王學民，郭 丹，王 欣，陸小左，周 鵬

（1. 天津大學精密儀器與光電子工程學院，天津 300072；2. 天津市生物醫(yī)學檢測技術與儀器重點實驗室，天津 300072；3. 天津中醫(yī)藥大學中醫(yī)工程學院，天津 300193）

多部脈象信息采集及處理

王學民1,2，郭 丹1，王 欣1，陸小左3，周 鵬1,2

（1. 天津大學精密儀器與光電子工程學院，天津 300072；2. 天津市生物醫(yī)學檢測技術與儀器重點實驗室，天津 300072；3. 天津中醫(yī)藥大學中醫(yī)工程學院，天津 300193）

基于中醫(yī)三部脈象儀，探究一種新的多部脈象采集方法及各部之間的影響，提出一種新的脈象信號時域特征提取法NILP.通過小波高頻去噪和基于三次樣條插值的LIP算法對寸、關、尺三部脈象信號預處理.利用NILP、譜能比、小波熵和HHT提取時頻域上的多個特征參數.結果發(fā)現，寸部信號隨著尺部壓力的增大，時域平滑化，頻域高頻成分減少；尺部信號隨著寸部壓力的增大，時域陡化，頻域高頻成分增加；寸關尺最佳取脈壓力存在定量關系.這種影響關系表明單部采集與多部采集存在較大差異，應通過臨床樣本的積累，逐步建立符合三部脈象檢測規(guī)律的脈象判讀標準.

中醫(yī)脈象；最佳取脈壓力；NILP；HHT

中醫(yī)脈診是中醫(yī)理論的重要組成部分，三部九侯診法［1］是我國中醫(yī)自古以來脈診所使用的一套方法，辯證辨病，九侯相參，體現了中醫(yī)整體觀思想.經過多年的發(fā)展，中醫(yī)脈象儀及脈象分析在理論和臨床應用上已經取得了巨大的進步.目前已經建立了單部脈象判斷標準，模擬三部九侯的三部脈象儀硬件基礎發(fā)展成熟，但是完全體現三部九侯思想的多部脈象標準尚未出爐，而且三部脈象儀如何實現多部壓力控制尚在探索中.因此，本文首先探索一種新的三部脈象信號采集方法，通過傳感器梯度加減壓模擬手指切脈壓力變化，利用三部傳感器模擬中醫(yī)師三部九侯診法.目前對于寸關尺一部壓力變化對另兩部脈象信號影響的研究處于定性分析階段，本文通過信號處理的時、頻域特征提取對此做出了定量分析.該定量分析為三部脈象儀采集的壓力控制提供更好的方案，也為多部脈象判斷標準作出一定參考，有利于促進中醫(yī)現代化發(fā)展.

1　實　驗

1.1實驗設備及采集說明

本文數據來源基于天津大學精密儀器與光電子工程學院中醫(yī)工程實驗室自主研發(fā)的袖帶式中醫(yī)三部快速采集脈象儀.三部快速采集脈象儀系統框圖如圖1所示.

圖1　三部脈象儀系統框圖Fig.1 System block diagram of three-portion pulse collection instrument

本系統使用的袖帶式脈搏傳感器集加減壓和信號采集于一體，模擬中醫(yī)師手指切脈，通過獨立氣囊及氣動加減壓模塊改變傳感器探頭對腕部的壓力.此系統可以實現多種加減壓模式，本文中采用快速加壓連續(xù)減壓模式，即傳感器壓力快速增大到一定值后，壓力緩慢連續(xù)減小.這種采集方式精確度高，相較于前人通過梯度加壓得到的最佳取脈壓力及多部脈象采集影響［2］準確性提高.

1.2實驗方案

本文所用數據的采集對象為天津大學精密儀器與光電子工程學院的20名大學生，均體檢正常，年齡在20～25歲之間.

