脈診信息分析和識別方法評析

1、脈診信息分析和識別方法評析 11-04-28 15:53:00 作者：張治國編輯：studa20【關(guān)鍵詞】 脈診信息;分析方法;識別方法;綜述伴隨著脈診儀關(guān)鍵技術(shù)傳感器研究的不斷進(jìn)步,信息采集的精度和速度日益提高。信息量的豐富對相應(yīng)分析技術(shù)的要求也逐步提高。除幾種傳統(tǒng)的分析技術(shù)外,其他學(xué)科新興的分析技術(shù)不斷被引入脈診現(xiàn)代研究中,使有價值脈動信息的獲取空間空前擴(kuò)大。目前,脈診現(xiàn)代研究中,常用的分析和識別方法有時域分析、頻域分析、時頻分析、人工神經(jīng)網(wǎng)絡(luò)、可視化分析以及一些其他分析方法。1 時域分析時域分析是對脈搏波動圖形進(jìn)行分析的主要方法,是目前研究時間最長,也是最成熟的方法。最初的脈圖分析方法主

2、要局限于從脈圖的時間、振幅、角度、形態(tài)等方面分析上升支、下降支、重搏波的高度及各種高度的比值或它們夾角的大小及面積大小時值等。脈搏信號從時域上看,是一個周期性較強(qiáng)的準(zhǔn)周期信號。脈搏波動頻率為60100次/min。時域分析法主要分析脈波波幅的高度和脈動時相的關(guān)系。通過對脈圖幅值和時值的分析,可以了解脈動的頻率和節(jié)律,脈力的強(qiáng)弱,脈勢的虛實(shí)和脈象形態(tài)特征等。崔玉田、趙恩儉等是較早對古代脈學(xué)理論和現(xiàn)代實(shí)研進(jìn)展進(jìn)行系統(tǒng)梳理的研究者,其專著中醫(yī)脈學(xué)研究、中醫(yī)脈診學(xué)中涉及到一些脈圖時域特征分析的內(nèi)容。其后,傅驄遠(yuǎn)、費(fèi)兆馥、黃世林、楊天權(quán)、徐迪華等研究者對脈圖的時域特征進(jìn)行了系統(tǒng)論述。傅氏等1較早開展采用現(xiàn)

3、代技術(shù)的中醫(yī)脈診研究,其在中醫(yī)脈象今釋中集中論述了18種常見脈象脈圖分析和判別的方法,并對脈象形成的機(jī)制,從血流動力學(xué)、血液流變學(xué)以及影像學(xué)等方面進(jìn)行了探討。費(fèi)氏等2較早并較全面的對脈圖的時域分析方法進(jìn)行了研究,在其現(xiàn)代中醫(yī)脈診學(xué)一書中,詳細(xì)闡述了臨床常見17種脈象的脈圖及其時域特征參數(shù)。黃氏等3在中醫(yī)脈象研究中對10種常見脈象的脈圖進(jìn)行了細(xì)致分析,開創(chuàng)性地記錄了中醫(yī)學(xué)中的“十怪脈”的脈圖,并論述了其現(xiàn)代醫(yī)學(xué)基礎(chǔ)。較晚的研究者對脈圖研究的種類更加全面,在各自的專著中均有詳細(xì)論述4-5。時域分析方法通過提取脈搏圖曲線中一些有明確生理意義的特征點(diǎn)(如主波、重搏波和重搏前波的高度等)或角度(如升支斜

