CN102783943B - 基于遗传聚类的人体经络穴位定位方法 - Google Patents

Abstract

本发明公开了一种基于遗传聚类的人体经络穴位定位方法，选定人体经络中需要确定穴位的任何一条经络，信号发生器分别通过银电极与该经络上的刺激点以及接地点相连，并向其发出刺激信号；在需定位的穴位点所在位置的皮肤上选取直径为3cm的区域内，采用网状结构对该区域进行分割，并以网状结构中的网眼作为测试点，采用信号采集仪监测测试点的响应信号；对测试点的响应信号采用db1小波包进行3层分解，并对分解后的信号进行单支重构，对重构后的每个单支信号进行熵估计，并将此熵估计值作为穴位各测试点的能量特征值；将每个测试点所得响应信号的熵能量特征向量作为一个样本，再采用遗传聚类进行能量的聚类划分，对经络的穴位点进行准确定位。

Description

基于遗传聚类的人体经络穴位定位方法

技术领域

本发明涉及人体经络穴位的定位技术，更具体地说，是涉及一种基于遗传聚类的人体经络穴位定位方法。

背景技术

经络学说是中医的精髓,经络就是人体内运行气血、沟通内外表里、网络全身的一个系统。经络是人体经脉和络脉的总称，经脉是经络系统的主干，多行于深部，其上分布有穴位，并有固定的循行路径；而络脉则是经脉的小分支，可循行于浅表，其上没有穴位分布，并纵横交错网络全身。经络上的穴位是人体上与脏腑器官和相关部位相联系的特殊区域，它具有输注气血、反映病痛和感受信息的特征。因此中医治病中常将其作为针灸和推拿等疗法的施治部位。

然而,目前对于如何找准穴位，中医理论中一直没有一个科学定量的方法，由于经络在解剖中不可见，人体外形又存在个体差异，所以如何准确科学确定穴位一直是采用针灸方法进行诊疗中的难点问题。此外，经络穴位的准确定位将直接关系到中医治疗的效果，尽管中医学中常用的穴位定位法有骨度分寸法、体表解剖标志定位法和手指比量法，但是这些方法都是基于经验和感觉，存在一定的主观性，并缺乏科学依据。要找准穴位，仅凭经络学说的理论和经验是很容易存在定位误差的，因此，必须先根据穴位点和非穴位点以及不同穴位点之间的特征，采用科学方法才能对人体经络穴位进行准确定位。

发明内容

针对现有技术中存在的缺陷，本发明的目的是提供一种基于遗传聚类的人体经络穴位定位方法，通过对人体经络穴位测试点进行微弱电刺激，测取经络穴位测试点响应信号，然后采用信息处理技术对所测得的电刺激信号进行特征提取和聚类分析，从而实现对人体经络上穴位点准确定位的方法。

为达到上述目的，本发明采用如下的技术方案：

一种基于遗传聚类的人体经络穴位定位方法，该人体经络穴位定位方法包括以下步骤：

A．选定人体经络中需要确定穴位的任何一条经络，并按照经络“气”的走向，在该穴位所在经络“气”的“上游”区域选择某一点作为刺激点，而接地点则选为该穴位所在经络“下游”区域的某一点，信号发生器分别通过银电极与刺激点以及接地点相连，并向该穴位所在经络发出刺激信号；在需定位的穴位点所在位置的皮肤上选取直径为3cm的区域内，采用网状结构对该区域进行分割，并以网状结构中的网眼作为测试点，采用信号采集仪监测测试点的响应信号；

B．对测试点的响应信号采用db1小波包进行3层分解，并对分解后的信号进行单支重构，对重构后的每个单支信号进行熵估计，并将此熵估计值作为穴位各测试点的能量特征值；

C．将每个测试点所得响应信号的熵能量特征向量作为一个样本，再采用遗传聚类进行能量的聚类划分，对经络的穴位点进行准确定位。

所述步骤A中刺激信号的信号幅值在毫伏级到3伏电压之间，所述刺激信号采用以下中的一种：连续正弦信号、三角波序列信号，幅值指数衰减正弦信号、三角波序列信号，频率变化的正弦信号以及三角波序列信号；