統一檢測部位為被試者的左手腕部.先用手指找到安靜端坐于儀器前的被試者的寸、關、尺，用筆標示.根據實驗方法，將相應數目的傳感器探頭準確地固定在相應部位.具體步驟如下：

（1）分別以連續(xù)減壓方式采集寸、尺部脈象信號；

（2）尺部連續(xù)減壓，采集保持在最佳取脈壓力下的寸部信號；

（3）寸部施加80克力的恒力，尺梯度加壓（40→80→120→160克力），每個壓力梯度寸部采集1,min；

（4）寸部連續(xù)減壓，采集保持在最佳取脈壓力下的尺部信號；

（5）尺部施加100克力的恒力，寸梯度加壓（40→80→120→160克力），每個壓力梯度尺部采集1,min.

2　主要方法——NILP算法及HHT法

通過提取脈象信號特征參數分析影響，本文主要介紹NILP（new intersection points of lines and pulse waveform）算法和HHT（Hilbert-Huang transform）法.

2.1NILP算法

NILP算法是對王鵬［2］提出的提取脈象時域特征ILP算法的改進.NILP能準確地找出各個特征點，準確性高，且具有抗噪性.其原理是不同高度直線與單個周期脈象信號交點個數不同，特征點前后交點個數發(fā)生突變，如圖2所示.根據此特點，交點個數數組前后相減，不為零處即為特征點，因精度所限差值一般為2.得到的特征點數組順序對應H4、H5、H2、H3、H1，如圖3所示，然而對于圖4所示的非標準脈象，會出現特征點誤判為H4、H2、H3、H5、H1，本文根據特征點時間順序糾正誤判錯誤.

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

圖3　標準信號及其與直線交點個數Fig.3 Standard signal and its node number with line

圖4　非標準信號及其與直線交點個數Fig.4 Non-standard signal and its node number with line

將脈象信號歸一化到0～1之間.經過大量實驗發(fā)現直線移動步進為0.000,01時效果最理想.在此基礎上，步進減小1個數量級，同長度的數據處理時間增加幾十秒.步進增加1個數量級，遺漏某些特征點.因為數據為離散的數值點，而且直線移動步進為0.000,01，不可能得到與直線的交點.因此，設置1個閾值，當脈象信號的數值與直線數值的差值小于此閾值時認為兩者相交.經大量實驗，判斷脈象信號與直線相交的閾值為步進的10倍.圖5為NILP算法提取特征效果圖，從圖5可知此算法可以準確提取單、雙、三波峰信號的特征點.

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

2.2HHT原理

HHT［3］近年來發(fā)展應用勢頭迅猛，應用于醫(yī)學、工程、地球、海洋等多個領域.1998年，美國華裔科學家Norden E Huang提出HHT，適用于非線性非平穩(wěn)信號的分析研究，解決了時頻分辨率相互制約的難題.傅里葉變換是將信號分解為多個正余弦函數的疊加，小波變換是將信號分解為多個小波基函數的疊加，同理，HHT是用經驗模態(tài)分解法將信號分解為多個本征模態(tài)函數（IMF）的疊加.時頻能量分布圖根據IMF分量的希爾伯特變換得到.

EMD分解法認為所有信號都由IMF分量組成.IMF必須滿足兩個條件：①其極值點與過零點的個數相同或最多相差1個；②其極大極小值包絡線關于時間軸局部對稱.EMD分解信號，當滿足一定條件時，得到1個IMF分量，當最后1個IMF即殘差為單調函數時，分解停止，得到該信號的EMD分解集IMF.對IMF分量X（t）做希爾伯特變換：

式中PV為柯西主值.

將IMF集的希爾伯特變換整理為式（2），即可得到信號的時頻分布圖.

式中n為EMD分解集IMF的個數.

對希爾伯特譜H（w,t）時間積分可得到邊際譜圖，即

邊際譜能較準確地反映信號的實際頻率成分.

3　數據分析及結果

脈象信號是弱生理信號，采集時受到工頻、被試呼吸體動等影響，因此首先對實驗數據進行高頻小波去噪［4-6］和基于LIP算法的三次樣條差值基線糾飄.

