脈診作為傳統中醫(yī)診斷方法的重要構成部分,其客觀化研究是當代傳承和發(fā)展中醫(yī)的關鍵方面之一。傳統中醫(yī)脈診中,中醫(yī)師通過切按脈搏,從脈率、脈位等多個脈象要素上感知機體脈象和辨別病癥。目前的脈診客觀化研究在處理分析脈搏波信號時大多無法與中醫(yī)臨床切脈診病理論相結合,不僅難以復現脈診的個性化診斷機制,也未能充分利用脈搏波信號中攜帶的豐富生理病理信息。本文以中醫(yī)脈診理論為基礎,綜合應用多種信號處理和機器學習方法,研究探討了脈搏波信號從預處理、特征提取和評估到脈象分類識別的完整處理分析過程。首先提出了脈搏波信號預處理及特征提取方法和針對非典型脈搏波進行特征點探測的方法;然后提出了從脈搏波信號中提取呼吸信息的方法,并基于此設計驗證了具有個性化判斷機制的脈率要素分類器;通過多段取脈壓力下脈搏波信號的處理設計了脈位要素分類器;通過特征選擇和應用Xgboost、支持向量機算法訓練出脈形、脈勢要素分類器;最后從脈搏波特征重要性評估篩選和呼吸波特征補充提取兩個嶄新的角度探討了哮喘病脈的脈搏波信號分類問題。為了驗證本文提出的四種脈象要素分類器用于脈診臨床輔助診斷的可行性,將脈象要素分類器應用于哮喘病脈數據集,并使用... 

【文章來源】：華東理工大學上海市 211工程院校 教育部直屬院校

【文章頁數】：85 頁

【學位級別】：碩士

【部分圖文】：

圖２．１典型平脈脈搏波信號波形??Ｆｉｇ．?２．１?Ｔｙｐｉｃａｌ?ｎｏｒｍａｌ?ｐｕｌｓｅ?ｓｉｇｎａｌ?ｗａｖｅｆｏｒｍ??

位論文??＿?原始脈搏波信３??Ｕ．Ｉ?１?１?＇?：?１?；?５?ｊ??蠢。伽驅??Ｑ?＜ｊ???Ｓ???丄?Ｘ－?ｉ＿?＿ｉ?＾?」??＿．Ｊ??０?５?１０?１５?２０?２５?３０?３５?４０??時間／Ｓ??＿?小波去噪后的脈搏波信弓??Ｕ．Ｉ?■?ｉ?ｉ?：?ｉ?？?｝?；??Ｑ?１??｜?！?｜?ｉ?！?；?Ｉ?；??０?５?１０?１５?２０?２５?３０?３５?４０??時間／Ｓ??圖２．２小波去噪前后前后對比圖??Ｆｉｇ．?２．２?Ｃｏｎｔｒａｓｔ?ｏｆ?ｗａｖｅｌｅｔ?ｒｅｃｏｎｓｔｒｕｃｔｉｏｎ?ｄｅｎｏｉｓｉｎｇ?ｅｆｆｅｃｔ??２．２．２脈搏波信號分割提取??對于降噪后的脈搏波信號，在做進一步分析前通常需要進行特征提取，對脈搏波波??形特征的提取通過脈搏波時域分析獲得，但一例脈搏波數據是由受試者在一段時間內連??續(xù)采集而得的多周期信號序列，而脈搏波信號又是有時頻隨機變化特性的非平穩(wěn)信號，??因此多周期信號間會存在一定的差異，不同的受試者采集而得的脈搏波信號在幅值、周??期等因素上差異更難以統計。為了使脈搏波信號數據樣本在時域分析中所提取的特征具??備統一的可比性，通常需要先對多周期脈搏波信號進行周期分割、單周期脈搏波波形平??均、標準化以及重采樣等預處理［２６］。??對多周期脈搏波信號進行周期分割首先需要確定信號的谷峰對，由２．１節(jié)對典型脈??搏波形的介紹，單周期脈搏波信號內可存在多個峰值和谷值，若要確定用于周期分割的??準確谷峰對必須設置合理的距離閾值和幅值高限閾值。成年人靜息心率一般不超過１００??次／分

