三部脉象采集方法及关联性

王学民，王 欣，郭 丹，宋 鹏，张玉满，周 鹏

（1. 天津大学精密仪器与光电子工程学院，天津 300072；2. 天津市生物医学检测技术与仪器重点实验室，天津 300072）



三部脉象采集方法及关联性

王学民1, 2，王 欣1，郭 丹1，宋 鹏1，张玉满1，周 鹏1, 2

（1. 天津大学精密仪器与光电子工程学院，天津 300072；2. 天津市生物医学检测技术与仪器重点实验室，天津 300072）

摘 要：旨在研究一种新的三部脉象采集方法，同时利用统计学知识讨论寸、关、尺脉象的关联性.使用一种新的中医三部脉象仪，能够高采样率、高精度地采集寸、关、尺三部脉象数据，通过去噪和基线纠漂进行信号的预处理，在时域和频域上进行多个特征参数的提取，通过实验和对实验数据的分析探究三部脉象最佳取脉压力之间的相互关系以及单点压力变化时对于其他点脉象信息的影响，并将这一影响关系进行量化.对已知的“掌弓旁路效应”、“取脉压组效应”以及桡动脉血管模型进行了验证，并在此定性的基础上给出了量化的结论，也为脉象的成因进行了有益的探讨.

关键词：中医脉象；寸、关、尺；关联性

网络出版时间：2014-10-31. 网络出版地址：http://www.cnki.net/kcms/detail/12.1127.N.20141031.1649.001.html.

利用新的技术手段实现中医的寸口三部脉象采集是中医客观化发展的需要，目前，对于单部脉象信号检测的研究已经发展的相对成熟，其检测、处理、分析以及临床应用上都有较大发展，但其信息的片面性也是明显的，中医师在诊脉时主要依靠3点的脉象进行综合考量，而目前对于三部脉象的研究与讨论也主要集中在生理结构层面的分析以及3点采集传感器的研发上，寸口的“三部九侯”诊法的模拟是比较复杂的操作过程，寸、关、尺3点在不同的压力组合下可以得到不同的脉图，医师根据丰富的理论和实践经验根据手指的感觉去得到结论，这种方法和感觉是医师长期建立的精确的手-脑反馈调节系统.因此，在三部脉象的客观化研究过程中，首先要解决信号的采集问题，其次就是要探究出寸、关、尺3点的脉象信号在不同压力下的相互关系，这是模拟中医“三部九侯”诊法的一个基础点[1]，同时有助于逐步建立属于三部脉象检测规律的脉象判读标准.

寸、关、尺某一部压力的变化会对另外两部的脉象信号波形产生一定程度上的影响[2-3]，但在已有的研究中，并没有通过大量的实际试验检测进行验证和支撑，也并未给出一个具体量化的影响关系，这种量化的影响关系的意义在于将单点脉象的分析方式和3点脉象的分析方式加以区分，并为尚未建立的三部脉象诊断客观化的诊断标准提供参考，同时，这一量化关系也为三部脉象仪在采集脉象时压力的施加提供指导，笔者将通过实际数据的分析对其进行初步的探究.

1　中医三部脉象采集及分析系统

中医三部脉象采集及分析系统（见图1）包括：脉象信号采集部分、压力控制电路、中央控制器、通讯模块以及上位机软件.其中，脉象信号采集部分包括3个压力传感器、信号预处理电路和AD转换电路；压力控制部分包括3个气动加压气泵、3个快减压电磁阀、3个慢减压电磁阀、3个储气仓、3个加压气囊以及3个连接储气仓和加压气囊的胶质管道；中央控制器主要由ADUC845单片机及其相关电路构成；通讯模块为串口通讯电路；软件部分可以实现病例添加、查询和编辑，3路信号的采集、显示和存储，寸口3点的多种已定义加减压模式和自定义加减压模式，信号的实时分析和对存储信号的多参数提取分析等功能.其检测模式比单点检测的脉象仪更符合中医传统的“三部九侯”脉诊方法，为中医脉诊科学化、定量化研究提供了有效科学手段.

