第1章
基于单部、单点脉搏传感器的中医脉诊采集设备己见不少，研宄者对单步、单点脉搏波在模式识别角度已经做了大量的分析研究，但是各种方法对比困难。据此，本文提出构建可兼容多点、单点、单部、多部脉搏波，包含详细的特征标注信息和专家诊断结果的中医脉象数据库，并对构建中医脉象数据库存在的难点问题提出可尝试的解决方案。虽然各研究者对脉搏波的拐点所代表的具体意义没有达成一致，但脉搏波部分拐点具有生理学上的意义己得到研究者的认同，准确的提取脉搏波这些拐点是提高脉搏波识别准确率的一个极为重要的前提。所以尝试各种方法来提高脉搏波拐点的识别准确率是本文特征识别部分的一个重点研究内容。在此基础上提出基于改进的深层神经网络学习的脉搏波模式分类算法，并与其他模式识别分类方法进行对比分析。本文在单部、单点脉搏波的研宄分析基础上，进一步分析其不足，尝试从中医脉象计算机辅助分析的信号获取层面出发，研宄多维脉象信息获取设备，并对获得的多维信号进行研究分析，总结出适合中医脉诊的采集装置应具备的参数指标。本文还以中医脉诊的计算机辅助分析的输出结果为输入，设计中医药膳系统。尝试一条以中医理论为指导的集釆集、分析、诊断和保健为一体的中医现代化研究方案。本文研究内容的总体框图如图1-1所示。重点在于研究单点单部脉搏波特征的自动提取算法，及其模式分类方法，同时对多维脉象信号进行分析研宄。尽管中医脉象的计算机辅助分析的研宄者在脉象信号采集、信号处理和模式识别方面做了不少的工作，然而要达到将中医脉诊的计算机辅助分析应用到临床并取得好的效果的目的，许多基本问题还有待解决。本文在现有中医脉诊计算机辅助分析研究基础上，以提高脉搏波波形识别准确率为目标，以上海中医药大学提供的单点脉搏传感器釆集的脉搏波数据作为实验基础，试图从脉搏波特征提取的角度出发，尝试多种识别分类方法，提高单点脉搏波分类效果。并尝试结合中医专家领域知识与经验，开发多点、多部脉象采集设备用于多维脉象信息的获取，寻找多点脉搏波的丰富含义，试图为中医脉象的计算机辅助分析的进一步工作提供借鉴。
本文共分七章，具体的组织结构如下：第一章、是问题的源起，首先简单介绍脉搏波研究背景。根据中医脉诊计算机辅助分析研究的现状提出了本文的研宄目标，并描述了本文的研宄内容。第二章、对中医脉诊计算机辅助分析研宄的基本流程作了介绍，并对中医脉诊计算机辅助分析的信号获取、特征识别和模式分类三个方面的研宄现状进行了概括和总结。第三章、阐述中医脉象数据库构建的必要性和可行性，接着对数据库创建工作中的标注特征选择、数据的来源、标注流程以及文件格式等问题进行详细描述。第四章、先后提出基于香农能量包络线和希尔伯特变换的主波提取方法，基于医生经验的重搏前波和重搏波的提取方法；描述脉搏波基于小波包变换的高阶统计量特征；基于中医脉象数据库，对比了不同分类器下不同特征的分类准确率。第五章、描述了深层神经网络分类方法在脉搏波识别分类中的应用，介绍深层神经网络分类方法的改进方案；对比分析基于支持向量机、原始的深层神经网络和改进后的深层神经网络分类方法，并给出实验结果。第六章、使用美国PPS公司的12点阵传感器开发多维脉象采集设备，并对获得的多维脉搏波分析其优、缺点，依此总结出中医脉诊的采集装置应具备的参数指标。此外，对中医脉诊计算机辅助分析的一个应用方向一一计算机辅助中医药膳分析系统进行初步设计。第七章、总结全文的工作，并提出对今后的工作构想。
第3章 中医脉象数据库…………………15
3.1 中医脉象数据库必要性…………………15
3.2 数据来源及标注相关问题…………………15
3.3 文件格式…………………18
3.4 数据库构建现状…………………19
3.5 'Ht…………………20
第4章 特征识别和特征组合与初步分类实验………………… 21
4.1 基于香农能量包络线和希尔伯特变换的主波提取算法…………………21
4.2 基于经验和领域知识的其他时域特征点提取…………………30
4.2.1 基于主波的脉搏波周期分段…………………30
4.2.2 重搏前波与重搏波特征提取算法…………………32
4.3 几种时域特征提取算法的对比实验…………………36
第5章 深层神经网络的应用研宄…………………51
5.1 深层学习介绍…………………51
5.2 CNN^^S…………………54
5.3 改进的CNN…………………59
总结
