CN113892919B - 诊脉数据获取方法、装置、电子设备及系统 - Google Patents

诊脉数据获取方法、装置、电子设备及系统 Download PDF

Info

Publication number
CN113892919B
CN113892919B CN202111499106.7A CN202111499106A CN113892919B CN 113892919 B CN113892919 B CN 113892919B CN 202111499106 A CN202111499106 A CN 202111499106A CN 113892919 B CN113892919 B CN 113892919B
Authority
CN
China
Prior art keywords
data
pulse
pulse wave
wave data
position data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202111499106.7A
Other languages
English (en)
Other versions
CN113892919A (zh
Inventor
季仲致
罗静静
祝兴
黄羽霖
王钒宇
王洋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN202111499106.7A priority Critical patent/CN113892919B/zh
Publication of CN113892919A publication Critical patent/CN113892919A/zh
Application granted granted Critical
Publication of CN113892919B publication Critical patent/CN113892919B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4854—Diagnosis based on concepts of traditional oriental medicine
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/02—Details of sensors specially adapted for in-vivo measurements
    • A61B2562/0247—Pressure sensors

Abstract

本申请属于中医诊脉技术领域，公开了一种诊脉数据获取方法、装置、电子设备及系统，通过图像识别方法初步确定被测者的脉口位置数据；发出询问信息以提示操作者确认脉口位置数据的正确性；若正确则执行以下步骤：在脉口位置数据对应的脉口位置以多个梯度压力分别采集第一预设时长的第一脉搏波数据；根据多个第一脉搏波数据获取最佳压力数据和脉位数据；根据最佳压力数据采集脉口位置所在的垂直线上的多个采集点的第二预设时长的第二脉搏波数据；根据多个第二脉搏波数据获取被测者的脉宽数据；根据多个第二脉搏波数据提取脉搏波的时域特征参数；从而可降低诊脉数据采集过程的人工介入程度，提高自动化程度，且可提高采集的数据稳定性和可信度。

Description

诊脉数据获取方法、装置、电子设备及系统
技术领域
本申请涉及中医诊脉技术领域，具体而言，涉及一种诊脉数据获取方法、装置、电子设备及系统。
背景技术
传统的中医脉诊过程中，是由医生通过手指感知患者的手腕脉口处的脉搏跳动情况的，从而根据脉搏跳动情况进行病情诊断。但是，由于中医师存在经验积累的不同和细微感知的差异，导致传统中医脉诊存在标准化程度较低和脉象判断主观的现实问题。
为此，市场上出现了一些用于进行诊脉的诊脉机器人，然而，现有的诊脉机器人多为手动控制的，在进行诊脉时，需要人手控制机器人进行脉搏波的采集，自动化程度较低，方便性较差；且采集数据时是以固定的预压力进行采集，而不同的患者的手腕部皮肤、肌肉、血管、骨骼和肌腱等结构不尽相同，只以固定的预压力进行采集，采集的数据稳定性较差，可信度较低。