图1　中医三部脉象仪结构Fig.1 Block diagram of cun-guan-chi pulse collection instrument

中医三部脉象采集系统的传感器采用压力传感器，3个独立的带有加压气囊的腕带可以互不影响地进行采集和加压，腕带的设计（如图2所示）使其既能获取信号又能够同时控制压力，最大程度上模拟了中医师诊脉施指的状态.该脉象仪的采样率达到单路150,Hz，并且可调至最高500,Hz，在脉象信号的采集中，达到了较高的采样率，同时采样精度为24位，为信号精确度提供了保障.同时，在压力控制方面，本系统设置了简单的快减压和慢减压操作，同时辅有多种三部的压力组合方式和自定义的方式，形成了一种半开放的加压模式，系统可以实现每一路的快速减压，从而得到最佳取脉压力，这一模式提高了最佳取脉压力提取的精度和速度.在数据分析上，本系统着重于对参数提取算法的不断优化，通过一维小波消噪、多分辨率分解去噪、基于LPIP的三次样条插值基线纠漂进行信号的预处理，通过小波模极大值法、希尔伯特-黄变换[4]等方法进行时域和频域多个特征参数的提取[5].

图2　腕带部分结构Fig.2 Structure of the wristband part

2　实验方案

实验数据的采集对象为天津大学50名健康师生，其中男女生各25人，体检正常，脉诊正常，年龄在20～30岁之间，平均年龄（23±1.5）岁.用中医三部脉象仪采集实验数据，实验步骤如下.

（1）联仪器标定.在实验前要对仪器进行重新标定，通过静压标定使3路均处于压力为0的状态，同时斜率一致（误差小于1），通过动压标定使3路的动压灵敏度保持一致（误差小于1）.

（2）采集前准备.在数据采集之前，让受试者心态保持平和，端坐于仪器前，小臂平放于仪器台面上，基本与心脏同高，帮助其找到寸、关、尺的准确位置，并固定好带有传感器的腕带.

（3）实验数据采集.对每位受试者的左手和右手分别根据以下的实验方案进行数据采集.通过连续减压的方式分别获取三部脉象的最佳取脉压力.

以寸部和尺部为例，尺部分别施加不同的压力，压力梯度为60→80→100→120→140→160克力（即0.588,6→0.784,8→0.988,1→1.185,7→1.383,3→1.581,0,N），同时寸部通过连续减压的方式获取最佳取脉压力.

寸部保持在最佳取脉压力下采集，尺部分别施加不同的压力梯度为60→80→100→120→140 →160克力（即0.588,6→0.784,8→0.988,1→1.185,7→1.383,3→1.581,0,N），分别获得寸部的最大主波峰等幅度和时间参数.

寸部保持在最佳取脉压力下采集，尺部进行连续减压，减压区间为200～40克力（即1.976,2～0.395,2,N），分别获取寸部的最大主波峰等幅度和时间参数.

3　分析方法

本研究对数据的分析主要是进行数据的统计分析，从而探寻寸、关、尺三部之间压力变化带来的脉象变化.

参数分析程序可以将获得的多段脉象数据进行参数获取，得到最佳取脉压力、峰峰值、升支时间等时间参数，使用SPSS统计分析软件进行回归模型的建立，通过一次及多次回归模型的建立，探索影响关系，最终得到量化的结果.

参数分析程序的主要功能是对一段脉象数据进行参数提取[6].一种是对连续减压的脉象数据进行最佳取脉压力的获取，图3是归一化的连续减压脉象数据，这样更容易获得最佳取脉压力对应的压力值.另一种是对一段稳定的脉象数据进行幅度和时间参数的提取，涉及到脉象的最大主波峰、脉动周期、升支时间、心缩时间等，图4所示为最大主波峰的提取方式，遍历整段脉象数据的各波峰峰值，绘制如图4所示的图形，即能寻找到最大主波峰的幅度值.