所述步骤B进一步包括以下步骤：

B1．设一次测试实验中采集的某个穴位测试点的心电信号为s(t)，用db1小波包对s(t)进行3层分解，分解得到8个子频带信号；

B2．对小波包分解后的第3层8个子频带信号进行单支重构；

B 3．对重构后的第3层每个子频带信号s_i按下式进行Shannon熵估计，

$E_{s_i}=-\underset{i}{\mathrm{\Σ}}{E}_i^2\log \left(E_i^2\right)$

且有0log(0)＝0，E_i＝|d_i(k)|²，d_i(k)是信号s_i的标准正交基的系数，由此得到小波包分解重构后的经络穴位测试点心电信号s(t)的熵能量特征向量为

$E=[E_{s_1},E_{s_2},E_{s_3},E_{s_4},E_{s_5},E_{s_6},E_{s_7},E_{s_8}],$ 其中

为第i个子频带信号的熵能量特征值。

所述步骤C进一步包括以下步骤：

C1．对测试点的响应信号熵能量数据进行单个测试者样本一次实验归一化；

C2．根据小波分解后原始的各单支信号熵能量的权重，对归一化后的数据进行加权，获得每个经络穴位测试点s(t)的相对熵能量数据为 $\tilde{E}=[{\tilde{E}}_{s_1},{\tilde{E}}_{s_2},{\tilde{E}}_{s_3},{\tilde{E}}_{s_4},{\tilde{E}}_{s_5},{\tilde{E}}_{s_6},{\tilde{E}}_{s_7},{\tilde{E}}_{s_8}],$ 其中

为第i个子频带信号的相对熵能量特征值，并将

作为一个样本a_i，M次测试得到M个样本a_i(i=1,2,...,M)；

C3．输入初始化参数，初始化参数包括迭代次数Gm、交叉率Pc、种群数Np和聚类中心数目k=2，并随机产生Np个初始个体X=[X₁,X₂,...,X_Np]，每个个体代表一组聚类中心；

C4．计算个体适应度，包括以下步骤：

C411.由K-means方法获取新的聚类中心；

C412.按照新聚类中心进行分类，并根据公式

${\mathrm{CH}}_k=\frac{\mathrm{BGSD}}{k-1}\·\frac{M-k}{\mathrm{WGSD}}$

计算各样本与新类中心的聚类指标，将其作为个体X_i的适应度值；

其中类内部聚合度 $\mathrm{WGSD}={\mathrm{\Σ}}_{i=1}^k{\mathrm{\Σ}}_{X\∈C_i}d{(X,z_i)}^2;$

类外部分离度为 $\mathrm{BGSD}={\mathrm{\Σ}}_{i=1}^k{n}_{i}d{(z_i,z_{\mathrm{tot}})}^2$

其中，z_i是类C_i的中心，而z_tot为所有数据点的中心，i=1,2,n_i为类C_i中的个体数。

C413.将适应度高最佳个体保留至下一代，并参与进化；

C5．依次采用轮盘赌选择、两点交叉和一点变异的遗传操作产生新一代个体；

C6．若未达到迭代次数Gm，则返回至步骤C4；

继续重新对样本聚类，否则迭代结束，输出最佳个体表示的类中心和经络穴位测试点电激励信号熵能量样本的最佳分类C₁和C₂；

C7．分别按下式计算C₁和C₂中所有测试点信号的熵能量均值

和

两者中能量值大的类所包含的测试点就是穴位点，而平均能量较低的类所包含的测试点则是非穴位点，实现人体经络穴位点和非穴位的准确划分；

其中

为C_i中第k个个体第j个能量属性值。

本发明的一种基于遗传聚类的人体经络穴位定位方法，通过对人体某条经络上的任意穴位测试点施以微弱交变电压信号刺激，并采集测试点电信号，然后针对该信号采用小波包分解技术提取被测的经络穴位测试点熵能量特征，最后基于熵能量特征数据利用遗传聚类的方法准确划分穴位点和非穴位点，以实现对人体经络穴位的准确定位。

