專利名稱：特征參數(shù)與脈象要素的關聯(lián)的制作方法
技術領域：
本發(fā)明屬于中醫(yī)脈象量化技術領域，涉及利用計算機技術實現(xiàn)脈象的特征參數(shù)與脈象要素的關聯(lián)選定。
背景技術：
脈診是根據“脈象”觀察、判斷病癥情況的一種診斷方法，它是中醫(yī)的基本技術，也是中醫(yī)臨床不可缺少的診察步驟和內容。脈診之所以重要，就是由于脈象能傳遞機體各部分的生理病理信息，是窺視體內功能變化的窗口，可為診斷病證提供重要依據。傳統(tǒng)的中醫(yī)脈診是完全依賴于醫(yī)生的經驗，醫(yī)生通過感知脈搏搏動，獲取病人的脈象信息實現(xiàn)疾病診斷，其經驗程度要求較高、并且主觀性相對較強。因此，近年來，為實現(xiàn)中醫(yī)脈診技術的廣泛化、規(guī)范化、客觀化應用，推出了中醫(yī)脈診儀器設備，其利用信號采集裝置從病人采集反映脈象的脈搏波信號，并且進一步利用信號分析處理技術、圖像處理技術等對脈搏波信號進行分析，為脈象的判斷提供客觀的數(shù)據信息，從而為脈診創(chuàng)造便利條件。其中，脈象要素是指脈象的基本組成部分，其一般地包括“位、數(shù)、形、勢”等四個方面，病脈是基于脈象的“位、數(shù)、形、勢”四個方面來分類，例如，按脈位可以分為浮脈、沉脈，按脈形可以分為洪脈、細脈、長脈、短脈等，按脈數(shù)可以分為促脈、結脈、代脈等，按脈勢可以分為實脈、虛脈、澀脈等。因此，在脈診過程中，需要按照脈象要素來判斷病脈的類型。在中醫(yī)脈診儀器設備中，脈象要素的判斷是需要通過相應脈搏波的特征參數(shù)的具體量化來實現(xiàn)；而許多特征參數(shù)中，每個特征參數(shù)對于每個脈象要素(脈象中有多個脈象要素)的判斷的重要度可能是不同的；因此，在對應于某一個脈象要素的脈象判斷時，需要從多個特征參數(shù)中選取其中有利于脈象判斷的特征參數(shù)，也即實現(xiàn)脈象要素與特征參數(shù)的對應關聯(lián)。有鑒于此，脈象要素與特征參數(shù)的準確關聯(lián)是利用計算機圖像識別技術進行脈診的關鍵技術之一。

發(fā)明內容
本發(fā)明的目的在于，準確實現(xiàn)特征參數(shù)與脈象要素之間的關聯(lián)。為實現(xiàn)以上目的或者其它目的，本發(fā)明提供以下技術方案。按照本發(fā)明的一方面，提供一種特征參數(shù)與脈象要素的關聯(lián)方法，其包括以下步驟按規(guī)則計算脈搏波信號的每個特征參數(shù)的重要度；按所述重要度的大小對特征參數(shù)進行由高到低的相應排序；基于人工神經網絡對訓練樣本集的脈搏波信號進行學習；利用測試樣本集的脈搏波信號對所述人工神經網絡進行測試，并計算得出對所述測試樣本集關于該脈象要素判斷脈象的第一分類準確率；去除所述重要度排序相對最低的特征參數(shù)后，計算得出對所述測試樣本集關于該脈象要素判斷脈象的第二分類準確率；以及判斷所述第一分類準確率和第二分類準確率之間的差值的絕對值是否小于預定閾值，如果判斷為“是”，進而返回至所述去除步驟，直至判斷為“否”，如果判斷為“否”，則選擇該特征參數(shù)以及排序高于該特征參數(shù)的其它特征參數(shù)與所述脈象要素相關聯(lián)。按照本發(fā)明提供的關聯(lián)方法，其中，所述規(guī)則可以為基于互信息、基于判別式分析或者基于多層感知器的特征排序方法。按照本發(fā)明提供的關聯(lián)方法的一實施例，其中，所述基于判別式分析的特征排序方法中的判別式函數(shù)為