发明内容
本申请的目的在于提供一种诊脉数据获取方法、装置、电子设备及系统，可降低诊脉数据采集过程的人工介入程度，提高自动化程度，且可提高采集的数据稳定性和可信度。
第一方面，本申请提供了一种诊脉数据获取方法，应用于脉诊机械臂的控制系统，包括步骤：
A1.通过图像识别方法初步确定被测者的脉口位置数据；
A2.根据所述脉口位置数据发出询问信息，以提示操作者确认所述脉口位置数据的正确性；
A3.在所述脉口位置数据被确认为正确时执行以下步骤：
A301.控制所述脉诊机械臂在所述脉口位置数据对应的脉口位置以多个梯度压力分别采集第一预设时长的第一脉搏波数据；
A302.根据多个所述第一脉搏波数据获取最佳压力数据和脉位数据；
A303.根据所述最佳压力数据控制所述脉诊机械臂采集所述脉口位置所在的垂直线上的多个采集点的第二预设时长的第二脉搏波数据；所述垂直线是垂直于桡动脉且经过所述脉口位置的直线；
A304.根据多个所述第二脉搏波数据获取所述被测者的脉宽数据；
A305.根据多个所述第二脉搏波数据提取脉搏波的时域特征参数。
该诊脉数据获取方法，只需要人工初步确定被测者的脉口位置数据是否正确，其它步骤均为自动执行的步骤，降低了诊脉数据采集过程的人工介入程度，提高自动化程度；且先通过多个梯度压力的第一脉搏波数据确定最佳压力数据，再根据最佳压力数据再次获取脉搏波数据（第二脉搏波数据），根据该第二脉搏波数据获取得到脉宽数据和时域特征参数，由于是在最佳压力下获得的数据，其数据稳定性和可信度较高。
优选地，步骤A1包括：
利用三维重构方法获取所述被测者的手腕的三维结构模型；
使用预先训练好的卷积神经网络模型对所述三维结构模型进行识别，以提取脉口位置数据。
优选地，步骤A3之前，还包括步骤：
若所述操作者确认所述脉口位置数据正确，则控制所述脉诊机械臂在所述脉口位置数据对应的脉口位置以第一预设压力采集第三预设时长的第三脉搏波数据；
判断所述第三脉搏波数据是否为真实的脉搏波数据，以再次确认所述脉口位置数据的正确性。
根据第三脉搏波数据再次确认所述脉口位置数据的正确性，可进一步提高脉口位置定位的准确性，从而进一步提高最终采集的诊脉数据的稳定性和可信度。
优选地，步骤A302包括：
提取各所述第一脉搏波数据的脉搏波主峰的第一波峰值；
根据各所述第一波峰值和对应的所述梯度压力获取所述最佳压力数据；
根据各所述第一波峰值和对应的所述梯度压力获取所述脉位数据。
优选地，所述根据各所述第一波峰值和对应的所述梯度压力获取所述最佳压力数据的步骤包括：
拟合所述第一波峰值随所述梯度压力变化的第一波峰值变化曲线；
提取所述第一波峰值变化曲线的最大值对应的梯度压力作为所述最佳压力数据。
从拟合的第一波峰值变化曲线的最大值所对应的梯度压力作为最佳压力数据，其精确度比较高。
优选地，步骤A304包括：
提取各所述第二脉搏波数据的脉搏波主峰的第二波峰值；
获取各所述采集点在所述垂直线上的宽度位置数据；
拟合所述第二波峰值随所述宽度位置数据变化的第二波峰值变化曲线；
根据所述第二波峰值变化曲线提取脉宽值。
优选地，步骤A305包括：
提取所述第二波峰值变化曲线的最大值对应的最优宽度位置数据；
以最靠近所述最优宽度位置数据的所述采集点的所述第二脉搏波数据为目标脉搏波数据；
根据所述目标脉搏波数据提取脉搏波的时域特征参数。
第二方面，本申请提供了一种诊脉数据获取装置，应用于脉诊机械臂的控制系统，包括：
脉口位置数据获取模块，用于通过图像识别方法初步确定被测者的脉口位置数据；
第一确认模块，用于根据所述脉口位置数据发出询问信息，以提示操作者确认所述脉口位置数据的正确性；
第一执行模块，用于在所述脉口位置数据被确认为正确时执行以下步骤：
控制所述脉诊机械臂在所述脉口位置数据对应的脉口位置以多个梯度压力分别采集第一预设时长的第一脉搏波数据；
根据多个所述第一脉搏波数据获取最佳压力数据和脉位数据；
