脈診信息分析方法研究進展

陳超 周靈運 劉佳 魏昊 尹俊縣 張佳琪 汪南玥

[摘要] 脈診客觀化研究是中醫(yī)現代化的熱點之一，眾多學者就脈診信息的采集與分析方法進行了大量的研究。本文以壓力脈圖為著眼點，梳理脈象信號獲取后濾波、劃分周期、參數提取、統(tǒng)計學分析等階段的常用方法和研究進展，望在后續(xù)研究工作中找到路徑，避免重復，加快建立標準體系，推進客觀化脈象診斷系統(tǒng)的實際應用。

[關鍵詞] 脈診客觀化研究；脈診信息；統(tǒng)計學；分析方法

[中圖分類號] R241.1 [文獻標識碼] A [文章編號] 1673-7210（2018）08（b）-0034-04

[Abstract] Objective study on the pulse diagnosis is one of the hot spots of the modernization of traditional Chinese medicine. Many scholars have done a lot of researches on the method of acquisition and analysis of pulse information. In this paper， based on the pressure pulse diagram， we combed the common methods and research progress of carding pulse signal after filtering， dividing cycle， parameter extraction， statistical analysis and other stages carding， and expect to find a path in the further research to avoid duplication， accelerate the establishment of standard system， promote the practical application of objectification of pulse diagnosis system.

[Key words] Objective study of pulse diagnosis； Pulse diagnostic information； Statistics； Analysis method

現代醫(yī)學證明，脈搏波隨著傳播，有敏感和顯著的變化[1]，依托于脈診儀的逐步發(fā)展，脈診信息正在成為一種客觀可重復、靈敏、全面、便捷的新型診斷工具。但目前的相關研究較為龐雜，做了很多工作但沒有突破性進展。由壓力傳感器采集的脈搏波形圖是目前脈象信息分析的主流，本文以壓力脈圖為主，根據獲取信號后信號處理的流程，總結每一步驟中常用的方法，梳理分析信號分析的全過程中的新型技術，提出可能的發(fā)展方向，供后續(xù)研究參考，便于今后脈象信息分析完整標準體系的建立。

1 脈象信號預處理

由于壓力傳感器比較靈敏，即便在完全安靜的狀態(tài)中進行采集，所得的脈象信號仍會混雜肌電干擾、人體的微動與電極接觸不良引起的電極接觸噪聲、交流電引起的工頻干擾等噪聲，以及由呼吸引起的基線漂移。因此，濾波是進行下一步脈象信號識別和分析處理的前提。

有學者運用離散余弦變換DCT對脈象信號進行處理，濾除低于0.5 Hz及高于48 Hz頻率的波后，再用逆DCT方法將信號還原為時域信號進行建模[2]。該方法可以在不改變脈象本身特征的前提下，濾除說話、輕微運動、聽音樂等對脈搏產生的影響，但對大幅度的運動不能完全濾除。亦有學者[3]在脈象信號分析處理過程中，提出了基于聚合經驗模態(tài)分解（EEMD）的改進閾值去噪算法，采用網格搜索對低頻固有模態(tài)函數（IMFs）進行閾值選取去噪，實現自適應且有效的脈象信號去噪處理。

小波變換是目前較為常用的濾波方法。王燕等[4]運用小波變換對信號進行分解重構，有效且同步完成消噪和基線漂移消除的工作，同時可以保證不損失信號細節(jié)。相較于短時傅立葉變換固定的時頻窗口，小波變換在時、頻兩域都能表征信號局部的特征，主要應用于時頻分析。有學者[5]在小波變換消噪后，對3次樣條函數對單周期脈象擬合，結果表明，相比于經典的最小二乘法，3次樣條插值波形更為平滑，且可以確保觀測點必然出現在擬合函數上，利于脈象細節(jié)的描述，認為這種方法得出的脈波圖更具有實際的中醫(yī)內涵。

2 脈動周期的劃分

由于脈診信息具有周期性，但每一周期又有不同特征，且不同周期間的聯系也具有重要的生理病理意義，故而周期的劃分是保證后續(xù)分析有效的重要的一步。周期提取方法可以先找到脈搏中的特征點再進行周期劃分，如域值法、極值法等，但由于不同脈象特征點差異大，所以隨機誤差較大。也可以根據脈搏信號的產生機制，直接計算脈搏的周期，如自相關函數法等，原理簡單，準確率高，但計算復雜，不利于在硬件上作實時處理。吳艷君等[6]提出一種基于平均幅度差函數（AMDF）的脈搏周期檢測改進算法。其根據干擾谷點的分布范圍計算脈搏信號的噪聲閾值，運用閾值削波函數排除噪聲干擾，獲得了更精確的脈象周期劃分。趙漢青等[7]同步采集心、脈數據，運用心跳周期數據完成脈搏周期的劃分。