２００?３００?４００?５００?６００??００５?中．同期脈搏波：階微分圖?〇〇?單周期泳搏波－階微分圖?〇〇?！單周期脈搏波二階微分圖??°ｖ＾＾００；＼｜ｒ＾Ｖ?’??－０．０５???????－０．０５??１???＇?１??０．０４?＇???１???０?１００?２００?３００?４００?５００?６００?０?１００?２００?３００?４００?５００?６００?０?１００?２００?３００?４００?５００?６００??（ｉ）?（ｂ）?（ｃ）??圖２．４非典型脈搏波特征點探測（ａ）ｔｙｐｅ２ｌ．ｌ?（ｂ）ｔｙｐｅ２ｌ．２?（ｃ）ｔｙｐｅ２ｌ．３??Ｆｉｇ．?２．４?Ｆｅａｔｕｒｅ?ｐｏｉｎｔｓ?ｄｅｔｅｃｔｉｏｎ?ｏｆ?ａｔｙｐｉｃａｌ?ｐｕｌｓｅ?（ａ）ｔｙｐｅ２１．１?（ｂ）ｔｙｐｅ２１．２?（ｃ）ｔｙｐｅ２１．３??當生理病理的變化對脈搏波的影響進一步增加，可能會導致一階微分信號過零點只??能識別出一個有效峰值點，此時需要用拐點代替兩隊谷峰對，主要分為兩種情況。圖??２．５（ａ）是第一種情況ｔｙｐｅｌ０．１，一階微分信號過零點只識別出第一個峰值，余下的兩個峰??值和兩個谷值均用下降支中的拐點代替，拐點定位方法ｔｙｐｅ２１．１和ｔｙｐｅ２１．２中提及相??同，圖中均用淺藍色線標識。圖２．５（ｂ）是第二種情況ｔｙｐｅｌ０．２，其一階微分信號過零點識??別出第二個峰值，余下的第一個峰值和第一個谷值處于上升支，拐點定位方式與ｔｙｐｅ２１．３??相同，第二個谷值和第三個峰值處于下降支，拐點定位與ｔｙＰｅ２１．１和ｔｙｐｅ２１．２相同，代??替谷峰值的拐點圖中均用淺藍色線標識。??應用以上方法

【參考文獻】：
期刊論文
[1]基于脈象分析的亞健康狀態(tài)識別[J]. 莫太平,王彥麗.  桂林電子科技大學學報. 2017(06)
[2]淺析支氣管哮喘常見脈象[J]. 權國曉,石強.  江西中醫(yī)藥. 2017(10)
[3]人體脈搏信號的希爾伯特-黃特征提取[J]. 孟維良,王勝男.  電子測量技術. 2017(09)
[4]用窗函數法設計FIR數字濾波器[J]. 郭虎,許發(fā)諾,孫超.  信息與電腦(理論版). 2017(13)
[5]中醫(yī)脈診信號的無監(jiān)督聚類分析研究[J]. 馮冰,李紹滋.  智能系統學報. 2018(04)
[6]脈搏信號中有效信號識別與特征提取方法研究[J]. 洋洋,陳小惠,王保強,姜吉榮.  電子測量與儀器學報. 2016(01)
[7]基于“病脈結合”的2種不同疾病滑脈脈診信息特征分類研究[J]. 汪南玥,于友華,劉佳,李同達,薛利媛,黃大威,江柏華,王佳,李彩芬.  世界中西醫(yī)結合雜志. 2015(10)
[8]模糊C均值算法的聚類有效性評價[J]. 樸尚哲,超木日力格,于劍.  模式識別與人工智能. 2015(05)
[9]脈象要素位、數、形、勢的研究進展[J]. 劉雪梅,李甜,謝月敏,陸小左.  天津中醫(yī)藥大學學報. 2014(06)
[10]脈搏呼吸率提取方法的研究[J]. 朱慧,王昱,于文龍.  武漢理工大學學報(信息與管理工程版). 2012(04)

碩士論文
[1]便攜式三部脈象采集系統與脈象信號處理研究[D]. 金陳玲.華東理工大學 2019
[2]陣列脈象信號融合分類方法研究[D]. 臧瑾.哈爾濱工業(yè)大學 2018
[3]基于心電與脈搏波信號的無創(chuàng)連續(xù)血壓測量方法研究[D]. 劉增丁.重慶大學 2017
[4]脈搏信號預處理與特征提取[D]. 陳曉彤.西安科技大學 2015
[5]基于HHT和多分類支持向量機的脈象信號分析與研究[D]. 劉攀.華東理工大學 2015
[6]基于倒譜特征的脈象信號識別算法研究[D]. 曹丁.重慶大學 2009
[7]基于可拓檢測的脈象特征量的相關性和變換的研究[D]. 孫乙乃.廣東工業(yè)大學 2007



本文編號：3394435