根据所述最佳压力数据控制所述脉诊机械臂采集所述脉口位置所在的垂直线上的多个采集点的第二预设时长的第二脉搏波数据；所述垂直线是垂直于桡动脉且经过所述脉口位置的直线；
根据多个所述第二脉搏波数据获取所述被测者的脉宽数据；
根据多个所述第二脉搏波数据提取脉搏波的时域特征参数。
该诊脉数据获取装置，只需要人工初步确定被测者的脉口位置数据是否正确，其它操作均为自动执行的操作，降低了诊脉数据采集过程的人工介入程度，提高自动化程度；且先通过多个梯度压力的第一脉搏波数据确定最佳压力数据，再根据最佳压力数据再次获取脉搏波数据（第二脉搏波数据），根据该第二脉搏波数据获取得到脉宽数据和时域特征参数，由于是在最佳压力下获得的数据，其数据稳定性和可信度较高。
第三方面，本申请提供了一种电子设备，包括处理器和存储器，所述存储器存储有所述处理器可执行的计算机程序，所述处理器执行所述计算机程序时，运行如前文所述诊脉数据获取方法中的步骤。
第四方面，本申请提供了一种诊脉数据获取系统，包括脉诊机械臂和控制系统，所述脉诊机械臂的末端设置有用于采集脉搏波数据的数据采集传感器，所述控制系统包括主控计算机、脉口定位模块、运动控制模块、数据采集模块、数据分析模块和数据存储模块；所述脉口定位模块、所述运动控制模块、所述数据采集模块、所述数据分析模块和所述数据存储模块均通过EtherCAT总线与所述主控计算机连接；
所述运动控制模块用于控制所述脉诊机械臂移动；
所述脉口定位模块用于通过图像识别方法初步确定被测者的脉口位置数据，并发送至所述主控计算机；
所述主控计算机用于根据所述脉口位置数据发出询问信息，以提示操作者确认所述脉口位置数据的正确性，在所述脉口位置数据被确认为正确时发送第一指令至所述运动控制模块，使所述运动控制模块控制所述脉诊机械臂移动至所述脉口位置数据对应的脉口位置处以多个梯度压力按压所述脉口位置；
所述数据采集模块用于采集各梯度压力下由所述数据采集传感器测得的第一预设时长的第一脉搏波数据，并经所述主控计算机发送至所述数据分析模块；
所述数据分析模块用于根据多个所述第一脉搏波数据获取最佳压力数据和脉位数据，并发送至所述主控计算机；
所述主控计算机还用于发送第二指令至所述运动控制模块，使所述运动控制模块控制所述脉诊机械臂移动至所述脉口位置所在的垂直线上的多个采集点以所述最佳压力数据按压各所述采集点；所述垂直线是垂直于桡动脉且经过所述脉口位置的直线；
所述数据采集模块还用于采集由所述数据采集传感器测得的各所述采集点处的第二预设时长的第二脉搏波数据，并经所述主控计算机发送至所述数据分析模块；
所述数据分析模块还用于根据多个所述第二脉搏波数据获取所述被测者的脉宽数据，根据多个所述第二脉搏波数据提取脉搏波的时域特征参数；
所述数据存储模块用于存储所述脉搏波的时域特征参数、所述脉位数据、所述脉宽数据、所述第一脉搏波数据和所述第二脉搏波数据。
该诊脉数据获取系统，只需要人工初步确定被测者的脉口位置数据是否正确，其它操作均为自动执行的操作，降低了诊脉数据采集过程的人工介入程度，提高自动化程度；且先通过多个梯度压力的第一脉搏波数据确定最佳压力数据，再根据最佳压力数据再次获取脉搏波数据（第二脉搏波数据），根据该第二脉搏波数据获取得到脉宽数据和时域特征参数，由于是在最佳压力下获得的数据，其数据稳定性和可信度较高。
有益效果：
本申请提供的诊脉数据获取方法、装置、电子设备及系统，通过图像识别方法初步确定被测者的脉口位置数据；根据所述脉口位置数据发出询问信息，以提示操作者确认所述脉口位置数据的正确性；在所述脉口位置数据被确认为正确时执行以下步骤：控制所述脉诊机械臂在所述脉口位置数据对应的脉口位置以多个梯度压力分别采集第一预设时长的第一脉搏波数据；根据多个所述第一脉搏波数据获取最佳压力数据和脉位数据；根据所述最佳压力数据控制所述脉诊机械臂采集所述脉口位置所在的垂直线上的多个采集点的第二预设时长的第二脉搏波数据；所述垂直线是垂直于桡动脉且经过所述脉口位置的直线；根据多个所述第二脉搏波数据获取所述被测者的脉宽数据；根据多个所述第二脉搏波数据提取脉搏波的时域特征参数；从而可降低诊脉数据采集过程的人工介入程度，提高自动化程度，且可提高采集的数据稳定性和可信度。