3.1最佳取脈壓力

中醫(yī)師在切脈時，會不斷地調整切脈壓力，直至脈動應指最強烈，最佳取脈壓力大小因人而異.對這種壓力調整，研究者在數學上提出了血管的最佳取脈壓力數學模型［7］，說明并驗證了最佳取脈壓力的存在.湯偉昌等［8］根據不同壓力段尋找最佳取脈壓力，本文以快速加壓連續(xù)減壓方式采集單部脈象信號，壓力值可精確到1,g，準確度大大提高.如圖6所示，根據NILP算法提取每個脈動周期的主波峰峰值H1及其對應壓力，對壓力-H1的散點圖進行擬合，如圖7所示，即可精確地得到最佳取脈壓力.

圖6　連續(xù)減壓方式所得脈象信號及峰值Fig.6 Pulse signal and its peakcollected with the way of continuous reducing pressure

圖7　壓力-峰值散點圖及其擬合曲線Fig.7 Pressure-peak scatterplot and its fitting curve

本實驗采集被試者的左手寸口各部最佳取脈壓力，根據被試實驗時的配合程度，篩選出每個被試最有效的數據組，共20組數據，統計方法為t檢驗，三部最佳取脈壓力統計結果如表1所示.

表1　寸、關、尺最佳取脈壓力統計結果Tab.1Statistical result of cun-guan-chi best feeling pressure

圖8為20名被試者的最佳取脈壓力（即壓力最大值）關系.根據寸、關、尺生理解剖結構，尺部最低，關部最高，寸部居中，所以要取得尺部脈象信號需要施加更大的力.據此，可解釋三部最佳取脈壓力的大小關系，且三者有顯著性差異.最佳取脈壓力大小存在個體性差異.前10例被試為女性，后10例為男性.結果表明男性的脈動較女性更強烈，經t檢驗兩者有顯著性差異.

圖8　三部最佳取脈壓力關系Fig.8 Relationship of cun-guan-chi best feeling pressure

3.2尺對寸的影響

圖9為20名被試者的均值，圖10為某名被試者的數據結果.分析圖9、10的結果，根據人體的血管特性及手部解剖結構，先開始加壓時，尺部血管橫截面變小，單位時間流過的血液量減少，所以寸部脈象信號主波峰峰值h1減小.尺部壓力增大到120 克力時，經掌弓通道［9］流來的血液受到尺部的阻擾，聚集在寸部，所以寸部脈象信號h1有一個小上升，但其幅值不會超過尺部不加壓時寸部的信號幅值.尺部的壓力再增大完全阻斷了尺部前后的血流通道，橈動脈的血液不再對寸部脈象信號起作用，所以寸部脈象信號幅值又有所下降.升支時間t1沒有產生顯著性差異.根據h1和t1可知尺部加壓時寸部信號時域平滑化，圖10是信號變化的直觀反映.

圖9　尺部壓力對寸部信號影響之特征趨勢Fig.9 Characteristics trend of cun signal caused by chi pressure

圖10　不同尺壓下寸部信號對比Fig.10 Comparison of cun signals under different chi pressures

對于圖9中代表信號頻率復雜程度的小波熵S、代表0～3,Hz信號譜能比的E的變化，認為尺部無壓力時，寸部有大、中動脈連接，與血液循環(huán)中樞的流阻較小.當尺部壓力逐漸增大，寸部與主動脈的通道被阻斷，此時寸部主要反映手部外周血液循環(huán)，它與血液循環(huán)中樞的流阻較大，因此高頻成分減少.

