ew i d t he x t r a c t e dt of o r mf e a t u r e11 v e c t o r s ap u l s ef o re a c ht y p eo fi n f e r e n c er u l e st od e v e l o pa n ds e tp a r a m e t e r so nt h e p u l s eo fe a c hs a m p l ew a st r a i n e da n dt e s t e d ，a n df i n a l l yo nt h ev a r i o u sn e u r a l n e t w o r k sa n dt h ei d e n t i f i c a t i o no f p u l s ep e r f o r m a n c ea r ec o m p a r e da n da n a l y z e d t h er e s u l t ss h o wt h a tt w o - d i m e n s i o n a lm a pf r o mt h ep u l s es p a t i a la n df r e q u e n c y d o m a i na n dt h r e e - d i m e n s i o n a l s p a c ed o m a i nc h a r a c t e r i s t i cp a r a m e t e r se x t r a c t i o n c o m b i n e dw i t ha r t i f i c i a ln e u r a ln e t w o r k st o i d e n t i f yp u l s er a t eh a sb e e ng r e a t l y i m p r o v e df o rp u l s ed i a g n o s i sr e s e a r c hh a sp r o v i d e dn e wi d e a sa n dm e t h o d s k e y w o r d s ：p u l s ei m a g es e n s o r ；d y n a m i ci m a g e ；t w o - d i m e n s i o ni m a g ei n f o r m a t i o n ； t h r e e d i m e n s i o ni m a g er e c o n s t r u c t i o n ；f e a t u r ee x t r a c t i o n ；p u l s e r e c o g n i t i o n ；t h ea r t i f i c i a ln e u r a ln e t w o r k i v 插图索引 图2 1 传感器基本结构图1 0 图2 2 改进后的采集装置实物图1 3 图2 3 脉象模拟系统的结构原理框图1 4 图2 4 脉搏图像信息采集流程图1 5 图3 1 脉搏图像传感器采集仿生手( 中医脉象模拟系统) 示意图1 6 图3 2 透镜成像原理图1 7 图3 3 图像序列4 4 1 x 7 x 8 的数据矩阵1 9 图3 4 平脉与滑脉、迟脉、濡脉的二维脉搏图像的对比图2 0 图3 5 四组脉象图通过边缘检测提取周期的对比图2 0 图3 6 平脉二维图像经过二维f f t 变换后的频谱图2 1 图3 7 滑脉二维图像经过二维f f t 变换后的频谱图2 1 图3 8 迟脉二维图像经过二维f f t 变换后的频谱图一2 2 图3 9 濡脉二维图像经过二维f f t 变换后的频谱图2 2 图3 1 0 脉力沿脉道的横向的分布2 3 图3 1 l 平脉二维灰度图进行强度曲线分析后提取的三维重构的帧数一2 7 图3 1 2 滑脉二维灰度图进行强度曲线分析后提取的三维重构的帧数2 7 图3 1 3 迟脉二维灰度图进行强度曲线分析后提取的三维重构的帧数2 