3 參數提取

3.1 時域分析

時域分析是最早的脈象分析方式，主要分析脈搏波幅的高度和脈動時相的關系。這種方法將脈波信號模擬為波動曲線，觀察方式直觀，易于被研究者所接受。時域分析通過分析主波幅值（h1）、重搏前波幅值（h3）、降中峽幅值（h4）、重搏波幅值（h5）、各幅值間的比值、時間參數t4、t5和夾角P、U、V等參量來評價脈搏波的特征點，找出特征與脈象之間的內在關系，將脈圖結果直接進行解釋。費兆馥在《現代中醫(yī)脈診學》[8]中詳細闡述了臨床常見17種脈象的脈圖及其時域特征參數。但在實際應用中，時域法提取的特征參數所包含的脈象信息并不全面，而且沒有統(tǒng)一的采集標準，后期研究須注重其標準化的建立，并聯合其他方法共同完成分析。

3.2 頻域分析

頻域分析通過離散快速傅里葉變換的方法，將時域的脈搏波曲線轉換到頻域，然后對相應的頻譜曲線進行分析。頻域分析的方法主要有倒譜分析、功率譜分析等。任亞莉等[9]對20位在校大學生進行健康與亞健康組的分類，采集脈象后提取脈搏信號功率譜第一主峰峰值及重心頻率作為識別亞健康狀態(tài)的特征量，研究發(fā)現亞健康組較健康組頻域特征明顯升高，認為與該人群情緒緊張煩躁有關。文中還運用近似熵及小波熵兩種非線性動力學特征對兩組脈象進行比較，亞健康組的這兩項指標均有明顯下降，可能提示其精神疲勞，活力降低。 蔡坤寶等[10]運用倒雙譜，選取對角切片在m=n=1處的抽樣幅值，提取20例海洛因吸毒者與20例健康正常人脈象信號特征參數，以平方馬氏距離為準則設計了分類器，對40個特征向量的準確識別率為87.5%。

頻域分析法用脈搏波所具有的全部頻率分量的集合來表達脈搏特征[11]，包含信息全面，但因計算復雜，結果抽象，很難實際應用。所以利用頻域分析捕捉脈搏信號的細小變化，嘗試用不同的方法提取不同脈象圖的能量分布特征，仍需進行進一步研究。

3.3 時頻分析

時頻分析是目前脈象分析方法中最為常用的一種，其基本思想是描述信號在不同時間、不同頻率的能量密度或強度，通過計算時間和頻率的聯合函數，對信號頻率隨時間變化的規(guī)律進行分析[12]。這種時間-頻率-能量的敘述方式最符合中醫(yī)探知正氣盛衰、判斷人體健康與否的模式，易于理解與應用。最為常用的是短時傅里葉變換和小波變化。

近年研究中應用Hilbert-Huang（HHT）變換進行信號處理，能夠同時得到信號頻率、能量、時間的分布特征，對于處理非線性、非平穩(wěn)信號有清晰的物理意義[13]?；谛盘柨煞纸鉃槿舾蓚€固有模態(tài)函數（IMF）的理論，在對這些分量進行Hillbert變換后，即可得出信號的時間-頻率譜圖，進而可計算邊際譜。楊成等[14]采集健康成年人和動脈硬化患者的脈象，結合HHT和樣本熵，分析二者之間的差異。發(fā)現動脈硬化患者第一個IMF分量的樣本熵值小于正常人，且邊際譜能量明顯向低頻移動，認為HHT和樣本熵可用于早期動脈硬化的診斷。郭睿等[15]采用相空間重構算法將冠心病患者一維脈圖信號擴展到高維相空間中，然后采用遞歸圖（RP）及遞歸定量分析（RQA）提取其頸動脈不同硬化程度下脈圖的非線性動力學RQA特征；最后繪制脈圖RQA特征的接受者工作特征（ROC）曲線，來評估RQA特征鑒別冠心病患者頸動脈斑塊的診斷價值，取得較好結果。

4 統(tǒng)計學方法

4.1 χ2檢驗與t檢驗

傳統(tǒng)的統(tǒng)計學方法仍是脈診信息數據分析的主流，在部分特征的分析方面仍有良好的適應性。但是由于脈診數據維度高、數據量小的限制，簡單的統(tǒng)計學方法已無法滿足需求，尋找更適用的脈診信息分析方法尤為重要。

