多部脉象信息采集及处理

王学民，郭 丹，王 欣，陆小左，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；3. 天津中医药大学中医工程学院，天津 300193）

多部脉象信息采集及处理

王学民1,2，郭 丹1，王 欣1，陆小左3，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；3. 天津中医药大学中医工程学院，天津 300193）

基于中医三部脉象仪，探究一种新的多部脉象采集方法及各部之间的影响，提出一种新的脉象信号时域特征提取法NILP.通过小波高频去噪和基于三次样条插值的LIP算法对寸、关、尺三部脉象信号预处理.利用NILP、谱能比、小波熵和HHT提取时频域上的多个特征参数.结果发现，寸部信号随着尺部压力的增大，时域平滑化，频域高频成分减少；尺部信号随着寸部压力的增大，时域陡化，频域高频成分增加；寸关尺最佳取脉压力存在定量关系.这种影响关系表明单部采集与多部采集存在较大差异，应通过临床样本的积累，逐步建立符合三部脉象检测规律的脉象判读标准.

中医脉象；最佳取脉压力；NILP；HHT

中医脉诊是中医理论的重要组成部分，三部九侯诊法［1］是我国中医自古以来脉诊所使用的一套方法，辩证辨病，九侯相参，体现了中医整体观思想.经过多年的发展，中医脉象仪及脉象分析在理论和临床应用上已经取得了巨大的进步.目前已经建立了单部脉象判断标准，模拟三部九侯的三部脉象仪硬件基础发展成熟，但是完全体现三部九侯思想的多部脉象标准尚未出炉，而且三部脉象仪如何实现多部压力控制尚在探索中.因此，本文首先探索一种新的三部脉象信号采集方法，通过传感器梯度加减压模拟手指切脉压力变化，利用三部传感器模拟中医师三部九侯诊法.目前对于寸关尺一部压力变化对另两部脉象信号影响的研究处于定性分析阶段，本文通过信号处理的时、频域特征提取对此做出了定量分析.该定量分析为三部脉象仪采集的压力控制提供更好的方案，也为多部脉象判断标准作出一定参考，有利于促进中医现代化发展.

1　实　验

1.1实验设备及采集说明

本文数据来源基于天津大学精密仪器与光电子工程学院中医工程实验室自主研发的袖带式中医三部快速采集脉象仪.三部快速采集脉象仪系统框图如图1所示.

图1　三部脉象仪系统框图Fig.1 System block diagram of three-portion pulse collection instrument

本系统使用的袖带式脉搏传感器集加减压和信号采集于一体，模拟中医师手指切脉，通过独立气囊及气动加减压模块改变传感器探头对腕部的压力.此系统可以实现多种加减压模式，本文中采用快速加压连续减压模式，即传感器压力快速增大到一定值后，压力缓慢连续减小.这种采集方式精确度高，相较于前人通过梯度加压得到的最佳取脉压力及多部脉象采集影响［2］准确性提高.

1.2实验方案

本文所用数据的采集对象为天津大学精密仪器与光电子工程学院的20名大学生，均体检正常，年龄在20～25岁之间.

统一检测部位为被试者的左手腕部.先用手指找到安静端坐于仪器前的被试者的寸、关、尺，用笔标示.根据实验方法，将相应数目的传感器探头准确地固定在相应部位.具体步骤如下：

（1）分别以连续减压方式采集寸、尺部脉象信号；

（2）尺部连续减压，采集保持在最佳取脉压力下的寸部信号；

（3）寸部施加80克力的恒力，尺梯度加压（40→80→120→160克力），每个压力梯度寸部采集1,min；

（4）寸部连续减压，采集保持在最佳取脉压力下的尺部信号；

（5）尺部施加100克力的恒力，寸梯度加压（40→80→120→160克力），每个压力梯度尺部采集1,min.

2　主要方法——NILP算法及HHT法

通过提取脉象信号特征参数分析影响，本文主要介绍NILP（new intersection points of lines and pulse waveform）算法和HHT（Hilbert-Huang transform）法.

