張晗，龐春穎，焦琪玉

（長春理工大學　生命科學技術學院，長春　130022）

臨床常見六種脈象信號特征研究

張晗，龐春穎，焦琪玉

（長春理工大學生命科學技術學院，長春130022）

提出以時域特征和模態(tài)能量商特征相結合進行脈象信號識別的方法。首先根據(jù)脈象信號的波形特征，計算脈象信號的h1，h3，h4，h3/h1，h4/h1，t1，t，k時域特征參數(shù)；然后對脈象信號進行EMD分解，計算6種脈象信號的模態(tài)能量商。通過臨床200例脈象信號的采集和分析計算，獲得臨床上常見脈象信號的典型時域特征，確定弦脈的模態(tài)能量商R＞1，滑脈、沉脈、細脈、緩脈、平脈的R值依次降低，且R＜1。實驗結果表明：時域特征和模態(tài)能量商特征相結合的方法可實現(xiàn)臨床常見脈象信號的識別。

脈象信號；時域特征；EMD分解；模態(tài)能量商

脈象是血脈搏動的位、數(shù)、形、勢的綜合現(xiàn)象。脈診的本質就是通過脈象的變化判斷病癥的部位、性質，推斷病勢輕重［1］。學者們圍繞脈象波形特征和生理病理因素的關系，以及脈診技術智能化和客觀化做了大量的研究工作。蘭州理工大學的黨宏智［2］設計并研制了手動加壓的寸關尺部位脈搏信息檢測系統(tǒng)；潘禮慶［3］設計了一種無線脈象數(shù)據(jù)采集裝置，連接電腦可快速、方便地按照中醫(yī)脈診要求實現(xiàn)脈象數(shù)據(jù)的采集。行鴻彥等［4］采用EMD分解的方法，得出用模態(tài)能量商特征值區(qū)分正常人和高血壓病人的結論。這些研究工作雖然涉及了某種具體脈象信號的分析，但是由于脈象信號的復雜性，對于全面認識脈象信號的特點，還有一定的距離。

本文通過對臨床采集的200例脈象信號（平脈、弦脈、沉脈、細脈、滑脈、緩脈）時域特征參數(shù)、K值和模態(tài)能量商特征的計算，確定了臨床上常見的6種脈象信號的典型特征，實現(xiàn)了常見脈象信號的量化，推動了臨床上脈診技術的智能化進程。

1　脈象信號的波形特征及定位

1.1脈象信號的波形特征

脈象的波形特征是實現(xiàn)脈象分類識別的基礎。脈象大多由三個峰兩個谷組成，波和峽是構成脈象圖的主要成分［5-7］。升支和降支組成主波，降支上有一切跡稱為降中峽，主波和降中峽之間出現(xiàn)的重搏前波稱潮波，緊接降中峽出現(xiàn)的重搏波稱降中波。脈象信號波形圖的特征點如圖1所示。

圖1　脈象信號特征點示意圖

根據(jù)脈象的波形特征，本研究選取時域8個特征參數(shù)：h1，h3，h4，h3/h1，h4/h1，t1，t，k［8］，因脈象圖是變化的，所以取幾個周期的平均值。各參數(shù)的生理意義見表1。

1.2脈象信號的定位

對于連續(xù)多周期脈象信號進行時域分析的關鍵在于脈象信號周期的準確定位，進而實現(xiàn)脈象信號的其他時域特征計算。本文采用閾值法檢測脈象信號的周期，基本的實現(xiàn)步驟如下：

（1）記脈搏信號為x（t），設定一個門限信號m，m是一個經(jīng)驗值，大致在圖1中的E點以下。將x（t）中大于m的設定為1，小于m的設定為0，記為y（t）。

（2）對y（t）求差分，結果為1者對應脈象信號的上升支，結果為-1者對應脈象信號的下降支，在相鄰的上升支之間求取最大值與最小值，就找到主波峰與起射點的位置。

（3）在最大值與最小值之間利用y（t）的正負變化的次數(shù)確定峰的個數(shù)，根據(jù)峰個數(shù)的不同選擇不同的算法定出潮波的位置，至此完成了對脈象的定位。

（4）定位脈象后，求h1，h3，h4，h3/h1，h4/h1，t1，t。

2　經(jīng)驗模態(tài)分解和模態(tài)能量商

經(jīng)驗模態(tài)分解（Empirical Mode Decomposition，EMD）是將復雜信號分解成若干個按頻率高低排列的固有模態(tài)函數(shù)MF，每個MF是1個單分量信號。其中MF應滿足兩個要求：一是整個MF中零點數(shù)和極點數(shù)相等或至多相差1，二是信號關于時間軸對稱，信號由局部極大值確定的包絡線和由局部極小值確定的包絡線均值為0［8］。EMD分解步驟可參考文獻［4］。

設采集到的脈搏信號為x（n），對其進行EMD分解后得到k個固有模態(tài)函數(shù)c1（t），c2（t），…，ck（t），在此ck（t）表示殘余分量，視為脈搏信號的最后一個模態(tài)，然后按式（1）計算出每個MF分量的能量［8］。