4、率等)作為評價脈搏波的特征參數(shù),將特征參數(shù)和對應(yīng)的生理因素結(jié)合起來就可能得到許多有臨床醫(yī)學(xué)價值的結(jié)果,故時域分析法成了最直觀和應(yīng)用最廣泛的一種方法。它可直接通過脈圖的形態(tài)分析及對各項(xiàng)指標(biāo)的分析來確定圖與脈之間的差別,鑒別出各種脈象。這方面的關(guān)鍵在于篩選判別各種脈搏波波形的特征參數(shù),其主要工作在于分析脈波特征參數(shù)與時相的關(guān)系。這種方法的優(yōu)點(diǎn)是直觀,臨床醫(yī)生容易接受,但在實(shí)際應(yīng)用上卻遇到一些難以解決的困難,如有些特征點(diǎn)難于準(zhǔn)確得出,要憑經(jīng)驗(yàn)估計,隨機(jī)誤差很大。另外,缺乏各種脈象的脈圖時域參數(shù)特征較統(tǒng)一的標(biāo)準(zhǔn)。大量研究表明,脈象圖所反映的信息是多方面的、綜合的,單靠直觀形態(tài)分析法會將許多重要的信息掩

5、蓋,因而促進(jìn)了分析方法向更加全面與多樣化發(fā)展。2 頻域分析頻譜分析是近代工程力學(xué)中常用的一種處理波動信息的方法,主要采用傅立葉頻譜分析方法。它把一個很復(fù)雜的由許多重疊波構(gòu)成的脈搏波分解成不同的諧波,這樣就能把其中所包含的信息和能量提取出來,因此,較時域分析法更能清楚地反映、分析脈象的各種變化。但其只能刻畫整個時間域上信號的頻譜特征,不能反映局部時間區(qū)間上的信息。近年來,頻譜分析也大量用于脈搏信號和中醫(yī)脈象的研究。頻譜分析可能會揭示出許多生理病理信息,而這些信息通常從時域分析中較難獲得。重慶大學(xué)的研究者基于脈象信號的頻域分析,從不同角度,采用不同方法對吸毒者與正常人的脈象進(jìn)行了辨識。他們根據(jù)脈象

6、信號的非高斯隨機(jī)特性,發(fā)現(xiàn)非參數(shù)化雙譜估計、參數(shù)化雙譜估計以及倒雙譜估計的方法均是分析脈象信號的有效且可行的方法,吸毒者脈象信號在特定頻率區(qū)域內(nèi)的平均相位值、雙譜相位主值特征等參數(shù)明顯區(qū)別于正常人,分別給出了吸毒者和正常人脈象信號的判別依據(jù)6-8。西北工業(yè)大學(xué)王炳和等9-10研究人員長期進(jìn)行脈搏波頻域分析的研究。其利用高性能的電子檢測儀器和計算機(jī)提取人體橈動脈脈搏信號,并獲得了脈搏功率譜圖(PSG)。譜能比(SER)被定義為脈搏功率譜上10 Hz以下的譜能量與10 Hz以上譜能量的比值。結(jié)果發(fā)現(xiàn),健康人兩手“寸、關(guān)”部位的SER值均大于100,而患者“寸、關(guān)”的某些特定部位的SER值均小于10

7、0,這些給出低SER值的特定部位與人體的病變器官相對應(yīng),符合中醫(yī)理論。同時發(fā)現(xiàn)正常人平脈脈搏系統(tǒng)通常具有3個共振峰,滑脈脈搏系統(tǒng)有2個共振峰,弦脈脈搏系統(tǒng)出現(xiàn)4個共振峰,而細(xì)脈僅存在1個共振峰。倒譜分析顯示,滑脈與弦、細(xì)脈的特征差異要比在時域內(nèi)的差異大得多。脈象倒譜上=z處的峰值大小可表征脈象的“流利”程度,z1恰好反映了脈象的周期大小,而hc0值正好反映了脈搏強(qiáng)度的信息特征。厲氏等11研究了遲脈、常脈、數(shù)脈、疾脈4種脈象的頻域特征。研究發(fā)現(xiàn),對于脈率異常的脈象信號,在頻域具有與時域相似的特性,即隨著脈率的增大,頻域中幅度的最大值以及在低、中、高3個頻段的幅度值也相應(yīng)增大。相對于正常脈象,脈率