2.1NILP算法

NILP算法是对王鹏［2］提出的提取脉象时域特征ILP算法的改进.NILP能准确地找出各个特征点，准确性高，且具有抗噪性.其原理是不同高度直线与单个周期脉象信号交点个数不同，特征点前后交点个数发生突变，如图2所示.根据此特点，交点个数数组前后相减，不为零处即为特征点，因精度所限差值一般为2.得到的特征点数组顺序对应H4、H5、H2、H3、H1，如图3所示，然而对于图4所示的非标准脉象，会出现特征点误判为H4、H2、H3、H5、H1，本文根据特征点时间顺序纠正误判错误.

图2　NILP算法原理Fig.2 Principle of NILP algorithm

图3　标准信号及其与直线交点个数Fig.3 Standard signal and its node number with line

图4　非标准信号及其与直线交点个数Fig.4 Non-standard signal and its node number with line

将脉象信号归一化到0～1之间.经过大量实验发现直线移动步进为0.000,01时效果最理想.在此基础上，步进减小1个数量级，同长度的数据处理时间增加几十秒.步进增加1个数量级，遗漏某些特征点.因为数据为离散的数值点，而且直线移动步进为0.000,01，不可能得到与直线的交点.因此，设置1个阈值，当脉象信号的数值与直线数值的差值小于此阈值时认为两者相交.经大量实验，判断脉象信号与直线相交的阈值为步进的10倍.图5为NILP算法提取特征效果图，从图5可知此算法可以准确提取单、双、三波峰信号的特征点.

图5　NILP算法效果Fig.5 Renderings of NILP algorithm

2.2HHT原理

HHT［3］近年来发展应用势头迅猛，应用于医学、工程、地球、海洋等多个领域.1998年，美国华裔科学家Norden E Huang提出HHT，适用于非线性非平稳信号的分析研究，解决了时频分辨率相互制约的难题.傅里叶变换是将信号分解为多个正余弦函数的叠加，小波变换是将信号分解为多个小波基函数的叠加，同理，HHT是用经验模态分解法将信号分解为多个本征模态函数（IMF）的叠加.时频能量分布图根据IMF分量的希尔伯特变换得到.

EMD分解法认为所有信号都由IMF分量组成.IMF必须满足两个条件：①其极值点与过零点的个数相同或最多相差1个；②其极大极小值包络线关于时间轴局部对称.EMD分解信号，当满足一定条件时，得到1个IMF分量，当最后1个IMF即残差为单调函数时，分解停止，得到该信号的EMD分解集IMF.对IMF分量X（t）做希尔伯特变换：

式中PV为柯西主值.

将IMF集的希尔伯特变换整理为式（2），即可得到信号的时频分布图.

式中n为EMD分解集IMF的个数.

对希尔伯特谱H（w,t）时间积分可得到边际谱图，即

边际谱能较准确地反映信号的实际频率成分.

3　数据分析及结果

脉象信号是弱生理信号，采集时受到工频、被试呼吸体动等影响，因此首先对实验数据进行高频小波去噪［4-6］和基于LIP算法的三次样条差值基线纠飘.

3.1最佳取脉压力

中医师在切脉时，会不断地调整切脉压力，直至脉动应指最强烈，最佳取脉压力大小因人而异.对这种压力调整，研究者在数学上提出了血管的最佳取脉压力数学模型［7］，说明并验证了最佳取脉压力的存在.汤伟昌等［8］根据不同压力段寻找最佳取脉压力，本文以快速加压连续减压方式采集单部脉象信号，压力值可精确到1,g，准确度大大提高.如图6所示，根据NILP算法提取每个脉动周期的主波峰峰值H1及其对应压力，对压力-H1的散点图进行拟合，如图7所示，即可精确地得到最佳取脉压力.

图6　连续减压方式所得脉象信号及峰值Fig.6 Pulse signal and its peakcollected with the way of continuous reducing pressure

图7　压力-峰值散点图及其拟合曲线Fig.7 Pressure-peak scatterplot and its fitting curve

本实验采集被试者的左手寸口各部最佳取脉压力，根据被试实验时的配合程度，筛选出每个被试最有效的数据组，共20组数据，统计方法为t检验，三部最佳取脉压力统计结果如表1所示.