本申请的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请了解。
附图说明
图1为本申请实施例提供的诊脉数据获取方法的流程图。
图2为本申请实施例提供的诊脉数据获取装置的结构示意图。
图3为本申请实施例提供的电子设备的结构示意图。
图4为本申请实施例提供的诊脉数据获取系统的结构示意图。
图5为示例性的第二波峰值变化曲线示意图。
图6为示例性的平均脉像周期数据时域变化曲线示意图。
标号说明：100、主控计算机；101、脉口定位模块；102、运动控制模块；103、数据采集模块；104、数据分析模块；105、数据存储模块；106、EtherCAT总线；107、近红外相机；108、近红外灯源；109、脉口二维定位模块；110、手腕三维重构模块；111、第一数据中转模块；112、X轴伺服电机；113、Y轴伺服电机；114、Z轴伺服电机；115、旋转轴伺服电机；116、数据采集传感器；117、第二数据中转模块；118、脉象要素预测模块；119、脉位数据提取模块；120、脉宽数据提取模块；121、脉搏波特征提取模块；122、第三数据中转模块；123、底层数据库；1、脉口位置数据获取模块；2、第一确认模块；3、第一执行模块；301、处理器；302、存储器；303、通信总线。
具体实施方式
下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
请参照图1，图1是本申请一些实施例中的一种诊脉数据获取方法，应用于脉诊机械臂的控制系统，包括步骤：
A1.通过图像识别方法初步确定被测者的脉口位置数据；
A2.根据脉口位置数据发出询问信息，以提示操作者确认脉口位置数据的正确性；
A3.在脉口位置数据被确认为正确时执行以下步骤：
A301.控制脉诊机械臂在脉口位置数据对应的脉口位置以多个梯度压力分别采集第一预设时长的第一脉搏波数据；
A302.根据多个第一脉搏波数据获取最佳压力数据和脉位数据；
A303.根据最佳压力数据控制脉诊机械臂采集脉口位置所在的垂直线上的多个采集点的第二预设时长的第二脉搏波数据；垂直线是垂直于桡动脉且经过脉口位置的直线；
A304.根据多个第二脉搏波数据获取被测者的脉宽数据；
A305.根据多个第二脉搏波数据提取脉搏波的时域特征参数。
该诊脉数据获取方法，只需要人工初步确定被测者的脉口位置数据是否正确，其它步骤均为自动执行的步骤，降低了诊脉数据采集过程的人工介入程度，提高自动化程度；且先通过多个梯度压力的第一脉搏波数据确定最佳压力数据，再根据最佳压力数据再次获取脉搏波数据（第二脉搏波数据），根据该第二脉搏波数据获取得到脉宽数据和时域特征参数，由于是在最佳压力下获得的数据，其数据稳定性和可信度较高。
在一些优选实施方式中，步骤A1包括：
利用三维重构方法获取被测者的手腕的三维结构模型；
使用预先训练好的卷积神经网络模型对三维结构模型进行识别，以提取脉口位置数据。
其中，利用三维重构方法获取被测者的手腕的三维结构模型的具体方法为现有技术（可参考CN112070889B号专利），此处不对其进行详述。
采用这种方式进行脉口位置数据的提取，准确性较高。实际上，也可使用其它现有的视觉定位方法来初步确定被测者的脉口位置数据。
其中，脉口位置数据可包括寸口位置数据、关口位置数据、尺口位置数据中的至少一种。从而最终获取的诊脉数据包括寸口诊脉数据、关口诊脉数据、尺口诊脉数据中的至少一种；诊脉数据包括第一脉搏波数据、脉位数据、第二脉搏波数据、脉宽数据和脉搏波的时域特征参数等。
其中，询问信息可包括在脉口位置数据对应的脉口位置具有标记（可以是点状标记或其它标记）的手腕图像，从而步骤A2包括：
在显示器上显示在脉口位置数据对应的脉口位置具有标记的手腕图像。
以便操作者根据该手腕图像快速地判断脉口位置数据是否正确。