附图说明

图1为本发明的人体经络穴位电激励信号测量原理图。

具体实施方式

下面结合附图和实施例进一步说明本发明的技术方案。

一种基于遗传聚类的人体经络穴位定位方法，该定位方法包括以下步骤：

1)人体经络穴位电激励信号采集实验

首先选定人体经络中需要确定穴位13的任何一条经络14，并按照经络“气”的走向，在该穴位13所在经络“气”的“上游”区域选择某一点作为刺激点12，而接地点15则选为该穴位所在经络“下游”区域的某一点。在需定位的穴位点13所在位置的皮肤上选取直径为3cm的区域内，采用网状结构对该区域进行分割，并以网状结构中的网眼作为测试点，采用信号采集仪16监测测试点的响应信号。实验中信号发生器11分别采用连续正弦、三角波序列信号，幅值指数衰减正弦、三角波序列信号，以及频率变化的正弦、三角波序列信号作为产生刺激信号，信号幅值在毫伏级到3伏电压之间，以使人体无任何刺激感觉，并用银电极作为与皮肤的接触电极，对人体需要穴位定位的经络进行电刺激实验，用信号采集仪16监测刺激点12和接地点15间的经络上有关穴位的响应信号，信号采集仪16将模数转换后的采集信号发送至计算机17，由计算机17进行以下分析，人体经络穴位电激励信号测量原理图如图1所示。

2)经络穴位测试点电激励信号的特征提取

本发明根据实验采集得到的经络穴位测试点电激励信号数据，采用小波包分解技术对数据进行分解，并提取穴位测试点熵能量的差异特征，作为人体经络穴位点的定位依据。

小波包变换不仅对信号低频部分进行分解，同时对信号的高频部分也进行二分滤波分解。因此，经络检测点的电激励信号采用小波包变换进行分解。通常对分解后信号进行重构，可以得到原始信号与重构信号的误差。根据得到误差最小化原则，并通过对经络数据的比较分析，本发明最终选择db 1小波包进行3层分解为经络穴位电激励信号的最优小波包分解。此外，对小波包分解后的8个子频带信号进行单支重构以去除测量过程中信号的噪声。对重构后的每个子频带信号进行熵估计，并将此熵估计值作为测试点的能量特征值。每个经络穴位测试点可以多次测量，而对每个经络穴位测试点一次实验所得电激励信号进行熵能量特征提取的步骤如下：

①设一次测试实验中采集的某个穴位测试点的心电信号为s(t)，用db 1小波包对s(t)进行3层分解，分解得到8个子频带信号；

②对小波包分解后的第3层8个子频带信号进行单支重构；

③对重构后的第3层每个子频带信号s_i按式(1)进行Shannon熵估计。

$E_{s_i}=-\underset{i}{\mathrm{\Σ}}{E}_i^2\log \left(E_i^2\right)---\left(1\right)$

且有0log(0)＝0，E_i＝|d_i(k)|²，d_i(k)是信号s_i的标准正交基的系数。由此可以得到小波包分解重构后的经络穴位测试点心电信号s(t)的熵能量特征向量

$E=[E_{s_1},E_{s_2},E_{s_3},E_{s_4},E_{s_5},E_{s_6},E_{s_7},E_{s_8}],$ 其中为第i个子频带信号的熵能量特征值。

3)经络穴位测试点电激励信号的聚类分析

通常测试者不同时间段的身体状况存在差异，为了消除这一差异的对数据分析的影响，直接由小波包分解而获得的人体经络穴位检测点的电激励信号熵能量需要先经过归一化加权，再通过聚类分析划分穴位点和非穴位点的能量数据。本发明采用遗传聚类进行穴位测试点数据的划分。该方法将每个测试点一次实验所得电激励信号的熵能量特征向量作为一个样本，再采用遗传聚类进行能量的聚类划分，最后对经络的穴位点进行准确定位。具体步骤如下：