_]
權利要求
1.一種特征參數(shù)與脈象要素的關聯(lián)方法，其特征在于，包括以下步驟 按規(guī)則計算脈搏波信號的每個特征參數(shù)的重要度； 按所述重要度的大小對特征參數(shù)進行由高到低的相應排序； 基于人工神經網絡對訓練樣本集的脈搏波信號進行學習； 利用測試樣本集的脈搏波信號對所述人工神經網絡進行測試，并計算得出對所述測試樣本集關于該脈象要素判斷脈象的第一分類準確率； 去除所述重要度排序相對最低的特征參數(shù)后，計算得出對所述測試樣本集關于該脈象要素判斷脈象的第二分類準確率；以及 判斷所述第一分類準確率和第二分類準確率之間的差值的絕對值是否小于預定閾值， 如果判斷為“是”，進而返回至所述去除步驟，直至判斷為“否”， 如果判斷為“否”，則選擇該特征參數(shù)以及排序高于該特征參數(shù)的其它特征參數(shù)與所述脈象要素相關聯(lián)。
2.如權利要求1所述的關聯(lián)方法，其特征在于，所述規(guī)則為基于互信息、基于判別式分析或者基于多層感知器的特征排序方法。
3.如權利要求2所述的關聯(lián)方法，其特征在于，所述基于判別式分析的特征排序方法中的判別式函數(shù)為
4.如權利要求1所述的關聯(lián)方法，所述特征參數(shù)通過以下方法過程獲取 獲取一段包括一個周期以上的脈搏波信號； 確定所述脈搏波信號中的所有主峰點； 依據每個主峰點確定相應的每個脈搏波信號周期的起始點，以實現(xiàn)所述脈搏波信號的周期分割； 依據微積分理論確定所述脈搏波信號周期中的所有可能極值點； 去除所述可能極值點中的干擾極值點以精確得到所述脈搏波信號周期信號中的特征點；以及 依據所述特征點的信息獲取特征參數(shù)。
5.如權利要求4所述的關聯(lián)方法，其特征在于，所述去除干擾極值點的過程包括依據所述起始點計算每個脈搏波信號周期的平均周期； 判斷任意相鄰的第一可能極值點和第二可能極值點之間的幅度差是否小于或等于特定幅度閾值，若判斷為“是”，則將第一可能極值點和第二可能極值點中的幅度較小的一個作為干擾極值點被去除；和/或 判斷任意相鄰的第一可能極值點和第二可能極值點之間的時間差是否小于或等于特定時間閾值，若判斷為“是”，則合并第一可能極值點和第二可能極值點為一個可能極值點以實現(xiàn)所述干擾極值點的去除；和 將剩余的可能極值點進行直方圖統(tǒng)計，利用聚類分析法將直方圖劃分為若干區(qū)域，若某一區(qū)域內的所述可能極值點的數(shù)目小于第一數(shù)值時，則該區(qū)域內的相應所述可能極值點作為干擾極值點被去除。
6.如權利要求5所述的關聯(lián)方法，其特征在于，在所述直方圖統(tǒng)計并去除干擾極值點之后，還包括步驟 判斷一個脈搏波信號周期內的剩余的可能極值點的數(shù)目是否大于10，如果大于10，則去除該脈搏波信號周期。
7.如權利要求2所述的關聯(lián)方法，其特征在于，所述特定幅度閾值為所述脈搏波信號的幅度浮動范圍的O. 01倍，所述特定時間閾值為所述平均周期的O. 02倍。
8.如權利要求5或7所述的關聯(lián)方法，其特征在于，所述第一數(shù)值為所述剩余的可能極值點的總數(shù)的百分之五。
9.如權利要求5或7所述的關聯(lián)方法，其特征在于，所述若干區(qū)域的個數(shù)五個，其分別為主峰值區(qū)域、潮波區(qū)域、重博波區(qū)域、房縮波區(qū)域和周期起始點區(qū)域。
10.如權利要求5或7所述的關聯(lián)方法，其特征在于，所述聚類分析法為k均值聚類算法或者模糊聚類算法。