為了后續(xù)計算和處理的方便，這里對能量進行歸一化處理，令

得到歸一化的能量

表1　脈象圖參數(shù)的生理意義

EMD分解具有自適應性，分解的層數(shù)取決于信號自身的特點，因此對于不同的脈搏信號可能分解層數(shù)不同，并且殘余分量會有相當一部分能量，將imf2～imf4模態(tài)稱為高頻模態(tài)，把imf5、imf6稱為低頻模態(tài)，模態(tài)能量商［4］定義式為：

模態(tài)能量商可以排除信號自身特點對于分解的影響，具有普遍適用性。

3　實驗與結果分析

在吉林省前衛(wèi)醫(yī)院中醫(yī)科采集脈象信號，確定6種在病患中出現(xiàn)頻率較高的脈象信號平脈、弦脈、沉脈、細脈、滑脈、緩脈作為研究對象，對這6種脈象信號進行分析。

在專業(yè)醫(yī)生的指導下，首先讓病人在安靜狀態(tài)下休息15min，然后在病人左手的寸關尺部位使用MP150生理記錄儀進行脈象采集。采集時，浮取采取的壓力為30mmHg，沉取采取的壓力為80mmHg，中取采用55mmHg的壓力。從記錄的脈象信號數(shù)據(jù)庫中篩選出200例脈象樣本，其中平脈30例、弦脈34例、沉脈34例、細脈34例、滑脈34例、緩脈34例。

3.1脈象信號的時域參數(shù)計算

選取8個時域特征參數(shù)：h1，h3，h4，h3/h1，h4/ h1，t1，t，K值進行計算，每個特征值都取平均值。6種脈象時域特征參數(shù)計算結果見表2。

表2　脈象的時域特征參數(shù)

通過表2的數(shù)據(jù)可以發(fā)現(xiàn)，K值在0.35～0.5之間變化。緩脈與其他五種脈的主要區(qū)別在于其脈動周期t＞1，脈率p在60次/分以下，而其他脈的脈率處于正常范圍之內(nèi)（60～100次/分）。從參數(shù)h3/ h1、h4/h1可以區(qū)分平脈、弦脈以及沉脈，弦脈主波寬大，重搏前波的幅值接近于主波幅值，所以h3/ h1接近于1，而沉脈h3/h1、h4/h1比平脈小。平脈為正常的脈象信號，其三個波峰依次遞降，且主波幅度與重博前波幅度之比h1∶h3≈1∶0.6，h4/h1小于0.4。

從脈象的時域特征參數(shù)可以初步區(qū)分這6種脈，并且與醫(yī)生的診斷基本符合。但對于細脈及滑脈的區(qū)分不是很明顯，所以接下來對脈象信號進行EMD分解，利用模態(tài)能量商進行區(qū)分。

3.2脈象信號模態(tài)能量商的計算

首先，對這6種脈象進行EMD分解。圖2至圖6分別是弦、沉、細、滑、緩脈的EMD分解結果。通過EMD分解可以得到6種脈象在每層模態(tài)的區(qū)別，每一層模態(tài)的區(qū)別主要是由能量分布的不同引起的，所以需要計算脈象信號的模態(tài)能量商，進一步區(qū)分這6種脈象。

圖2　弦脈EMD分解

圖3　沉脈EMD分解

圖4　細脈EMD分解

圖5　滑脈EMD分解

圖6　緩脈EMD分解

從分解結果可以看出，EMD分解具有高通濾波特性，各分量頻率依次降低，imf1分量主要是由噪聲引起的，頻率較高但幅值較小。從imf2可以看出這幾種脈象的區(qū)別，滑脈與緩脈的幅值較其他三種脈象的幅值小，弦脈、沉脈、緩脈的幅度會不時地出現(xiàn)大的跳躍，細脈及滑脈的幅值幾乎接近于一條直線，沒有大的改變。變化最明顯的是imf3分量，弦脈與滑脈的幅值相同，其他脈象的幅值都不相同，其中沉脈的幅值最大。沉脈的imf3模態(tài)除端點有起伏外，大部分很平坦，幅值幾乎為0；細脈沒有明顯變化，幅值幾乎為0；弦脈、滑脈、緩脈會在0附近有跳躍，但跳躍的程度不同。其他幾層分量的區(qū)別在于模態(tài)幅值，波形無明顯變化。

按式（4）計算出各個樣本數(shù)據(jù)的模態(tài)能量商，由于數(shù)據(jù)較多，所以選取這6種脈象的平均值，為了找出模態(tài)能量商與其他時域特征值的關系，將模態(tài)能量商與K值及h3/h1歸在一個表中，如表3所示。其中記R1=T2+T3+T4，R2=T5+T6。