①对N个穴位测试点电激励信号熵能量数据进行单个测试者样本一次实验归一化；

②根据小波分解后原始的各单支信号熵能量的权重，对归一化后的数据进行加权，获得每个经络穴位测试点s(t)相对熵能量数据 $\tilde{E}=[{\tilde{E}}_{s_1},{\tilde{E}}_{s_2},{\tilde{E}}_{s_3},{\tilde{E}}_{s_4},{\tilde{E}}_{s_5},{\tilde{E}}_{s_6},{\tilde{E}}_{s_7},{\tilde{E}}_{s_8}],$ 其中

为第i个子频带信号的相对熵能量特征值，并将

作为一个样本a_i，M次测试得到M个样本a_i(i=1,2,...,M)；

③输入初始化参数，包括迭代次数Gm、交叉率Pc、种群数Np和聚类中心数目k=2，并随机产生Np个初始个体X=[X₁,X₂,...,X_Np]，每个个体代表一组聚类中心；

④计算个体适应度：

a）由K-means方法获取新的聚类中心；

b）按照新聚类中心进行分类，并根据式（2）计算各样本与新类中心的聚类指标，将其作为个体X_i的适应度值；

${\mathrm{CH}}_k=\frac{\mathrm{BGSD}}{k-1}\·\frac{M-k}{\mathrm{WGSD}}---\left(2\right)$

其中类内部聚合度 $\mathrm{WGSD}={\mathrm{\Σ}}_{i=1}^k{\mathrm{\Σ}}_{X\∈C_i}d{(X,z_i)}^2---\left(3\right)$

类外部分离度为 $\mathrm{BGSD}={\mathrm{\Σ}}_{i=1}^k{n}_{i}d{(z_i,z_{\mathrm{tot}})}^2---\left(4\right)$

这里z_i是类C_i的中心，而z_tot为所有数据点的中心，i=1,2,n_i为类C_i中的个体数。

c）将适应度高最佳个体保留至下一代，并参与进化。

⑤依次采用轮盘赌选择、两点交叉和一点变异的遗传操作产生新一代个体；

⑥终止条件判别：达到最大迭代次数否？否就返回至步骤④，继续重新对样本聚类；否则迭代结束，输出最佳个体表示的类中心和经络穴位测试点电激励信号熵能量样本的最佳分类C₁和C₂。

⑦分别按式（5）计算C₁和C₂中所有测试点信号的熵能量均值

和

两者中能量值大的类所包含的测试点就是穴位点，而平均能量较低的类所包含的测试点则是非穴位点，最终实现人体经络穴位点和非穴位的准确划分。

${\stackrel{\‾}{E}}_i=\frac{1}{n_i}\underset{k=1}{\overset{n_i}{\mathrm{\Σ}}}\left(\underset{j=1}{\overset{8}{\mathrm{\Σ}}}{\tilde{E}}_{\mathrm{kj}}\right)---\left(5\right)$

其中

为C_i中第k个个体第j个能量属性值。

本技术领域中的普通技术人员应当认识到，以上的实施例仅是用来说明本发明的目的，而并非用作对本发明的限定，只要在本发明的实质范围内，对以上所述实施例的变化、变型都将落在本发明的权利要求的范围内。

Claims (3)

1.一种基于遗传聚类的人体经络穴位定位方法，其特征在于：

该人体经络穴位定位方法包括以下步骤：

A.选定人体经络中需要确定穴位的任何一条经络，并按照经络“气”的走向，在该穴位所在经络“气”的“上游”区域选择某一点作为刺激点，而接地点则选为该穴位所在经络“下游”区域的某一点，信号发生器分别通过银电极与刺激点以及接地点相连，并向该穴位所在经络发出刺激信号；在需定位的穴位点所在位置的皮肤上选取直径为3cm的区域内，采用网状结构对该区域进行分割，并以网状结构中的网眼作为测试点，采用信号采集仪监测测试点的响应信号；