8 图3 1 4 濡脉二维灰度图进行强度曲线分析后提取的三维重构的帧数2 8 图3 1 5 脉搏波主波峰值处的三维重构示意图一2 9 图3 1 6 平脉提取脉宽的三维示意图3 0 图3 1 7 滑脉提取脉宽的三维示意图3 0 图3 1 8 迟脉提取脉宽的三维示意图3 l 图3 1 9 濡脉提取脉宽的三维示意图一3 1 图4 1p n n 网络的结构3 3 图4 2 传递函数3 7 图4 3 两层b p 网络结构3 8 图4 4 隐层结点数取值2 1 时网络的训练误差曲线4 1 图4 5 隐层结点数取值2 2 时网络的训练误差曲线4 2 图4 6 隐层结点数取值2 3 时网络的训练误差曲线4 3 图4 7 隐层结点数取值2 4 时网络的训练误差曲线4 4 图4 8e l m a n 神经网络的模型4 5 v 基于图像序列的脉象识别 图4 9 网络的训练误差曲线4 6 v i 硕。卜学位论文 曼曼曼曼曼曼蔓曼曼蔓曼曼曼皇曼皇曼曼曼曼曼曼皇曼曼曼曼! ! 曼! 曼! 曼! 曼曼曼曼曼曼! 曼曼i；i 舅曼曼曼皇曼皇曼皇皇曼毫曼皇曼曼曼曼曼曼曼! 曼曼暑量曼皇曼曼曼蔓曼 附表索引 表3 1 四种脉象频域特征点幅值对比( 第一组) 一2 4 表3 2 四种脉象频域特征点幅值对比( 第二组) 2 5 表3 3 四种脉象频域特征点幅值对比( 第三组) 2 5 表3 4 四种脉象频域特征点幅值对比( 第四组) 2 6 表3 5 四种脉象频域特征点幅值对比( 第五组) 2 6 表4 2 网络训练输入向量的1 6 组样本数据a 一3 9 表4 3 网络训练输入向量的1 6 组样本数据b 3 9 表4 4 网络测试输入向量的4 组样本数据a 4 0 表4 5 网络测试输入向量的4 组样本数据b 4 0 v i l 兰州理工大学学位论文原创性声明和使用授权说明 原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取 得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何 其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献 的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法 律后果由本人承担。 作者签名：震凑 日期：2 。d 年多月手日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，即：学 校有权保留并向国家有关部门或机构送交论文的复印件和电子版，允许论 文被查阅和借阅。本人授权兰州理工大学可以将本学位论文的全部或部分 内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保 存和汇编本学位论文。同时授权中国科学技术信息研究所将本学位论文收 录到中国学位论文全文数据库，并通过网络向社会公众提供信息服务。 日期：2 一向年歹月年日 日期：2 0 。年月牟e l 乡d磁t 邀镛 即谬 签签 者师 作导 硕十学位论文 第1 章绪论 本章首先简介本文的研究背景，简单回顾了脉诊仪的研制及分析方法的研究 进展，接着引入本论文的研究重点基于脉搏图像序列的脉象分析及识别，然 后提出论文准备研究的基本问题和主要目标，最后，阐述了本文的贡献和内容安 排。 1 1 研究背景 1 1 1脉诊仪的研究发展 脉诊是中医学四诊的重要组成部分，也是中医辨证施治不可缺少的客观依据。 在传统的脉象研究中，中医一直是靠不同指法下的指感来分辨脉象，靠运用生动 的自然景象或想象的示意图形来比喻脉象的。这些比喻缺乏明确的物理含义，加 之各人指下体会难免存在主观性，使得这种脉象鉴别方法不能建立统一的客观标 准。为了实现脉诊的客观化、数据化，使中医脉象学得到更好的继承和发展， 2 0 世纪5 0 年代中期，中国的中医、中西医结台和生物医学工程界的科技工作者运 用现代科学方法，围绕中医脉学理论率先开始了中医脉象的客观化研究工作。