图3　最佳取脉压力提取Fig.3 Extraction of best pressure

图4　最大主波峰的提取Fig.4 Extraction of maximum principal wave peak

4　寸、关、尺三部最佳取脉压力的关系

通过实验数据的整理可知，寸、关、尺三部的最佳取脉压力并不相同，这在中医理论里也可以得到验证，即中医师在诊脉时需要通过多次的调整去寻找三部的最佳取脉压力，3个手指施加的压力并不尽相同，汤伟昌等[7]曾使用脉象仪对三部最佳取脉压力的关系进行过一些研究，但是其最佳取脉压力的获取是通过梯度加压，加压梯度为50→75→125→150→175克力（即0.494,1→0.741,1→1.235,1→1.482,2→1.729,2,N），最终其结论为寸部最佳取脉压力比关部最佳取脉压力增加13.6%～24.2%，尺部最佳取脉压力与关部最佳取脉压力相比，增加了18.3%～26.9%.这种方法在精确性上存在很大的问题，其每次获得的最佳取脉压力只有5个梯度，本研究对于最佳取脉压力的获取则是通过连续减压的方式，压力值可以精确到1克力（即0.009,881,N），即每次获取的最佳取脉压力有300个梯度（0～300）.

本实验中，每组三部最佳取脉压力的采集包括左手寸、关、尺和右手寸、关、尺各点的最佳取脉压力，对每个实验对象采集有效数据10组，共500组数据，使用SPSS进行处理，统计方法使用t检验，总结三部最佳取脉压力之间的数值关系，如表1和表2所示.

表1　寸、关、尺最佳取脉压力统计结果Tab.1 Statistical results of the best pressures of cunguan-chi

表2　寸、关、尺最佳取脉压力相互关系统计结果Tab.2 Statistical results of the mutual relation among the best pressures of cun-guan-chi

通过上述分析，笔者认为，各样本寸、关、尺的最佳取脉压力是不同的，寸、关、尺三部的最佳取脉压力中，关部的最小，寸和尺部的最佳取脉压力要大于关部，这符合生理结构的特点.寸、关、尺三部的最佳取脉压力存在一定的衰减或增长关系，在可信区间95%内，关部对于寸部衰减3.092 1%～15.447 6%，衰减幅度均值为8.027 1%，尺部对于关部的增幅为2.882 8%～20.002 3%，增幅均值为7.377 3%.三部的浮中沉并不是一个等价的概念，此浮非彼浮，关部的浮中沉不能代表寸部和尺部的浮中沉.根据这一衰减/增长幅度，可以通过关部的浮中沉初步推断寸部和尺部的浮中沉.

5　别部加压对峰峰值的影响及对最佳取脉压力的影响

以左手关部加压对寸部峰峰值的影响为例，选择其中的5组数据进行分析方法的说明，5组数据分别为5个不同采集对象的寸部脉象峰峰值，每个采集对象的数据均为多次采集获得的平均值，如图5所示，横坐标为关部压力，纵坐标为寸部峰峰值，从曲线中可以得到一个初步的下降趋势，通过SPSS统计分析软件，对其进行了一元线性回归模型和二元线性回归模型的建立，表3为这5组数据分别进行一元线性回归模型分析后的判定参数和一元系数.之后对每组数据进行了二元线性回归模型的建立和分析，其结果如图6、表4所示.

图5　关部压力变化与寸部主波峰峰值变化关系Fig.5 Relationship between the change of pressure of guan and maximum principal wave peak-peak of cun

表3　5组数据的判定系数和一元系数Tab.3 Degree of fitting and coefficient of x for 5 sets of data

通过一元线性回归模型和二元线性回归模型的建立，得到了其判定系数和模型的系数.结果显示，两种模型均有很好的可靠性，均能较大程度地拟合已有数据，而二元线性回归模型的R值均小于相应一元线性回归模型的R值，同时其一次项系数（b2）均为小于万分之一的系数，表明对结果影响很小，因此可以认为一元线性回归模型对于数据的拟合要优于二元线性回归模型.

图6　二元回归散点图和回归模型曲线Fig.6 Scatter diagram and the curve of regression model

表4　二元回归模型参数Tab.4 Parameters of bivariate regression model

通过对现有所有有效数据的分析整合，得到表5和表6所示的一次项系数，笔者认为，寸、关、尺相互之间因为压力的变化会对脉象波形和最佳取脉压力产生影响.寸、关、尺相互之间的这种影响程度并不相同，寸部受到关部的影响较大，关部受到尺部的影响较大，这验证了桡动脉血管模型的理论[8].通过建立一次回归模型得到了寸、关、尺相互之间影响程度的量化参数，这个初步的量化关系为三部脉象客观化的研究提供了重要的方向和现实依据.中医认为左右手寸、关、尺对应不同的脏器，完整的脉象诊断分析需要综合寸口各部脉象进行信息整合，不能单一地通过单部的脉象进行判断，而三部脉象之间的这种影响关系也说明在三部脉象的客观化过程中，要充分考虑这种影响关系，从而才能更加准确地进行脉象识别和综合分析.