4.2 人工神經網絡

人工神經網絡的方法主要模仿人類大腦在認知新事物時的學習方法。徑向基核函數（RBF）神經網絡是對BP神經網絡的提升。楊凌等[16]對脈象信號時域特征中的升支斜率、降支斜率（絕對值）進行頻域轉換，利用RBF神經網絡進行訓練和識別，建立了分析系統(tǒng)，在對細、平、洪3種脈象的識別中正確率達94.29%。郭睿等[17]提取正常人群平脈、弦脈和滑脈的脈搏波波速和反射系數，利用RBF對其所進行的分類，有效區(qū)分平、弦、滑脈。胡曉娟[18]運用卷積層神經網絡進行脈搏波的識別，雖然分析過程中部分操作方法不符合中醫(yī)邏輯，但新型計算方式的引入值得關注。

龔其淼[19]提出將多模型估計法應用于脈象分析，認為疾病是人體從正常動力學模型到非正常狀態(tài)模型的轉化，建立多維綜合脈象信號與病證的關聯特性，利用了系統(tǒng)模型的深層知識進行“故障”診斷，具有較好的預估能力，盡早地發(fā)現病證。

4.3 其他機器學習方法

主成分分析通過原始變量的線性組合，將分散在一組變量上的信息集中到少數幾個，且相互正交的綜合指標（主成分）上，可以降低數據維度，剔除冗余信息，便捷數據計算。任亞莉等[9]提取健康人群與亞健康人群提取脈搏信號功率譜第一主峰峰值、重心頻率、近似熵、小波熵四種參數后，運用主成分分析對健康狀態(tài)與亞健康狀態(tài)進行識別，正確率達到100%。汪南玥等[20]研究肝硬化患者與健康人脈診信息的差異，運用無監(jiān)督學習主成分分析及有監(jiān)督學習LS回歸和Lasso回歸分別對兩組進行判別。其結果主成分分析的判決準確率為81%；建立EFBLS提取7個特征參數進行擬合后，LS回歸判決準確率為98.7%；Lasso回歸判決程序自動選擇6個參數進行判別，準確率為89%。后續(xù)用同樣方法研究高血壓患者脈診信息特征，亦取得了較好的成果[21]。

近年來提出去掉尋找特征值的步驟，直接對脈搏波圖進行分類判別的方法。如宮樹杰等[22]采用裝箱方法處理數據，通過支持向量機對健康人與肝硬化患者脈進行分類，準確率達到83.87%。但其在處理過程中限于裝箱方法的使用條件，將脈象周期固定為同一長度并進行振幅的補足或抹去，忽視了脈象的中醫(yī)內涵。劉攀[3]運用多分類支持向量機（LIBSVM）的方法實現模式識別，準確率達74%。

5 問題與發(fā)展方向

5.1 進行更深度的數據挖掘，建立完整的數據采集與分析體系

脈象信息的提取與分析是一整套流程，過程中的任何一步有疏漏都會導致最后結果可信性的降低。目前關于脈象客觀化的研究非常多，但缺乏系統(tǒng)性，很多研究僅拿出過程中的某一段落進行研究或優(yōu)化，而對于其他步驟的方法選取考慮不周，最終影響實驗結果。從儀器到采集再到分析，脈象的信息提取與采集技術急需建立一套標準模式，選取各步驟處理方法中較為成熟可信的技術，考慮各步驟間的相互影響及連續(xù)性，搭建具體的脈象研究平臺。應盡量避免反復做重復工作，著力于這個標準模式中每個較為薄弱可改進的點，在系統(tǒng)完整的基礎上對其進行優(yōu)化，否則脈診的研究始終無法真正發(fā)展，完成質變，從而進行下一步研究。

5.2 新參數的引入

目前脈診信息分析的參數主要是時域參數和頻域參數，但前者不能完整反映脈診信息中包含的信息，后者無法解釋其生理病理內涵。故而，有臨床意義的新參數的引入勢在必行。許軼君等[23]將同步瞬時波強技術（WI）引入脈象的客觀化研究，盛麗等[24]應用彩色多普勒頻譜觀察橈動脈的血流動力學變化，為脈象的研究與診斷提供可行方法，為新參數的選擇引入提供思路。

5.3 注重多學科合作

脈象客觀化的研究建立在多學科、各領域跨專業(yè)合作的基礎上。中醫(yī)理論是發(fā)展的基礎與指引，現代科學技術是完成任務的工具，兩相協(xié)調才能有新的發(fā)展。當前脈診客觀化研究中，中醫(yī)方采用老舊的技術、現代方法方忽視脈象中醫(yī)特征的錯誤比比皆是，這造成了資源的極大浪費，在未來的研究中應盡量避免。要加強雙方的溝通能力，中醫(yī)一方提出需求，現代方法一方提供解決的途徑，任一方單干蠻干都是不可取的，務必加強配合，各施所長，推進脈診現代化研究的進一步發(fā)展。

[參考文獻]

[1] 陶祖萊.生物流體力學[M].北京：科技出版社，1984：298-329.