B.对测试点的响应信号采用db1小波包进行3层分解，并对分解后的信号进行单支重构，对重构后的每个单支信号进行熵估计，并将此熵估计值作为穴位各测试点的能量特征值；

C.将每个测试点所得响应信号的熵能量特征向量作为一个样本，再采用遗传聚类进行能量的聚类划分，对经络的穴位点进行准确定位；

所述步骤B进一步包括以下步骤：

B1.设一次测试实验中采集的某个穴位测试点的心电信号为s(t)，用db1小波包对s(t)进行3层分解，分解得到8个子频带信号；

B2.对小波包分解后的第3层8个子频带信号进行单支重构；

B3.对重构后的第3层每个子频带信号s_i按下式进行Shannon熵估计，

$E_{s_i}=-\underset{i}{\mathrm{\Σ}}{E}_i^2\log \left(E_i^2\right)$

且有0log(0＝)，E_i＝|d_i(k)|²，d_i(k)是信号s_i的标准正交基的系数，由此得到小波包分解重构后的经络穴位测试点心电信号s(t)的熵能量特征向量为

$E=[E_{s_1},E_{s_2},E_{s_3},E_{s_4},E_{s_5},E_{s_6},E_{s_7},E_{s_8}],$ 其中

为第i个子频带信号的熵能量特征值。

2.根据权利要求1所述的人体经络穴位定位方法，其特征在于：

所述步骤A中刺激信号的信号幅值在毫伏级到3伏电压之间，所述刺激信号采用以下中的一种：连续正弦信号、三角波序列信号，幅值指数衰减正弦信号、三角波序列信号，频率变化的正弦信号以及三角波序列信号。

3.根据权利要求1所述的人体经络穴位定位方法，其特征在于：

所述步骤C进一步包括以下步骤：

C1.对测试点的响应信号熵能量数据进行单个测试者样本一次实验归一化；

C2.根据小波分解后原始的各单支信号熵能量的权重，对归一化后的数据进行加权，获得每个经络穴位测试点s(t)的相对熵能量数据为 $\tilde{E}=[{\tilde{E}}_{s_1},{\tilde{E}}_{s_2},{\tilde{E}}_{s_3},{\tilde{E}}_{s_4},{\tilde{E}}_{s_5},{\tilde{E}}_{s_6},{\tilde{E}}_{s_7},{\tilde{E}}_{s_8}],$ 其中

为第i个子频带信号的相对熵能量特征值，并将作为一个样本a_i，M次测试得到M个样本a_i(i=1,2,...,M)；

C3.输入初始化参数，初始化参数包括迭代次数Gm、交叉率Pc、种群数Np和聚类中心数目k=2，并随机产生Np个初始个体X=[X₁,X₂,...,X_Np]，每个个体代表一组聚类中心；

C4.计算个体适应度，包括以下步骤：

C411.由K-means方法获取新的聚类中心；

C412.按照新聚类中心进行分类，并根据公式

${\mathrm{CH}}_k=\frac{\mathrm{BGSD}}{k-1}\frac{M-k}{\mathrm{WGSD}}$

计算各样本与新类中心的聚类指标，将其作为个体X_i的适应度值；

其中类内部聚合度 $\mathrm{WGSD}={\mathrm{\Σ}}_{i=1}^k{\mathrm{\Σ}}_{{X\∈C}_i}d{(X,z_i)}^2;$

类外部分离度为 $\mathrm{BGSD}={\mathrm{\Σ}}_{i=1}^k{n}_{i}d{(z_i,z_{\mathrm{tot}})}^2$

其中，z_i是类C_i的中心，而z_tot为所有数据点的中心，i=1,2,n_i为类C_i中的个体数；

C413.将适应度高最佳个体保留至下一代，并参与进化；

C5.依次采用轮盘赌选择、两点交叉和一点变异的遗传操作产生新一代个体；

C6.若未达到迭代次数Gm，则返回至步骤C4；

继续重新对样本聚类，否则迭代结束，输出最佳个体表示的类中心和经络穴位测试点电激励信号熵能量样本的最佳分类C₁和C₂；

C7.分别按下式计算C₁和C₂中所有测试点信号的熵能量均值和

，两者中能量值大的类所包含的测试点就是穴位点，而平均能量较低的类所包含的测试点则是非穴位点，实现人体经络穴位点和非穴位的准确划分；

，其中

为C_i中第k个个体第j个能量属性值。

Images