表3表明，6種脈象中弦脈的R1值最高，平脈最低，而其他脈處于兩者之間。說明其他脈象的R1能量比正常脈象平脈的能量高，從R1可以得到各脈象信號能量在高頻的分布狀況。模態(tài)能量商R在這6種脈象中有規(guī)律變化，弦脈R＞1，其他脈象信號的R＜1，而且按照滑脈、沉脈、細脈、緩脈、平脈依次降低，其中平脈的R最小，緩脈與平脈的R值幾乎接近，說明平脈及緩脈的能量在高頻部分分布很少，幾乎沒有。細脈與滑脈的R值區(qū)別比較大，可以彌補時域特征提取中對于這兩種脈象區(qū)分不明顯的不足。R與K值幾乎沒有相關性，與h3/h1有相關性，弦脈的h3/h1最大，R值也最大，兩者是正相關的，其他幾種脈象的R與h3/h1相關性不明顯。結合表3可知，模態(tài)能量商R對于6種脈象的區(qū)分是有意義的。

表3　脈象的模態(tài)能量商

4　結論

本文對臨床采集的平脈、弦脈、沉脈、細脈、滑脈、緩脈6種脈象進行時域特征分析，利用h1，h3，h4，h3/h1，h4/h1，t1，t，K值特征參數(shù)初步區(qū)分6種脈象。利用模態(tài)能量商特征R值與1的大小關系進一步區(qū)分弦脈與其他5種脈象，且滑脈、沉脈、細脈、緩脈、平脈的R值依次降低。

本研究首次將時域特征與基于EMD的模態(tài)能量商結合，實現(xiàn)了6種脈象信號（平脈、弦脈、沉脈、細脈、滑脈、緩脈）的識別，實驗結果與醫(yī)生的診斷完全相符。

［1］ Gong J B，Lu S L，Wang R，et al.Low-cost and wearablehealthcaremonitoringsystemforpulse analysis in traditional Chinese medicine［C］.The 7th IEEE International Conference on Mobile Ad-hoc and Sensor System（MASS 2010），2010：754-756.

［2］ 黨宏智.寸關尺部位脈搏信息檢測系統(tǒng)［D］.蘭州：蘭州理工大學，2011.

［3］ 潘禮慶.便攜式無線脈象數(shù)據(jù)采集系統(tǒng)的研究與設計［J］.醫(yī)療衛(wèi)生裝備，2010，31（6）：58-59.

［4］ 行鴻彥，許瑞慶，王長松.基于經(jīng)驗模態(tài)分解的脈搏信號特征研究［J］.儀器儀表學報，2009，30（3）：2-3.

［5］ 黃碧群.論脈象的識別［J］.中醫(yī)藥導報，2006，12（5）：6-8.

［6］ 焦琪玉，龐春穎.基于DSP的脈象儀的設計與實現(xiàn)［J］.中國醫(yī)療器械雜志，2013，37（2）：112-115.

［7］ 申林.一種野戰(zhàn)便攜式脈象檢測儀的研制［J］.中國醫(yī)療設備，2014，29（12）：119-124.

［8］ Huang N E，Shen Z，Long S R，et al.The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis［J］. Proc R.Soc Lond A，1998，454：903-995.

［9］ 王小宇，賈嶸.基于Hilbert-Huang變換和支持向量機的水輪發(fā)電機組狀態(tài)監(jiān)測與故障診斷方法研究［D］.西安：西安理工大學，2007：40-41.

［10］ 羅志昌，張松，楊文鳴.脈搏波波形特征信息的研究［J］.北京工業(yè)大學學報，1996，22（1）：72-74.

［11］ 楊玉蘭.壓電式脈搏波檢測系統(tǒng)的研究［J］.長春理工大學學報：自然科學版，2010，33（4）：153-156.

Research on the Features of Six Common Clinical Pulse Signals

ZHANG Han，PANG Chunying，JIAO Qiyu
（School of Life Science and Technology，Changchun University of Science and Technology，Changchun 130022）

In this paper，a method is proposed in order to achieve the recognition of clinical pulse signals，that is，the combination of time domain characteristics and modal energy quotient characteristics.First，the time domain characteristic parameters h1，h3，h4，h3/h1，h4/h1，t1，t，k of pulse signals are calculated according to the pulse signal waveform characteristics.Second，based on EMD which can adaptively decompose the non—stationary signal，the pulse signals are decomposed to calculate the modal energy quotient.By analyzing and calculating 200 clinical cases of pulse signal，we acquired the typical time features of clinical common pulse signal，and determined wiry pulse modal energy quotient R＞1，slippery pulse，sunken pulse，fine pulse，slow pulse and flat veins R values in descending order，and R＜1.The results testify that the combination of time domain characteristics and modal energy quotient characteristics can effectively identify clinical common pulse signals.

pulse signal；time domain characteristics；EMD decomposition；modal energy quotient

R318

A

1672-9870（2015）05-0154-04

2015-06-23

吉林省科技廳項目資助（20121016）

張晗（1990-），男，碩士研究生，E-mail：t-zhanghan@sina.com

龐春穎（1971-），女，博士，教授，E-mail：pangchunying8888@163.com