表5　某部加压对另外一部的峰峰值影响Tab.5 Effect of the change of ambient pressure on maximum principal wave peak-peak of another part

表6　某部加压对另外一部最佳取脉压力影响Tab.6 Effect of the change of ambient pressure on the best pressure of another part

在数据采集和分析的过程中，笔者发现部分数据显示另外一种影响关系，如图7所示，随着尺部压力的增大，寸部脉象信号发生平滑化现象.幅值随着压力的增大先减小后增大后又减小.尺压从0开始增大在一定压力范围内，尺部血管横截面面积不变，所以寸部信号峰值不会发生显著性变化.尺压为40克力（0.395 2,N）时信号峰值与尺压为0时的寸部信号有显著性差异.根据人体的血管特性及手部解剖结构，先开始加压时，尺部血管横截面变小，单位时间流过的血液量减少，所以寸部脉象信号幅值减小.尺部压力增大到120克力（1.185 7,N）时，经掌弓通道流来的血液受到尺部的阻扰，聚集在寸部，所以寸部脉象信号幅值有一个小上升.但其幅值不会超过尺部不加压时寸部的信号幅值.尺部的压力再增大完全阻断了尺部前后的血流通道，桡动脉的血液不再对寸部脉象信号起作用，所以寸部脉象信号幅值又有所下降，升支时间没有产生显著性差异[9].

图7　压力变化对应的脉象波形Fig.7 Pulse contour of different pressures

6　结语

本文采用课题组研发的智能中医三部脉象仪，通过长期的数据采集，不断修正数据采集方案，最终确定了一个受到外界因素影响较小并能较大程度上反映三部关系的实验方案，通过对50例实验对象的数据采集，建立了一个初步的数据库，并利用SPSS统计软件进行了模型的建立，最终获得了量化程度较强的结果，初步获得了寸、关、尺三部脉象最佳取脉压力之间的衰减/增长幅度值以及寸、关、尺三部在压力发生规律性变化时脉象特征发生的规律性变化.中医的脉诊方法是一种综合性的分析方法，如今中医脉诊客观化中的单点脉象采集和分析并不能完整和综合地反映脉象信息，而本文通过三部脉象信号的采集、信号的独立参数提取和分析、三者之间相互关系的量化性研究期待能够建立一种新的三部脉象采集方法，能够脱离单一脉象采集的简单叠加，为三部脉象客观化的发展和完善提供帮助，同时，随着采集和分析的数据量的不断加大，将获得更多的规律性信息.

参考文献：

［1］王炳和，相敬林. 脉搏系统建模与脉象信息分析的研究进展[J]. 生物医学工程学杂志，2002，19（2）：329-333. Wang Binghe，Xiang Jinglin. The progress in research for human pulse system modeling and pulse condition information analysis[J]. Journɑl of Biomedicɑl Engineering，2002，19（2）：329-333（in Chinese）.

［2］汤伟昌，李 睿. 三部脉象检测系统的研究[J]. 中国医疗器械杂志，2005，29（3）：164-166. Tang Weichang，Li Rui. Research on the cun-guan-chi pulse detecting system[J]. Chinese Journɑl of Medicɑl Instrumentɑtion，2005，29（3）：164-166（in Chinese）.

［3］黄晓昱，汤伟昌，李 睿，等. 三部脉象同步检测与单部脉象检测结果的比较研究[J]. 中国中医基础医学杂志，2005，11（3）：210-211. Huang Xiaoyu，Tang Weichang，Li Rui，et al. Comparative study on synchronous test of three-position pulse and simple pulse test[J]. Chinɑ's Bɑsic Medicɑl Journɑl of Trɑditionɑl Chinese Medicine，2005，11（3）：210-211（in Chinese）.

［4］Yan Haixia，Wang Yiqin，Liu Zhaorong. Feature ex-traction for pulse waveform in traditional Chinese medicine by hemodynamic analysis[C]//IEEE Internɑtionɑl Conference on Bioinformɑtics ɑnd Biomedicine，BIBM'09. Washington DC，USA，2009：234-238.