3.3寸對尺的影響

寸開始加壓時，寸部血管橫截面變小，單位時間流過的血液量減少，橈動脈流來的血液受到寸部的阻擾，聚集在尺部，沖擊尺部血管使得h1變大.寸部的壓力再增大就完全阻斷了寸部前后的血流通道，掌弓旁路作用失效，尺動脈的血液不再對尺部脈象信號起作用，所以尺部信號峰值有所下降.t1單調減小，將血管模型看成彈性水管，當流速流量不變時，在某點處逐漸阻斷，在其前方會有水流聚集，當完全阻擋時聚集的水流最多，對水管壁的沖擊最大，水管壁達到最大形變的時間也最小.根據h1和t1可知寸部加壓時尺部信號時域陡化，圖11是信號變化的直觀反映.

圖11　不同寸壓下尺部信號對比Fig.11Comparison of chi signals under different cun pressures

圖12　寸部壓力對尺部信號影響之特征趨勢Fig.12 Characteristics trend of chi signal caused by cun pressure

關于圖12結果，小波熵表示頻率分布的集中程度，因此意味著隨著寸壓的增大，尺部信號的頻率成分分布變大.由圖13可知，重搏前波和重搏波的頻率范圍高于3.5,Hz.從圖11可知，隨著寸壓的增大，尺部脈象信號的重搏前波由不明顯變明顯，因此高頻成分增加.對應于小波熵S的增大和0～3,Hz譜能比的下降.

圖13　脈搏波及其希爾伯特譜Fig.13 Pulse wave and its Hilbert spectrum

4　結　語

本文基于三部脈象快速采集系統，依照中醫(yī)師三部九侯脈診法，設計了實驗采集方案.改進ILP算法，通過提取、分析時頻域特征參數，得到精確化的三部最佳取脈壓力及其關系，同時初步得到寸口之間的影響關系，即不同部位施壓對另一部的時頻特征會產生不同的影響.中醫(yī)認為寸口六部分別對應不同的臟器，各個臟器有各自的固有頻率［10］，寸口受相應臟器生物全息律［11］的調控，按壓一部會引起周圍組織的變化，所以寸對尺和尺對寸的影響不同.因此，在中醫(yī)脈象多部采集的客觀化過程中，需要綜合寸口各部的信息，同時逐步建立多部脈象判別標準，此過程依賴于大量數據分析，本文對該過程進行了初探.

［1］ 林銘振. 三部九候脈診法探析及客觀化研究［D］. 廣州：廣州中醫(yī)藥大學針灸推拿學院，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 鵬. 多路脈象信號的特征提取與模式分類［D］. 哈爾濱：哈爾濱工業(yè)大學計算機科學與技術學院，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. 小波變換及其應用［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］ 蘇子美，郭建英，劉 瑾. 脈搏波的頻域特征提取與自動識別技術［J］. 納米技術與精密工程，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 鵬. 遠程中醫(yī)脈象診斷系統的研究初探［D］. 天津：天津大學精密儀器與光電子工程學院，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］ 黃曉昱，湯偉昌，李 睿，等. 三部脈象同步檢測與單部脈象檢測結果的比較研究［J］. 中國中醫(yī)基礎醫(yī)學雜志，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］ 陳先農，羅致誠. 中醫(yī)脈波的“掌弓旁路效應”與“取脈壓阻效應”［J］. 中國生物醫(yī)學工程學報，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］ 壽小云. 中醫(yī)脈象振動覺［J］. 北京中醫(yī)藥大學學報，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］ 張穎清. 生物體結構的三定律［M］. 呼和浩特：內蒙古人民出版社，1982. Zhang Yingqing. Three Laws of Organism Structure［M］. Hohhot：Inner Mongolia People's Publishing House，1982（in Chinese）.

（責任編輯：趙艷靜）

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.

國家自然科學基金資助項目（51377120，51007063，31271062，81173202）；天津市自然科學基金資助項目（13JCQNJC 13900）.

王學民（1961—），男，博士，副教授，xueminw@tju.edu.cn.

周 鵬，zpzp@tju.edu.cn.

網絡出版時間：2015-07-03. 網絡出版地址：http：//www.cnki.net/kcms/detail/12.1127.N.20150703.1621.001.html.