针对目前研宄工作的现状，本文从信号层面出发，从模式识别分类的角度对中医脉象计算机辅助分析研究工作中可以做、应该做、值得做的几个关键问题进行分析，主要研究工作和创新点如下：
1) 提出构建中医脉象数据库。从现有研宄现状着手，提出构建可兼容多点、单点、单部、多部脉搏波数据库。详细分析了中医脉象数据库构建的必要性和构建原则及细节，为中医脉诊客观化最终形成统一的标准做了准备，也是脉搏波识别分类研宄工作的基础。
2) 本文以提高脉搏波具有生理意义的时域特征点的识别准确率为初级目标，提出基于香农能量包络线和希尔伯特变换的主波提取方法、基于专家经验的重搏前波、重搏波提取方法（称为SEE)。实验结果表明SEE对比其他时域特征提取方法具有较好的准确率。另外本文对比了脉搏波时域特征组合和小波包高阶统计量特征在不同分类器中的识别准确率。结果表明具有一定意义的时域特征组合优于其他特征，同时也认识到找到合适的时域特征是很困难的，原因是中医脉诊“心中易了，指下难名”的特点。
3) 首次将深层卷积神经网络应用到脉搏波识别分类中。阐述了深层卷积神经网络的具体改进方法，尤其是在训练过程中增加噪声模块可提高训练过程的泛化能力。实验结果证明改进的9层的卷积神经网络取得了相对较好的分类准确率。
4) 在单点脉搏波研宄的基础上，发现单点脉搏波不足以表征中医脉诊的所有特征是导致在大数据集中识别分类准确率不高的一个原因。所以本文尝试研究点阵式脉搏波采集装置，对其软硬件进行设计，并通过对点阵式脉搏波数据进行分析，得出合适的中医脉诊采集装置的参数指标，为后续的相关研究做参考。
5) 对中医药膳计算机辅助分析系统进行初步设计。在中医理论指导下，提出一条集采集、分析、诊断和保健为一体的、在社区和大众生活具有可行性的中医现代化研究方案。为中医脉诊计算机辅助分析提供了一个具体的后续应用。
参考文献
[1]邵雷.脉理至要[JG.上海中医药杂志，1988,4:11.
[2]朱颜.中医对高血压症的认识和治疗[J].中华医学杂志，1953,8: 605.
[3]张力.脉诊研究进展[J].山东中医学院学报，1995，19(4):281-283.
[4]郭博昭，杨静修，吴：)玄琼等.中医脉诊的分析系统与方法[P].中国专利：CN101411614 (A)，2008-11-26.
[5] T. Inui. Pulse Diagnostic System，Pulse Diagnostic Apparatus，Pulse Diagnostic Method, and Pulse .Diagnostic Program [P]. TP: 2009028057 (A), 2009-02-12.
[6]闪增郁，于友华，陈燕萍等.高精度智能机械手中医脉诊信息采集分析系统[P].中国专利：CN101411614 (A), 2009-4-22.
[7] Amano, Kazuhiko, Kasahara, et.a/. Diagnostic apparatus for analyzing arterial pulse waves [P]. JP:6767329.2004-6-16.
[8] Xia Chunming，Liu Rui, Wang Yiqin, et.al. Wrist Pulse Analysis Based on RP and RQA[C].Proceedings of 2009 IEEE International Symposium on Biomedical Engineering and Informatics,Sanya, 2009, pp. 1-5.
[9]郑行一.多路脉象信号的实时显示.中国医疗器械杂志[J]，1986,4:5.
[10] Chen Jiaxu, LiuFeng. Research on Charac http://www.1daixie.com/dxjsjlw/ teristics of Pulse Delineation in TCM & omnidirectionalPulse Detecting by Electro-pulsograph[C]. 2008 IEEE International Symposium on IT in Medicineand Education, Xiamen, 2008, pp.536-538.