8、失常的脈象在頻域中表現(xiàn)出幅度更不平穩(wěn)的特點(diǎn)。另外,浮脈患者脈象的能量最高,其次為常脈,沉脈患者脈象的能量最低。從SER看,3種脈象的低頻分量都占據(jù)了信號的主要能量,但沉脈患者SER最高,浮脈最小,常脈居中;與常脈相比,說明沉脈能量更加集中于信號的低頻段,浮脈卻向信號的高頻段擴(kuò)散12。另外,其他研究者也報道了脈診信息頻域分析的成果13-18。3 時頻分析時頻分析的主要任務(wù)是描述信號的頻譜含量是怎樣隨時間變化的,研究并了解時變頻譜在數(shù)學(xué)和物理上的概念和含義。時頻分析的最終目的是要建立一種分布,以便能在時間和頻率上同時表示信號的能量和強(qiáng)度。得到這種分布后,我們可以對各種信號進(jìn)行分析、處理,提取信號中

9、包含的特征信息,或者綜合得到具有期望時頻分布特征的信號。時頻分析結(jié)果可以通過不同的方式直觀地表示,如三維立體圖、等高線圖等,具有揭示許多新現(xiàn)象即改變我們觀察思考醫(yī)學(xué)信號方式的潛力。目前,在脈診研究中應(yīng)用的是短時傅立葉變換和Gabor展開以及小波變換。3.1 短時傅立葉變換由于人體生理、病理和自然環(huán)境的影響,生物醫(yī)學(xué)信號通常呈現(xiàn)非平穩(wěn)與時變特性。傳統(tǒng)的傅立葉變換不能描述信號的時頻局域特性,僅反映信號的靜態(tài)頻譜特性。短時傅立葉變換克服了傅立葉變換的缺陷,并具有容易實(shí)現(xiàn)、計算簡潔有效等優(yōu)點(diǎn),為最早和最常用的一種時頻分析方法。其主要缺陷是時間和頻率分辨率在整個時頻平面上固定不變。另外的限制是對一個特殊

10、的信號,需要一個特殊的窗才能得到最佳分辨率。有學(xué)者應(yīng)用全極點(diǎn)滑動窗遞歸算法,以平均功率與總平均功率的比值為特征參數(shù)和通過奇異值分解有效地提取特征矢量,提出了用于劃分正常人和吸毒者的臨界參數(shù),據(jù)此15例吸毒者全被檢測出來19-20?；诙虝r傅立葉變換的方法是一種穩(wěn)定、有效的特征提取方法。3.2 小波變換分析由于小波變換在時域和頻域同時具有良好的局部化性質(zhì),小波變換的數(shù)學(xué)理論和分析方法在各個領(lǐng)域都受到普遍關(guān)注。小波變換是一種信號的時間-尺度(時間-頻率)分析方法,它具有多分辨率分析的特點(diǎn),而且在時頻兩域都具有表征信號局部特征的能力,是一種窗口大小固定不變,但形狀可改變,時間窗和頻率窗都可改變的時頻

11、局部化分析方法。即在低頻部分具有較高的頻率分辨率和較低的時間分辨率,在高頻部分具有較高的時間分辨率和較低的頻率分辨率,很適合于非平穩(wěn)信號的處理。小波變換在1-D生物醫(yī)學(xué)信號處理(生物聲學(xué)、ECG和EEG)和生物圖像處理中都得到了應(yīng)用。白氏等21根據(jù)小波變換過零點(diǎn)和信號突變點(diǎn)之問的關(guān)系,分別運(yùn)用小波變換過零點(diǎn)表征檢測脈象時域特征點(diǎn)和各特征點(diǎn)脈搏信號變化的快慢。對20例健康人和20例孕婦脈象時域特征點(diǎn)過零點(diǎn)位置的統(tǒng)計及其變化快慢的計算,其分析結(jié)果正好與實(shí)際相吻合。張氏等22利用小波變換奇異性檢測功能與多尺度分辨特性,提出了2種提取脈象信號特征的方法：連續(xù)小波變換法和二進(jìn)小波變換法。在此基礎(chǔ)上,構(gòu)造