[2] 汪南玥，于友華，黃大威，等.脈診信息影響因素及處理方法的研究[J].中國中醫(yī)藥信息雜志，2011，18（1）：11-13.

[3] 劉攀.基于HHT和多分類支持向量機的脈象信號分析與研究[D].上海：華東理工大學，2015.

[4] 王燕，續(xù)明進，楊梅.脈象信號的小波多分辨率分析方法[J].北京印刷學院學報，2011，19（6）：42-46.

[5] 蔡瀟，秦肖臻，康雙雙.脈象信號濾波與特征值提取[J].計算機工程與科學，2012，34（9）：88-92.

[6] 吳艷君，黃堅，夏家莉.基于AMDF的脈搏周期檢測改進算法[J].計算機應用與軟件，2014，31（6）：52-54.

[7] 趙漢青，聞晶，王志國.基于時域分析的心脈同步信號時差圖提取方法研究[J].中華中醫(yī)藥學刊，2014，32（1）：203-205.

[8] 費兆馥.現代中醫(yī)脈診學[M].北京：人民衛(wèi)生出版社，2003.

[9] 任亞莉，張愛華，孔令杰.脈搏信號和主成分分析在亞健康狀態(tài)識別中的應用[J].計算機應用與軟件，2013，30（3）：200-206.

[10] 蔡坤寶，曹丁，段云孜，等.脈象信號的特征提取與識別方法[J].重慶大學學報：自然科學版，2011，34（10）：119-123.

[11] 李萬兵，權宏偉，袁成鋒.中醫(yī)脈診的脈搏觸壓覺建模與分析綜述[J].電氣時代，2014（9）：17.

[12] 洪芳，曹燕亞.中醫(yī)脈象信號特征提取與分析方法研究進展[J].上海中醫(yī)藥雜志，2013，47（10）：82-84.

[13] 沈毅，沈志遠.一種非線性非平穩(wěn)自適應信號處理方法—希爾伯特-黃變換綜述：發(fā)展與應用[J].自動化技術與應用，2010（5）：1-5.

[14] 楊成，王學民，孫濤，等.基于脈象Hilbert-Huang變換和樣本熵的動脈硬化癥檢測研究[J].生物醫(yī)學工程學雜志，2012，29（6）：1178-1183.

[15] 郭睿，王憶勤，燕海霞，等.脈圖的遞歸定量分析及對冠心病頸動脈血管硬化程度的評價[C]//第七屆全國中醫(yī)藥博士生學術論壇論文集，2016：1695-1699.

[16] 楊凌，王汝旭，張文博，等.基于LabVIEW的智能化中醫(yī)脈象識別系統(tǒng)[J].中國科技論文在線，2011，6（1）：49-53.

[17] 郭睿，王憶勤，燕海霞，等.基于血液動力學原理的中醫(yī)脈搏波特征提取與識別[J].中西醫(yī)結合學報，2010，8（8）：742-746.

[18] 胡曉娟.中醫(yī)脈診信號感知與計算機輔助識別研究[D].上海：華東師范大學，2013.

[19] 龔其淼.多模型估計方法應用于人體脈象客觀化研究的思考[J].噪聲與振動控制，2011，31（5）：150-152.

[20] 汪南玥，于友華，黃大威，等.基于主成分分析和多種回歸的肝硬化患者脈診信息特征分析研究[J].中華中醫(yī)藥雜志，2011，26（10）：2244-2247.

[21] 薛利媛，汪南玥，于友華，等.基于主成分分析和LS，Lasso對高血壓患者脈診信息特征分析研究[J].中國中醫(yī)基礎醫(yī)學雜志，2013，19（6）：660-663.

[22] 宮樹杰，陳明銳.基于脈象信號處理的肝硬化診斷方法研究[J].計算機應用與軟件，2014，31（6）：69-71.

[23] 許軼君，肖滬生，徐芳.基于WI技術的脈象客觀化研究在原發(fā)性高血壓中的應用[J].中國中西醫(yī)結合影像學雜志，2016，14（5）：537-539.

[24] 盛麗，鄭烈.基于血流動力學變化特點探討多普勒頻譜對中醫(yī)脈象客觀化評價分析[J].西部中醫(yī)藥，2016，29（2）：141-142.

（收稿日期：2018-01-08 本文編輯：張瑜杰）