表1　寸、关、尺最佳取脉压力统计结果Tab.1Statistical result of cun-guan-chi best feeling pressure

图8为20名被试者的最佳取脉压力（即压力最大值）关系.根据寸、关、尺生理解剖结构，尺部最低，关部最高，寸部居中，所以要取得尺部脉象信号需要施加更大的力.据此，可解释三部最佳取脉压力的大小关系，且三者有显著性差异.最佳取脉压力大小存在个体性差异.前10例被试为女性，后10例为男性.结果表明男性的脉动较女性更强烈，经t检验两者有显著性差异.

图8　三部最佳取脉压力关系Fig.8 Relationship of cun-guan-chi best feeling pressure

3.2尺对寸的影响

图9为20名被试者的均值，图10为某名被试者的数据结果.分析图9、10的结果，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，所以寸部脉象信号主波峰峰值h1减小.尺部压力增大到120 克力时，经掌弓通道［9］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h1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t1没有产生显著性差异.根据h1和t1可知尺部加压时寸部信号时域平滑化，图10是信号变化的直观反映.

图9　尺部压力对寸部信号影响之特征趋势Fig.9 Characteristics trend of cun signal caused by chi pressure

图10　不同尺压下寸部信号对比Fig.10 Comparison of cun signals under different chi pressures

对于图9中代表信号频率复杂程度的小波熵S、代表0～3,Hz信号谱能比的E的变化，认为尺部无压力时，寸部有大、中动脉连接，与血液循环中枢的流阻较小.当尺部压力逐渐增大，寸部与主动脉的通道被阻断，此时寸部主要反映手部外周血液循环，它与血液循环中枢的流阻较大，因此高频成分减少.

3.3寸对尺的影响

寸开始加压时，寸部血管横截面变小，单位时间流过的血液量减少，桡动脉流来的血液受到寸部的阻扰，聚集在尺部，冲击尺部血管使得h1变大.寸部的压力再增大就完全阻断了寸部前后的血流通道，掌弓旁路作用失效，尺动脉的血液不再对尺部脉象信号起作用，所以尺部信号峰值有所下降.t1单调减小，将血管模型看成弹性水管，当流速流量不变时，在某点处逐渐阻断，在其前方会有水流聚集，当完全阻挡时聚集的水流最多，对水管壁的冲击最大，水管壁达到最大形变的时间也最小.根据h1和t1可知寸部加压时尺部信号时域陡化，图11是信号变化的直观反映.

图11　不同寸压下尺部信号对比Fig.11Comparison of chi signals under different cun pressures

图12　寸部压力对尺部信号影响之特征趋势Fig.12 Characteristics trend of chi signal caused by cun pressure

关于图12结果，小波熵表示频率分布的集中程度，因此意味着随着寸压的增大，尺部信号的频率成分分布变大.由图13可知，重搏前波和重搏波的频率范围高于3.5,Hz.从图11可知，随着寸压的增大，尺部脉象信号的重搏前波由不明显变明显，因此高频成分增加.对应于小波熵S的增大和0～3,Hz谱能比的下降.

图13　脉搏波及其希尔伯特谱Fig.13 Pulse wave and its Hilbert spectrum

4　结　语

本文基于三部脉象快速采集系统，依照中医师三部九侯脉诊法，设计了实验采集方案.改进ILP算法，通过提取、分析时频域特征参数，得到精确化的三部最佳取脉压力及其关系，同时初步得到寸口之间的影响关系，即不同部位施压对另一部的时频特征会产生不同的影响.中医认为寸口六部分别对应不同的脏器，各个脏器有各自的固有频率［10］，寸口受相应脏器生物全息律［11］的调控，按压一部会引起周围组织的变化，所以寸对尺和尺对寸的影响不同.因此，在中医脉象多部采集的客观化过程中，需要综合寸口各部的信息，同时逐步建立多部脉象判别标准，此过程依赖于大量数据分析，本文对该过程进行了初探.

［1］ 林铭振. 三部九候脉诊法探析及客观化研究［D］. 广州：广州中医药大学针灸推拿学院，2011. Lin Mingzhen. Discussion and Objective Study on Theory of Three Portions & Nine Pulse-Takings ［D］. Guangzhou：School of Acumox and Tuina，Guangzhou University of Chinese Medicine，2011（in Chinese）.

［2］ 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）.