12、了兩種特征向量：小波變換系數(shù)的尺度主波峰值和小波變換的尺度能量值。經(jīng)過對臨床采集的235例脈象信號的處理與分析統(tǒng)計,所得數(shù)據(jù)具有較好的重復(fù)性與穩(wěn)定性,可以作為脈象信號區(qū)分正常人與心臟病患者的特征向量。4 人工神經(jīng)網(wǎng)絡(luò)人工神經(jīng)網(wǎng)絡(luò)是反映人腦結(jié)構(gòu)及功能的一種抽象數(shù)學(xué)模型,一個人工神經(jīng)網(wǎng)絡(luò)是由大量神經(jīng)元節(jié)點(diǎn)互連而成的復(fù)雜網(wǎng)絡(luò),用以模擬人類進(jìn)行知識的表示與存儲以及利用知識進(jìn)行推理的行為。一個基于人工神經(jīng)網(wǎng)絡(luò)的智能系統(tǒng)是通過學(xué)習(xí)獲取知識后建立的。從本質(zhì)上講,人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)是一種歸納學(xué)習(xí)方式,它通過對大量樣本的反復(fù)學(xué)習(xí),由內(nèi)部自適應(yīng)過程不斷修改各神經(jīng)元之間互連的權(quán)值,最終使神經(jīng)網(wǎng)絡(luò)的權(quán)值分布收斂于一個

13、穩(wěn)定的范圍。一個已建立的神經(jīng)網(wǎng)絡(luò)可用于相關(guān)問題的求解,對于特定的輸入模式,神經(jīng)網(wǎng)絡(luò)通過前向計算可得出一個輸出模式,從而得到輸入模式的一個特定解。人工神經(jīng)網(wǎng)絡(luò)是由大量簡單的神經(jīng)元以一定的方式連接而成的,單個神經(jīng)元的作用是實(shí)現(xiàn)輸入到輸出的一個非線性或線性函數(shù)關(guān)系,它們之間廣泛的連接組合就使得整個神經(jīng)網(wǎng)絡(luò)具有了復(fù)雜的非線性特性。神經(jīng)網(wǎng)絡(luò)將大量的信息隱含在其連接權(quán)值及閾值上,根據(jù)一定的學(xué)習(xí)算法調(diào)節(jié)權(quán)值和閥值,使神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)從m維空間到n維空間復(fù)雜的非線性映射。神經(jīng)網(wǎng)絡(luò)具有強(qiáng)大的模式識別能力,可以對任意復(fù)雜狀態(tài)或過程進(jìn)行分類和識別。但是,必須首先用反映輸入特征量的大量樣本對網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)訓(xùn)練后,才具有這種

14、功能。神經(jīng)網(wǎng)絡(luò)有兩個與用傳統(tǒng)方法進(jìn)行信息處理完全不同的性質(zhì)：第一,神經(jīng)網(wǎng)絡(luò)是自適應(yīng)和可以被訓(xùn)練的,它有自學(xué)習(xí)能力。如果它的輸出不滿足期望的結(jié)果,網(wǎng)絡(luò)可以自動調(diào)整每個輸入值的權(quán)重,產(chǎn)生一個新的結(jié)果,整個修正過程可以通過訓(xùn)練算法來實(shí)現(xiàn)。第二,神經(jīng)網(wǎng)絡(luò)本身就決定了它的大規(guī)模并行機(jī)制,也就是說,神經(jīng)網(wǎng)絡(luò)從原理上看比傳統(tǒng)方法要快得多,它擅長通過大量復(fù)雜的數(shù)據(jù)進(jìn)行分類和發(fā)現(xiàn)模式或規(guī)律。岳氏23基于BP神經(jīng)網(wǎng)絡(luò),選擇1456例患者作臨床脈象檢測,總體準(zhǔn)確率92%,不僅對平、浮、沉、遲、數(shù)、虛、實(shí)、滑、澀、洪、弦、促、結(jié)、代等基本脈有較高的識別率,對于由上述基本脈構(gòu)成的臨床常見的相兼脈也有相當(dāng)高的識別能力(8