此 后，日本、韩国和美国等都有人从事这一工作的研究乜 5 ，。近十几年来，国内外 医学、生物、工程学等交叉学科学者，运用多种方法和测试技术。研制出多种性 能各异的脉诊仪，m x 一3 c 型( 仪器主要特点：采用梯形刚性触头悬臂梁换能器，检 测重复性好，具有取脉压力定量指示电表) 、m x - 8 1 1 型( 仪器主要特点：采用液 态传感器，输出血液动力学5 6 个参数指标) 、z m - i i i 型( 仪器主要特点：由单头 测力式脉象换能器及脉象仪组成，同步输出脉象图，脉象微分图、取脉压力模拟 量及心电一脉图时差图) 、b y s - 1 4 型四导脉象仪( 仪器主要特点：采用应变式 刚性圆触头悬臂梁换能器，插件式整机结构) 、m t y a 型脉图仪( 仪器主要特点： 具有检测脉管粗细的换能器，利用电子扫描开关电路绘制出脉管粗细示意图，采 用浮沉自动加压电路自动描记电路绘出浮沉趋势图) 等哺7 1 。近年来，国外对桡 动脉脉搏波的研究方法，大多是把适当的传感器置于被测部位，将脉搏的搏动转换 成电信号，然后进行放大，将微弱的生理病理信号用记录仪记录，再对脉搏波进行 分析诊断。石山仁等用手术的胶皮手套，把半导体的应变计作为检测压脉波并作记 录的脉波计贴于手指部位，并用此种脉波计测定了2 0 4 0 岁健康入的六部定位脉 波哺1 。藤田六郎研制出非接触式光电管容积脉诊仪，后用日本光电k k 超声波脉诊 仪进行了实验，证实了作者提出的存在1 i ) 种体型的可能性，同时还确认在脉诊部位 基于图像序列的脉象识别 有五行循环的存在旧1 。冈田腾用陶瓷型压力传感器，开发出适合于浮、中、沉各压 力等级的元件，并用此传感器采集得到了全部脉象对应的脉搏图形，分析后得到满 意结果。由此可见，国外在脉诊仪的研究上正朝着超声显像方面发展，脉搏图也 进入了由波示图到声像图的研究新阶段1 。国内近1 0 多年来，也研制出许多种性 能各异的脉诊仪。脉诊仪区别最大的就是传感器。传感器可分为机械式、压电式、 光电容积式等多种，其中以压电式较为成熟和实用，并且采用了压电晶体、半导体 应变片、高分子压电薄膜和液态可变电阻等压电材料。郑行一研制出一种多维脉 象检测系统，可在寸、关、尺的三部不同位点，同时采集6 3 道压力脉图，对脉搏进行 多维分析n 引。另外，为了得到脉象信息采集过程中软组织变形程度及软组织固有 的弹性、硬度等力学参数对切脉压力的影响程度，在原来单探头传感器基础上， 设计了双探头复合式脉象传感器n 3 1 们。即由外围传感器和中心传感器组成双探头 传感器，中心传感器测得单纯垂直方向的力，而外围传感器测得脉搏搏动力、皮 肤切向张力等的综合力。对两路信号进行运算能区分血管径向搏动力、轴向张 力、血管等效硬度等力学指标。胡家宁等研制了三头式仿中医脉象传感器在临床 中得到了实际应用，并取得了满意的测试结果n 朝。此外，柳文仪等用二维及彩色多 普勒的方法直接观察脉管管径，管壁的厚度，充盈情况，血流频谱情况等，开创了对 脉象客观化、科学化研究的新方法n 引。近几年来，脉诊仪的研究上也有朝着超声 显像方面的发展，牛欣等研制的中医取脉装置，该装置取脉探头由b 型超声仪与压 力传感器耦合，利用该装置探测正常寸口桡动脉的声像图，测量其远桡骨小头处 与皮肤之间的距离、内径、血管运动的变化，可以实时直观观察寸口桡动脉运动 情况n7 1 。脉搏图也进入了由波示图到声像图的研究新阶段。 1 1 2脉象分析方法的研究发展 对于脉搏波包含的多方面、综合的信息，单靠直观形态分析法会将许多重要的 信息遗漏，因而，目前分析方法向更加全面与多样化发展。目前所用的分析方法主 要有时域、频域分析及时一频结合分析三大类。 将传感器检测到的脉搏信号在时域描绘出来，这就得到了所谓的”脉图”。脉 图是脉管径向搏动的轨迹，它主要综合了心脏射血活动和脉波沿血管树传播过程 中所携带的各种生理信息。因此，脉图曲线上主波幅度、重搏波幅度，相应的时 间间隔、脉图面积、拐点、夹角等都有其生理意义。