在实际应用中，操作者可通过鼠标、键盘、专用按键等进行确认，当脉口位置数据被确认为不正确时，则返回步骤A1重新确定被测者的脉口位置数据并执行后续步骤，如此循环直到脉口位置数据被确认为正确。
在一些优选实施方式中，步骤A3之前，还包括步骤：
若操作者确认脉口位置数据正确，则控制脉诊机械臂在脉口位置数据对应的脉口位置以第一预设压力采集第三预设时长的第三脉搏波数据；
判断第三脉搏波数据是否为真实的脉搏波数据，以再次确认脉口位置数据的正确性。
根据第三脉搏波数据再次确认脉口位置数据的正确性，可进一步提高脉口位置定位的准确性，从而进一步提高最终采集的诊脉数据的稳定性和可信度。
其中，第一预设压力和第三预设时长可根据实际需要设置。
其中，对于脉口位置数据包括寸口位置数据、关口位置数据、尺口位置数据中的多种时，则针对每种脉口位置数据执行上述步骤。
其中，判断第三脉搏波数据是否为真实的脉搏波数据的具体步骤包括：使用预先训练好的LSTM神经网络模型判断该第三脉搏波数据是否为真实的脉搏波数据。其中，该LSTM神经网络模型通过以下方式训练得到：采集持续时间为5s的脉搏波数据和非脉搏波数据各1000例，构建LSTM神经网络模型，并用采集到的数据对该模型进行训练，使其判断一段数据是否为脉搏波数据的准确率≥98%。
在实际应用中，若判断第三脉搏波数据不是真实的脉搏波数据，表示该脉口位置数据对应的脉口位置并非准确的脉口位置，则返回步骤A1重新确定被测者的脉口位置数据并执行后续步骤，如此循环直到第三脉搏波数据为真实的脉搏波数据。
其中，步骤A301中，梯度压力的具体数量和具体值、第一预设时长可可根据实际需要设置。例如，梯度压力包括50 gf、70 gf、90 gf、110 gf、130 gf、150 gf、170 gf、190 gf、210 gf和230gf的10个梯度压力，第一预设时长为5s，但不限于此。对于脉口位置数据包括寸口位置数据、关口位置数据、尺口位置数据中的多种时，则针对每个脉口位置数据在对应的脉口位置均采用多个梯度压力采集得到一组第一脉搏波数据。
具体地，步骤A302包括：
提取各第一脉搏波数据的脉搏波主峰的第一波峰值；
根据各第一波峰值和对应的梯度压力获取最佳压力数据；
根据各第一波峰值和对应的梯度压力获取脉位数据。
其中，对于脉口位置数据包括寸口位置数据、关口位置数据、尺口位置数据中的多种时，则针对每组第一脉搏波数据执行以上步骤，以获得各脉口位置对应的第一波峰值、最佳压力数据和脉位数据。
其中，提取各第一脉搏波数据的脉搏波主峰的第一波峰值的步骤可包括：
对各第一脉搏波数据进行脉象峰点识别以提取各脉象周期的峰值；
对各第一脉搏波数据的峰值进行异常值剔除处理（可利用拉依达准则法、中值剔除法或其它现有异常值剔除方法进行异常值剔除处理）；
对同一第一脉搏波数据的剩余的峰值求平均值，得到该第一脉搏波数据的第一波峰值。
在一些实施方式中，根据各第一波峰值和对应的梯度压力获取最佳压力数据的步骤包括：
提取各第一波峰值中的最大值所对应的梯度压力为最佳压力数据。
在实际应用中第一波峰值越大，说明采集到的第一脉搏波数据越强，即检测到的脉搏波动情况越清晰，因此，以最大的第一波峰值对应的梯度压力为最佳压力数据，在后续以该最佳压力数据采集第二脉搏波数据得到的数据能够比较清晰地反映脉搏波动情况，从而可保证诊脉数据的稳定性和可信性。
在另一些实施方式中，根据各第一波峰值和对应的梯度压力获取最佳压力数据的步骤包括：
拟合第一波峰值随梯度压力变化的第一波峰值变化曲线；
提取第一波峰值变化曲线的最大值对应的梯度压力作为最佳压力数据。
通过拟合得到的第一波峰值变化曲线能够比较准确地反映第一波峰值随梯度压力的变化情况，从而第一波峰值变化曲线的最大值对应的梯度压力更加接近真实的最佳压力数据，从而可更好地保证诊脉数据的稳定性和可信性。
其中，脉位数据包括脉搏强度随施加的压力的变化情况，可通过第一波峰值随梯度压力变化的脉位变化曲线来表征，从而，根据各第一波峰值和对应的梯度压力获取脉位数据的步骤包括：
以拟合得到的第一波峰值变化曲线为脉位变化曲线。
在一些实施方式中，该诊脉数据获取方法还包括步骤:获取被测者的基础信息；该基础信息包括性别、年龄段、身高、体重，还可包括姓名、联系方式等信息。