15、2%)。研究過程中,解決了構(gòu)建合理的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)、各層神經(jīng)元數(shù)量的確定、選擇合理的學(xué)習(xí)速率、脈象信號特征值的選取、神經(jīng)網(wǎng)絡(luò)的訓(xùn)練等關(guān)鍵問題。胡氏等24以人工神經(jīng)網(wǎng)絡(luò)為手段,以提取脈象信息為目的,由臨床采樣數(shù)據(jù)形成了網(wǎng)絡(luò)訓(xùn)練輸入特征向量庫,不以單一脈本身為分類對象,而考慮它是否是某些可識別特征的組合,建立了浮沉、弦滑、遲數(shù)等一組脈象特征網(wǎng)絡(luò)。證實(shí)了人工神經(jīng)網(wǎng)絡(luò)用于具有模糊性的脈象特征的識別和分類是可行的,帶智能處理的特色,其分辨準(zhǔn)確率可達(dá)90%。5 模糊屬性識別方法20世紀(jì)80年代出現(xiàn)的用句法分析指導(dǎo)的脈象模糊屬性識別方法,從根本上拋開了人工測定脈圖指標(biāo)的模式,它是從檢測到的脈搏波上進(jìn)行采樣、基

16、元抽取及基元屬性提取等,然后作分類,這就使得計算機(jī)識別有可能突破醫(yī)生的水平。模糊聚類法用于人體脈象的識別研究也獲得了較高的正確率。王氏等25對脈搏聲信號進(jìn)行AR模型擬合來完成特征提取,并通過K-L(Karhunen-Loeve)變換實(shí)現(xiàn)特征壓縮,然后討論了一種新的FUZZY聚類方法F-PFSR聚類法,最后給出了對臨床實(shí)測脈象信號聚類的實(shí)驗(yàn)結(jié)果。但研究結(jié)果顯示這種聚類的正確率還有待于提高。6 可視化分析牛氏等26利用彩色Doppler超聲成像技術(shù)檢測到寸口橈動脈等處血管的徑向張縮、軸向收縮和軸心位移組合成的三維運(yùn)動,提出與脈管三維運(yùn)動有關(guān)的脈象變化規(guī)律;同時應(yīng)用該技術(shù)還可以在活體上直接觀察到中醫(yī)

17、所謂的“斜飛脈”、“反關(guān)脈”及在寸口處并行的“雙管脈”。張氏等27-28運(yùn)用具有B超和壓力復(fù)合傳感器的可視化脈動信息采集和分析裝置,對橈動脈三維運(yùn)動和脈診“位、數(shù)、形、勢”屬性的關(guān)系進(jìn)行了探索性研究,發(fā)現(xiàn)了二者之間的對應(yīng)關(guān)系,為解決“脈形”、“脈勢”等研究難點(diǎn)提供了新的思路和方法。張氏等29自主研制了一種圖像化脈搏傳感器。通過對沿血管橫截面方向的14個網(wǎng)格點(diǎn)軌跡的檢測,提取得到了脈搏波形,并計算得出脈搏頻率,同時給出脈搏振幅、脈寬信息測量的定性說明。研究表明,本系統(tǒng)能夠有效提取多維脈搏特征信息,為中醫(yī)診斷客觀化和科學(xué)化提供了一種新的手段和方法。7 其他方法7.1 混沌分析方法李氏等30借助動態(tài)心電圖記錄獲取心電RR間期的變化信息的混沌分析方法手段Lorenz圖,觀察脈象速率、節(jié)律的改變,將醫(yī)生靠個體感覺的判斷變?yōu)榫哂锌梢曅浴⒅庇^性和連續(xù)性的圖形表達(dá),可客觀地量度脈象的改變程度和性質(zhì)。認(rèn)為雖然Lorenz圖無法量度脈搏形態(tài)的變化,但有時脈搏的形態(tài)與速率相關(guān),如沉遲、洪數(shù)等特異性的復(fù)合脈象,這也許是繼續(xù)研究的切入點(diǎn)。7.2 整體動態(tài)方法劉氏等31在自行研制的具有