为了更好地反映脉图特征和 心血管状态，一般取各项幅度参数的相对比值，从而到达更高的灵敏度和准确性。 常用的脉图有脉波图、微分图、取脉压力图和时差图等四种。傅骢远在研究了脉 诊浮、沉、虚、实的客观指标的基础上，指出取脉压力一主波幅关系曲线可作为判 别浮、沉、虚、实的客观指标，并给出了具体数值n 引。李景堂提出了利用寸、关、 2 硕卜学位论文 尺部位的脉波一脉位趋势图、脉象波形图、脉率趋势图、脉道形态示意图来进行脉 象的多因素分析方法n 引。李冰星等运用多元回归分析法，开展了阳虚、气虚特征 指标的提取，得到回归方程，以脉图参数作为客观化诊断指标之一具有可行性。 速率图分析法即在脉图波形经微分处理后所得的曲线，该曲线可以反映脉象波形 在每一点的变化速度，对于比较各种波形的升支变化率尤有帮助。在特征分析方 面，还可以采用统计方法，计算脉图采样点的均值向量、协方差矩阵等统计特性， 作为脉象判别的依据。早期的脉象分析仪往往都是采用这种时域分析方法。从6 0 年代至8 0 年代，时域分析虽然取得了许多研究成果，但这种方法存在明显的不足： ( 1 ) 脉象图”中的许多时域特征( 如”重波前波、”切线斜率”等) 不明显、多 凭经验估计很难准确确定，随机误差很大。( 2 ) 脉图的各种时域分析方法采用的 特征参数很多且各不相同，缺乏统一的标准。( 3 ) 时域脉图法分析往往仅建立在 一个脉搏周期曲线上的某些点的波形特征，不能利用和体现脉搏所包含的全部信 息。因此，采用时域分析方法对脉象的识别正确率比较低，约为5 0 - - 一6 0 乜1 2 副。 频域分析也是脉象分析中较常用的分析方法。频谱分析的基本出发点是：一 个随时间周期性变化的量可以通过傅里叶变换分解为它的简谐分量，从而可以分 析该周期变量的频域特征。先将时域脉搏信号进行傅里叶变换后，得到相应的脉 搏频谱曲线，通过频谱曲线的特征提取，实现脉象分类。研究认为，频谱的主峰 值对应脉率值，接下来的两个旁瓣的峰值与心脏射血期的活动有关，频谱的高频 段也与血管的特征及局部微循环特征有关。但是有时候脉象信号分析中f f t 谱的特 征峰值不是很明显，这与对信号的突然截断造成的频谱泄漏有关。也有的提取信 号的功率谱特征值，如基于最大熵谱估计的算法，它首先根据离散采样信号进行 a r ( 自回归模型) 模型拟合，然后根据模型参数计算功率谱。应用a r 谱分析脉搏 波信号时，可以得到比f f t 谱更光滑、特征更明显的谱线，并且可分辨出在动脉硬 化等心血管疾病时a r 谱峰值频率及建模参数仍的变异乜钉。由于在分析随机信号时 高阶累积量比高阶矩更为适用，基于高阶谱的脉象分析也得到了应用。其中最常 用的高阶谱是三阶谱，也称双谱，定义为三阶累积量的二维傅里叶变换双谱阶 数最低，计算量小，成为高阶谱分析中的热点。常用的功率谱分析方法不同，双 谱不仅有幅度信息，还有相位信息，因而能更好地反映脉象信号的特征信息。李 玉韩等人根据脉象信号的非高斯随机特性，应用双谱估计对吸毒者脉象信号进行 分析，旨在提取区别正常人的异常信息，作为与正常脉象相区别的判断依据陋引。 宋建勤等运用倒谱理论讨论了正常心律和非正常心律受检者的脉搏信号在倒谱域 中的特征表现，并通过对2 8 6 例脉搏信号的倒谱分析，发现代脉信号与其他正常心 律脉搏信号的倒谱特征差别显著瞳引。 在时频联合分析方面，比较常用的有基于短时傅里叶变换和小波变换的分析 3 基于图像序列的脉象识别 法。周霞等应用全极点滑动窗递归算法，通过对比1 5 例吸毒者和1 5 例正常人脉象 信号的离散短时功率谱，发现吸毒者脉象信号在特定时频区域内的平均功率值异 一般高于正常人的值。提出了以平均功率眉与总平均功率p 的比值为特征参数，作 为用于划分正常人和吸毒者的临界参数心7 1 。短时傅立叶变换( s t f t ) 方法最主要的 优点是容易实现、计算简洁有效。而主要的缺陷是时间和频率分辨率在整个时频 平面上固定不变。另外的限制是对一个特殊的信号，要获得最佳分辨率，窗的选 择非常的重要。