11.如權利要求4或5所述的關聯(lián)方法，其特征在于，所述脈搏波信號的周期分割之后，還包括步驟 去除所述脈搏波信號的基線漂移影響；以及 對所述脈搏波信號的數(shù)據進行規(guī)范化處理。
12.如權利要求11所述的關聯(lián)方法，其特征在于，所述去除基線漂移影響的步驟中，包括對于所述起始點進行插值計算以得到所述基線。
13.如權利要求12所述的關聯(lián)方法，其特征在于，所述去除基線漂移影響的步驟中，包括所述脈搏波信號對應減去所述基線的幅度值。
14.如權利要求12或13所述的關聯(lián)方法，其特征在于，所述插值計算為三次樣條插值計算或者分段三次埃米爾特插值計算。
15.如權利要求11所述的關聯(lián)方法，其特征在于，所述規(guī)范化處理包括以下過程 依據所述峰值點和起始點確定該脈搏波信號的浮動范圍；以及 根據所述浮動范圍對脈搏波信號中的每個點進行歸一化處理。
16.如權利要求4或5所述的關聯(lián)方法，其特征在于，在確定所有主峰點之前，還包括步驟 對所述脈搏波信號進行平滑濾波以及去除噪聲處理。
17.如權利要求16所述的關聯(lián)方法，其特征在于，所述平滑濾波以及去除噪聲處理采用一維均值濾波方法或者高斯濾波方法。
18.如權利要求16所述的關聯(lián)方法，其特征在于，所述一維均值濾波方法或者高斯濾波方法的濾波窗口被設置為大于或等于所述脈搏波信號的采樣頻率的O. 03倍、并小于或等于所述脈搏波信號的采樣頻率的O. 08倍。
19.如權利要求4或5所述的關聯(lián)方法，其特征在于，所述確定所有主峰點的步驟包括 確定第一窗口的大?。? 利用該第一窗口對所述脈搏波信號進行遍歷； 計算出每個第一窗口范圍內的最大幅度值；以及 判斷任意兩個相鄰的所述最大幅度值對應的時間差是否小于所述第一窗口的大小，如果判斷為“是”，則去除其中較小的最大幅度值，剩余的所述最大幅度值對應的位置點被定義為主峰點。
20.如權利要求19所述的關聯(lián)方法，其特征在于，所述第一窗口被設置為大于或等于所述脈搏波信號的采樣頻率的O. 6倍且小于或等于所述脈搏波信號的采樣頻率的O. 8倍。
21.如權利要求19所述的關聯(lián)方法，其特征在于，確定所述起始點的步驟中，通過定位每個主峰點之前的O. 3倍于采樣頻率的范圍內的最小值、并定義該最小值對應的點為所述起始點。
22.如權利要求4或5所述的關聯(lián)方法，其特征在于，確定所述可能極值點的過程中，計算所述脈搏波信號周期中每個點分別與相鄰的兩點之間的第一幅度差值和第二幅度差值，并計算所述第一幅度差值與第二幅度差值的乘積，如果該乘積值小于或等于預定的閾值，則確定該點為所述可能極值點。
23.如權利要求22所述的關聯(lián)方法，其特征在于，所述脈搏波信號的數(shù)據被進行歸一化處理，所述預定的閾值為1X10_5。
24.如權利要求4或5所述的關聯(lián)方法，其特征在于，所述脈搏波信號通過脈象采集裝置實時獲取。
25.如權利要求4或5所述的關聯(lián)方法，其特征在于，所述脈搏波信號通過從脈象數(shù)據庫中獲取。
26.如權利要求25所述的關聯(lián)方法，其特征在于，通過COM接口、USB接口、網絡接口、或者無線傳輸模塊從所述脈象數(shù)據庫中獲取所述脈搏波信號。
27.如權利要求4或5所述的關聯(lián)方法，其特征在于，所述脈搏波信號包括6-16個脈搏波信號周期。