［3］ Huang N E，Shen S S P. Hilbert-Huang Transform and Its Applications ［M］. Hackensack，USA：World Scientific Publishing Co Ltd，2005.

［4］ 周宇峰，程景全. 小波变换及其应用［J］. 物理，2008，37（1）：24-32. Zhou Yufeng，Cheng Jingquan. Wavelet transformation and its applications［J］. Physics，2008，37（1）：24-32（in Chinese）.

［5］ Shivamurti M，Narasimhan S V. Analytic discrete cosine harmonic wavelet transform（ADCHWT）and its application to signal/image denoising ［C］//2010 International Conference on Signal Processing and Communications. Bangalore，India，2010：498-502.

［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］. Nanotechnology and Precision Engineering，2010，8（1）：70-74（in Chinese）.

［7］ 宋 鹏. 远程中医脉象诊断系统的研究初探［D］. 天津：天津大学精密仪器与光电子工程学院，2013. Song Peng. Preliminary Study on Remote TCM Pulse Diagnosis System ［D］. Tianjin：School of Precision Instrument and Opto-Electronics Engineering，Tianjin University，2013（in Chinese）.

［8］ 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］. China's Basic Medical Journal of Traditional Chinese Medicine，2005，11（3）：210-211（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 bypass effect” and “pulse-feeling piezoresistive effect”in traditional Chinese medicine sphygmology ［J］. Chinese Journal of Biomedical Engineering，1984，3（2）：118-123（in Chinese）.

［10］ 寿小云. 中医脉象振动觉［J］. 北京中医药大学学报，1998，21（1）：23-26. Shou Xiaoyun. The Chinese medicine pulse vibration perception ［J］. Journal of Beijing University of Traditional Chinese Medicine，1998，21（1）：23-26（in Chinese）.

［11］ 张颖清. 生物体结构的三定律［M］. 呼和浩特：内蒙古人民出版社，1982. Zhang Yingqing. Three Laws of Organism Structure［M］. Hohhot：Inner Mongolia People's Publishing House，1982（in Chinese）.

（责任编辑：赵艳静）

Acquisition and Processing of Multi-Portion Pulse Information

Wang Xuemin1,2，Guo Dan1，Wang Xin1，Lu Xiaozuo3，Zhou Peng1,2
（1.School of Precision Instrument and Opto-Electronics Engineering，Tianjin University，Tianjin 300072，China；2.Tianjin Key Laboratory of Biomedical Instrument and Detection Technology，Tianjin 300072，China；3.School of Traditional Chinese Medicine Engineering，Tianjin University of Traditional Chinese Medicine，Tianjin 300193，China）

Based on the cun-guan-chi pulse acquisition instrument，a new method for multi-channel pulse acquisition was explored in this paper，and the effect of pulse condition information varying withsingle sensor pressure of other departments was studied.Moreover a new method named NILP（new intersection points of lines and pulse waveform）was proposed.LIP（lowest point in one period）algorithm based on cubic spline interpolation and wavelet transform was used to preprocess cun-guan-chi signals.The multiple features of time and frequency domain parameters were extracted by NILP，spectral ratio，the wavelet entropy and HHT（Hilbert-Huang transform）.The results show that increasing pressure in chi results in the smoothing phenomenon in time domain of cun and the decreasing of high frequency components in frequency domain of cun.For chi，with the increasing pressure in cun，steep phenomenon occurs in time domain，and high frequency components increase.There exists a quantitative relationship for cunguan-chi best feeling pressure.The effect relationship indicates that there is a great difference between single-portion and multi-portion pulse acquisitions，and it is essential to establish a standard for three-portion pulse by the accumulation of clinical samples.

pulse in Chinese medicine；best feeling pressure；NILP；HHT

R318.01

A

0493-2137（2016）05-0541-07

10.11784/tdxbz201412014

2014-12-05；

2015-06-07.

国家自然科学基金资助项目（51377120，51007063，31271062，81173202）；天津市自然科学基金资助项目（13JCQNJC 13900）.

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

周 鹏，zpzp@tju.edu.cn.

网络出版时间：2015-07-03. 网络出版地址：http：//www.cnki.net/kcms/detail/12.1127.N.20150703.1621.001.html.