在步骤A303中，垂直线上的采集点的数量和分布位置可根据实际需要设置，优选地，各采集点之间等间隔分布。其中，第二预设时长可根据实际需要设置，例如30s，但不限于此。
在一些实施方式中，用于采集脉搏波数据的数据采集传感器为阵列式传感器，包括多个传感器件，可同时采集多点的脉搏波数据，从而步骤A303包括：控制脉诊机械臂调整阵列式传感器的位姿，使该阵列式传感器中的各传感器件沿该垂直线排列，然后控制脉诊机械臂使该阵列式传感器以最佳压力数据对应压力压在被测者的手腕上进行第二脉搏波数据的采集。从而，阵列式传感器中的每个传感器件所在的位置即为一个采集点，各个传感器件同时采集对应采集点的第二脉搏波数据，采用这种方式进行第二脉搏波数据的采集，效率高。
在另一些实施方式中，可采用只有一个传感器件的数据采集传感器分别采集多点的脉搏波数据，从而步骤A303包括：在该垂直线上确定多个采集点的位置，依次控制脉诊机械臂把数据采集传感器以最佳压力数据对应压力压在各采集点处进行第二脉搏波数据的采集。与上一种方式相比，由于需要依次进行采集，效率相对较低。
其中，对于脉口位置数据包括寸口位置数据、关口位置数据、尺口位置数据中的多种时，则针对每种脉口位置数据获取一组第二脉搏波数据。
在一些实施方式中，步骤A304包括：
提取各第二脉搏波数据的脉搏波主峰的第二波峰值（具体提取方法参考第一波峰值的提取方法）；
获取各采集点在垂直线上的宽度位置数据（例如，以垂直线经过的脉口位置为宽度位置数据零点，往左为负，往右为正，但不限于此）；
拟合第二波峰值随宽度位置数据变化的第二波峰值变化曲线（例如图5中的圆点为提取到的第二波峰值数据点，实线为拟合得到的第二波峰值变化曲线，图中的横坐标为宽度位置数据、纵坐标为第二波峰值）；
根据第二波峰值变化曲线提取脉宽值。
其中，脉宽数据包括该第二波峰值变化曲线和该脉宽值。
其中，对于脉口位置数据包括寸口位置数据、关口位置数据、尺口位置数据中的多种时，则针对每组第二脉搏波数据执行上述步骤，从而得到各脉口位置对应的脉宽数据。
其中，根据第二波峰值变化曲线提取脉宽值的步骤包括：
提取第二波峰值变化曲线中的第二波峰值等于预设第二波峰值阈值的点所对应的两个宽度位置数据（参考图5，即提取虚线与第二波峰值变化曲线的两个交点对应的宽度位置数据，该虚线的第二波峰值恒为预设第二波峰值阈值，该预设第二波峰值阈值可根据实现需要设置）；
计算两个宽度位置数据之间的间隔（用两者中的较大值减去较小值）得到脉宽值。
在一些实施方式中，步骤A305包括：
提取第二波峰值变化曲线的最大值对应的最优宽度位置数据；
以最靠近最优宽度位置数据的采集点的第二脉搏波数据为目标脉搏波数据；
根据目标脉搏波数据提取脉搏波的时域特征参数。
其中，最优宽度位置数据对应的宽度位置处采集的脉搏波数据能够最清晰地显示脉搏波动情况，用最靠近最优宽度位置数据的采集点的第二脉搏波数据为目标脉搏波数据进行脉搏波的时域特征参数的提取，可保证提取得到的脉搏波的时域特征参数的稳定性和可信性较高。
实际应用中，也可在提取第二波峰值变化曲线的最大值对应的最优宽度位置数据后，控制脉诊机械臂在对应该最优宽度位置数据的位置点处获取一个新的第二脉搏波数据作为目标脉搏波数据；从而保证提取得到的脉搏波的时域特征参数的稳定性和可信性更高。
其中，对于脉口位置数据包括寸口位置数据、关口位置数据、尺口位置数据中的多种时，则针对每组第二脉搏波数据和对应的第二波峰值变化曲线执行上述步骤，从而得到各脉口位置对应的脉搏波的时域特征参数。
其中，脉搏波的时域特征参数包括主波波峰h1、降中峡h2、重搏波波峰h3、升角α、主波峰夹角θ、1/3主波峰宽w、升支时间t1、降中峡时间t2、重搏波时间t3、脉动周期T等的至少一项。
根据目标脉搏波数据提取脉搏波的时域特征参数的步骤包括：
对目标脉搏波数据进行峰谷点识别，以把该目标脉搏波数据分割为多组脉像周期数据；
使用插值处理对各脉像周期数据进行插值处理，使各组脉像周期数据的数据点对齐（即各组脉像周期数据的数据点数相同）；