28.一種用于特征參數(shù)與脈象要素的關聯(lián)的裝置，其特征在于，包括 用于按規(guī)則計算脈搏波信號的每個特征參數(shù)的重要度的部件； 用于按所述重要度的大小對特征參數(shù)進行由高到低的相應排序的部件； 用于基于人工神經網絡對訓練樣本集的脈搏波信號進行學習的部件； 用于利用測試樣本集的脈搏波信號對所述人工神經網絡進行測試、并計算得出對所述測試樣本集關于該脈象要素判斷脈象的第一分類準確率的部件； 用于去除所述重要度排序相對最低的特征參數(shù)后、計算得出對所述測試樣本集關于該脈象要素判斷脈象的第二分類準確率的部件；以及判斷部件，其用于判斷所述第一分類準確率和第二分類準確率之間的差值的絕對值是否小于預定閾值， 如果判斷為“是”，進而返回至所述去除步驟，直至判斷為“否”， 如果判斷為“否”，則選擇該特征參數(shù)以及排序高于該特征參數(shù)的其它特征參數(shù)與所述脈象要素相關聯(lián)。
29.如權利要求28所述的裝置，其特征在于，進一步包括特征參數(shù)提取部件，其包括。
用于獲取一段包括一個周期以上的脈搏波信號的部件； 用于確定所述脈搏波信號中的所有主峰點的部件； 用于依據每個主峰點確定相應的每個脈搏波信號周期的起始點、以實現(xiàn)所述脈搏波信號的周期分割的部件； 用于依據微積分理論確定所述脈搏波信號周期中的所有可能極值點的部件； 用于去除所述可能極值點中的干擾極值點以精確得到所述脈搏波信號周期信號中的特征點的部件；以及 用于依據所述特征點的信息獲取特征參數(shù)的部件。
30.如權利要求29所述的裝置，其特征在于，所述用于去除所述可能極值點中的干擾極值點以精確得到所述脈搏波信號周期信號中的特征點的部件進一步包括 用于依據所述起始點計算每個脈搏波信號周期的平均周期的部件； 用于判斷任意相鄰的第一可能極值點和第二可能極值點之間的幅度差是否小于或等于特定幅度閾值的部件，若該部件判斷為“是”，則將第一可能極值點和第二可能極值點中的幅度較小的一個作為干擾極值點被去除；和/或 用于判斷任意相鄰的第一可能極值點和第二可能極值點之間的時間差是否小于或等于特定時間閾值的部件，若該部件判斷為“是”，則合并第一可能極值點和第二可能極值點為一個可能極值點以實現(xiàn)所述干擾極值點的去除；和 用于將剩余的可能極值點進行直方圖統(tǒng)計的部件，該部件利用聚類分析法將直方圖劃分為若干區(qū)域，若某一區(qū)域內的所述可能極值點的數(shù)目小于第一數(shù)值時，則該區(qū)域內的相應所述可能極值點作為干擾極值點被去除。
全文摘要
本發(fā)明提供特征參數(shù)與脈象要素的關聯(lián)，屬于中醫(yī)脈象量化技術領域。該特征參數(shù)與脈象要素的關聯(lián)方法中，包括步驟計算脈搏每個特征參數(shù)的重要度；按重要度對特征參數(shù)進行排序；基于人工神經網絡對訓練樣本集的脈搏波信號進行學習；利用測試樣本集對所述人工神經網絡進行測試，并計算得出對測試樣本集關于該脈象要素判斷脈象的第一分類準確率；去除所述重要度排序相對最低的特征參數(shù)后，計算得出對測試樣本集關于該脈象要素判斷脈象的第二分類準確率；基于第一分類準確率和第二分類準確率之間的差值判斷，實現(xiàn)特征參數(shù)與所述脈象要素的關聯(lián)選取。該關聯(lián)方法可以準確獲取中醫(yī)中的每個脈象要素與相應特征參數(shù)的對應關系。
文檔編號G06N3/08GK103034837SQ201110316998
公開日2013年4月10日 申請日期2011年9月30日 優(yōu)先權日2011年9月30日
發(fā)明者郭松, 王穎, 譚思黎 申請人:Ge醫(yī)療系統(tǒng)環(huán)球技術有限公司