［5］王 鹏. 多路脉象信号的特征提取与模式分类[D]. 哈尔滨：哈尔滨工业大学计算机科学与技术学院，2009. Wang Peng. Multi-Channel Pulse Feature Extraction and Pattern Classification [D]. Harbin：School of Computer Science and Technology，Harbin Institute of Technology，2009（in Chinese）.

［6］苏子美，郭建英，刘 瑾. 脉搏波的频域特征提取与自动识别技术[J]. 纳米技术与精密工程，2010，8（1）：70-74. Su Zimei，Guo Jianying，Liu Jin. Spectrum feature extraction and automatic recognition of pulse waves [J]. Nɑnotechnology ɑnd Precision Engineering，2010，8（1）：70-74（in Chinese）.

［7］汤伟昌，赵宇平，刘聪颖. 三部脉象检测中寸关尺取脉压力关系的研究[C]//中华中医药学会中医诊断学分会2007年会论文集. 武夷山，2007：55-59. Tang Weichang，Zhao Yuping，Liu Congying. Research on relationship among cun-guan-chi pressures during three-position pulse test[C]// Proceedings of Annuɑl Meeting of Brɑnch of Associɑtion of Trɑditionɑl Chinese Medicine Diɑgnosis，Chinɑ Associɑtion of Chinese Medicine. Mount Wuyi，China，2007：55-59（in Chinese）.

［8］王学民，杨 成. 基于中医脉象的桡动脉血管模型的建立[J]. 天津大学学报：自然科学与工程技术版，2013，46（6）：487-492. Wang Xuemin，Yang Cheng. Model of radial artery based on human pulse[J]. Journɑl of Tiɑnjin University：Science ɑnd Technology，2013，46（6）：487-492（in Chinese）.

［9］陈先农，罗致诚. 中医脉波的“掌弓旁路效应”与“取脉压阻效应”[J]. 中国生物医学工程学报，1984，3（2）：118-123. Chen Xiannong，Luo Zhicheng. “Palmar arches by-pass effect” and “pulse-feeling piezoresistive effect” in traditional Chinese medicine sphygmology[J]. Chinese Journɑl of Biomedicɑl Engineering，1984，3（2）：118-123（in Chinese）.

（责任编辑：赵艳静）

Relevance Between Cun-Guan-Chi Based on a New Data Collection Method

Wang Xuemin1, 2，Wang Xin1，Guo Dan1，Song Peng1，Zhang Yuman1，Zhou Peng1, 2
（1. School of Precision Instrument and Opto-Electronics Engineering，Tianjin University，Tianjin 300072，China；2. Tianjin Key Laboratory of Biomedical Detection Technology and Instrumentation，Tianjin 300072，China）

Abstract：A new instrument was designed in order to find a new method for collecting cun-guan-chi pulse signals. The cun-guan-chi pulse acquisition system was designed with pulse sensors which were combined in a way to solve the problem of space limitation. A single chip microcomputer called ADuC 845 was used in the control system. Signals were preprocessed by removing noise and baseline remedy. Time domain parameters and frequency domain parameters were extracted by some new methods. A new vascular model was established to study the best pulse pressure. According to the analysis data, the interaction effect between cun-guan-chi was preliminarily quantified. Palm bow bypass effect，pressure taken resistance effect and artery blood vessel model were verified. With the quantification of the relationship, pressure control in cun-guan-chi pulse collection will be more scientific, which can better objectify the pulse diagnosis of traditional Chinese medicine.

Keywords：pulse in Chinese medicine；cun-guan-chi；correlation

通讯作者：周 鹏，zpzp@tju.edu.cn.

作者简介：王学民（1961— ），男，博士，副教授，xueminw@tju.edu.cn.

基金项目：天津市自然科学基金资助项目（13JCQNJC13900）；国家自然科学基金资助项目（51377120，31271062，81173202）.

收稿日期：2014-06-16；修回日期：2014-10-21.

中图分类号：TP274＋.2

文献标志码：A

文章编号：0493-2137（2016）01-0052-06

DOI:10.11784/tdxbz201406041