小波变换是另外一种重要的线性时频表示，它在时频平面上具有 可变的时间和频率分辨率，把f f t 中的正弦基函数修改成在整个时频平面上具有可 变时频分辨率的基函数，使得它在高频区域能够提供高的时间分辨率，而在低频 区域能够提供高的频率分辨率。小波变换这种独特的能力使其成为分析脉搏这种 非平稳信号的有力工具。在目前已知的小波函数中，复值调制的g a u s s i a n 函数是 使用最高的小波之一。王炳和等利用小波变换奇异性检测功能与多尺度分辨特性， 提出了两种提取脉象信号特征的方法：连续小波变换法和二进小波变换法。在此 基础上，构造了两种特征向量：小波变换系数的尺度一主波峰值和小波变换的尺度 一能量值。对临床采集的2 3 5 例脉象信号使用该方法的处理与分析统计后较好地区 分正常人与心脏病人的脉象信号。运用小波模极大方法进行脉象信号周期分割 和基本分解，沿时间排列并符号化脉象波上升沿与下降沿的模极大特征点、脉象 波谷底和波峰的模极大特征点。结果确定了不明显的重搏前波、重搏波，以及在 主波上升沿和下降沿上出现的不规则脉波，并进一步准确提取了脉象信号的多尺 度特征和各种时域特征口引。谢家宇等应用连续小波变换分析了吸毒者和正常人的 脉象信号，发现在0 2 0 4 s 的时间间隔内，两者脉象信号的连续小波变换系数间 存在显著差异。并提出了划分海洛因吸毒者与正常人的临界参数训。 1 1 3脉象分类方法的研究发展 对于脉搏信号脉象的识别和分类研究已有近三十年的历史。本世纪7 0 年代， 邢锡波先生将脉象特征由手指的感觉转化为图形，但当时还不是脉象的测量结果， 只是个人长期经验的示意图。8 0 年代初，有人对测量记录的脉象图参数在时域内 进行人工测量、标定，并依此对脉象进行识别，使脉象客观、定量的分类研究有 了新进展。脉象的计算机识别主要困难在于：( 1 ) 脉象信号的特征差异不仅表现 在时域波形的形态上，而且表现在频域的能量分布、频谱的形状及韵律等特征 上( 2 ) 中医所言的同一脉象，在不同人之间，其时域形态也存在差别。因此到目 前为止，脉象的计算机特征提取和识别仍令人很不满意。仅仅建立在以时域特征为 基础的计算机识别效果，是不可能达到医生的诊断水平的，原因是中医脉象的许多 指标是医生在长期的临床实践过程中归纳出来的，它表现在脉象的频率、节律、 4 硕i j 学位论文 强弱、形态、深度等许多方面，绝不是一个时域波形就可完全表现的。8 0 年代出 现的用句法分析指导的脉象模糊属性识别方法，从检测到的脉搏波上进行采样、 基元抽取及基元属性提取等，然后作分类，这就使得计算机识别有可能突破医生 的水平n 2 3 6 1 ，它从根本上抛开了人工测定脉图指标的判据。王炳和等对脉搏声信 号进行a r 模型拟合来完成特征提取，并通过k l ( k a r h u n e n l o e v e ) 变换实现特 征压缩。然后讨论了一种新的f u z z y 聚类方法一一f p f s r 聚类法，最后给出了 对临床实测脉象信号聚类的实验结果。但研究结果显示这种聚类的正确率还不是 令人满意有待于提高。近年来随着计算机c p u 主频的迅速提高，内存大幅提升及 并行处理技术的迅猛发展，使得人工神经网络( a r t i f i c i a ln e u r a ln e t w o r k ) ，模 拟人脑仿真的功能逐步得到了发挥和利用。因此，利用人工神经网络a n n 和数学 模糊理论相结合的方法，对人体脉象信号进行高正确率的识别已成为现实。王炳 和等用传统的模糊聚类方法对4 种常见脉象( 平、弦、滑、细脉) 识别的正确率平 均约为7 5 ，而采用神经网络方法对这4 种脉象进行识别的正确率平均达到8 7 。基于脉象模糊性处理的要求，胡家宁等提出一种以人工神经网络为手段的智 能脉象分析系统模型口7 1 。该人工神经网络辨识系统不以单一脉本身为处理对象， 而是考虑它是否是某些足以将其区分的特征的组合。通过对采样数据的实际处理， 按照各特征网络训练的要求，形成了样本数据库，探讨了神经网络用于脉象分析 的特点，系统分析结果证实了人工神经网络用于脉象分析的可行性和优势。 1 2 本论文主要内容和贡献 通过研究和总结国内外的脉象分析系统中脉诊仪、脉象分析方法和脉象分类 的研究方法，发现已有的方法存在以下的缺点和不足： 1 目前从各种报道来看，用于脉搏信号检测的传感器多为单点或复合多点 压力传感器，而单点脉搏信号或简单几个点的脉搏信号不能细致反映切脉皮肤表 面空间各点的变化，无法全面描述脉象信息，取得的生理信息比较少。近几年来， 脉诊仪的研究上也有朝着超声显像方面的发展，取脉探头由b 型超声仪与压力传 感器耦合，脉搏图也进入了由波示图到声像图的研究新阶段，但在脉长方向上仍 然只是获取了单一截面上的脉象信息。 2 传统的脉象模型样本来源基本取自中医院的脉象数据库或采用双盲法即 让两位有经验的老中医号脉以后确定脉象类别，取相同的脉象作为样本。由于中 医号脉的主观性和脉象样本切脉诊断时的非同步性会对样本的采集造成一定的差 异。 3 在脉象的分析方法上，一维脉象图的分析方法在时域、频域及时一频方面 都有了全面和多样化的发展，但在二维脉象图上分析方法几乎没有出现。 基于图像序列的脉象识别 针对上述问题和不足，本文重点研究了如何从脉搏图像传感器采集的脉搏图 像序列中获取脉象二维图像空间域和频率域的特征提取和分类，主要贡献如下： 1 应用自制的基于单目c c d 摄像头的脉搏图像传感器并对其结构进行适当 的改进，使其结构更符合实验的需要和要求，采集脉搏视频序列根据各帧图像中 网格面积的变化获取脉管径向离面位移信息，并将其转化为多组脉长方向上的二 维灰度图像。 2 脉象模型采用了仿生手( 中医脉象模拟系统) 避免了不同年龄、性别，不 同人体质的差异以及情绪、气候、运动等因素对脉象的影响，同时产生都是单一 的脉象而非相兼脉，这样可以让最终数据更能反应脉象的特征。本次实验采用能 够产生平脉、滑脉、迟脉、濡脉的a 组脉象模拟系统引。 3 对各脉象的二维脉象图进行图像域和图像频域的分析及特征提取，应用该 方法可较直观的获取脉搏图像表面多点离面位移变化信息，并可根据提取的特征 量进行脉象的分析及分类。 1 3 论文结构及内容安排 第一章首先对本论文要研究的工作背景进行简述，并回顾了中医脉诊仪国内 外的研究现状，脉象分析方法的研究进展以及脉象分类方法的研究进展，总结了 需要解决的问题，从而给出了本文的研究方向。 第二章对自制的基于单目c c d 摄像头的脉搏图像传感器的结构进行了说明和 分析，并对其进行适当的改进，使其结构更符合实验的需要和要求，提高了采集 装置的可靠性和合理性；接着对中医脉象模拟系统( 人体仿生手) 的结构以及产 生脉象模型的基本原理进行了分析和说明。 在第三章中，着重研究脉搏二维灰度图像的特征提取方法。应用脉搏图像传 感器采集仿生手( 中医脉象模拟系统) 桡动脉的动态脉搏图像序列，结合透镜成像 原理，根据各帧图像中网格面积的变化获取脉管径向离面位移信息，并将其转化 为多组脉长方向上的二维灰度图像，j 对各脉象的二维脉象图进行图像域和图像频 域的分析及特征提取，应用该方法可较直观的获取脉搏图像表面多点离面位移变 化信息，并可根据提取的特征量进行脉象的分析及分类。根据各帧图像中网格面 积的变化获取脉脉搏图像表面多点的三维离面位移变化量，可利用三维离面位移 变化量进行脉象的三维重构9 4 13 。通过对脉搏二维灰度图进行强度曲线分析后选 取峰值较高的帧数即脉搏波主波峰值处的帧数进行三维重构，然后从三维重构图 的空间域中提取脉搏的脉宽特征参数。 在第四章中，分别使用p n n 、s o m 、b p 、e l m a n 四种人工神经网络h 扣，利用从 脉象二维图空间域和频率域提取的脉搏脉率、总能量、高频分量、低频分量及脉 6 硕十学位论文 象三维重构图中提取的脉宽，构成11 个特征向量对四种脉象进行综合分类。对每 一个脉象样本进行训练，并为每一个脉象类别制定相应的推理规则，从而完成人 工神经网络的初始化。接下来，对人工神经网络的参数进行细调，进而完成模糊 神经网络的建立。最后对各个神经网络在脉象分类和识别中的性能