计算对齐后的多组脉像周期数据的平均脉像周期数据（平均脉像周期数据中的每个数据点的值等于各组脉像周期数据的对应数据点的平均值）；
根据该平均脉像周期数据提取脉搏波的时域特征参数。
其中，根据脉像周期数据提取脉搏波的时域特征参数的具体方法为现有技术，此处不对其进行详述。
例如，图6为示例性的平均脉像周期数据时域变化曲线示意图，图中显示了主波波峰h1、降中峡h2、重搏波波峰h3、升角α、主波峰夹角θ、1/3主波峰宽w、升支时间t1、降中峡时间t2、重搏波时间t3、脉动周期T的位置。
在一些实施方式中，该诊脉数据获取方法还包括步骤：
获取被测者的关键中医信息；该关键中医信息包括寸关长度、寸尺长度、关尺长度和同身寸长度。
在一些实施方式中，该诊脉数据获取方法还包括步骤：
根据被测者的基础信息、关键中医信息、脉位数据、脉宽数据和脉搏波的时域特征参数生成脉象分析报告。
其中，脉象分析报告的具体格式和内容可根据实际需要设置，此处不对其进行限定。
在一些实施方式中，该诊脉数据获取方法还包括步骤：
把基础信息、关键中医信息、第一脉搏波数据、脉位数据、第二脉搏波数据、脉宽数据和脉搏波的时域特征参数等存储到本地数据库中。
以便后续进行查询和分析。
由上可知，该诊脉数据获取方法，通过图像识别方法初步确定被测者的脉口位置数据；根据脉口位置数据发出询问信息，以提示操作者确认脉口位置数据的正确性；在脉口位置数据被确认为正确时执行以下步骤：控制脉诊机械臂在脉口位置数据对应的脉口位置以多个梯度压力分别采集第一预设时长的第一脉搏波数据；根据多个第一脉搏波数据获取最佳压力数据和脉位数据；根据最佳压力数据控制脉诊机械臂采集脉口位置所在的垂直线上的多个采集点的第二预设时长的第二脉搏波数据；垂直线是垂直于桡动脉且经过脉口位置的直线；根据多个第二脉搏波数据获取被测者的脉宽数据；根据多个第二脉搏波数据提取脉搏波的时域特征参数；从而可降低诊脉数据采集过程的人工介入程度，提高自动化程度，且可提高采集的数据稳定性和可信度。
请参考图2，本申请提供了一种诊脉数据获取装置，应用于脉诊机械臂的控制系统，包括：
脉口位置数据获取模块1，用于通过图像识别方法初步确定被测者的脉口位置数据；
第一确认模块2，用于根据脉口位置数据发出询问信息，以提示操作者确认脉口位置数据的正确性；
第一执行模块3，用于在脉口位置数据被确认为正确时执行以下步骤：
控制脉诊机械臂在脉口位置数据对应的脉口位置以多个梯度压力分别采集第一预设时长的第一脉搏波数据；
根据多个第一脉搏波数据获取最佳压力数据和脉位数据；
根据最佳压力数据控制脉诊机械臂采集脉口位置所在的垂直线上的多个采集点的第二预设时长的第二脉搏波数据；垂直线是垂直于桡动脉且经过脉口位置的直线；
根据多个第二脉搏波数据获取被测者的脉宽数据；
根据多个第二脉搏波数据提取脉搏波的时域特征参数。
该诊脉数据获取装置，只需要人工初步确定被测者的脉口位置数据是否正确，其它操作均为自动执行的操作，降低了诊脉数据采集过程的人工介入程度，提高自动化程度；且先通过多个梯度压力的第一脉搏波数据确定最佳压力数据，再根据最佳压力数据再次获取脉搏波数据（第二脉搏波数据），根据该第二脉搏波数据获取得到脉宽数据和时域特征参数，由于是在最佳压力下获得的数据，其数据稳定性和可信度较高。
在一些优选实施方式中，脉口位置数据获取模块1用于在通过图像识别方法初步确定被测者的脉口位置数据的时候，执行：
利用三维重构方法获取被测者的手腕的三维结构模型；
使用预先训练好的卷积神经网络模型对三维结构模型进行识别，以提取脉口位置数据。
其中，利用三维重构方法获取被测者的手腕的三维结构模型的具体方法为现有技术（可参考CN112070889B号专利），此处不对其进行详述。
采用这种方式进行脉口位置数据的提取，准确性较高。实际上，也可使用其它现有的视觉定位方法来初步确定被测者的脉口位置数据。
其中，脉口位置数据可包括寸口位置数据、关口位置数据、尺口位置数据中的至少一种。从而最终获取的诊脉数据包括寸口诊脉数据、关口诊脉数据、尺口诊脉数据中的至少一种；诊脉数据包括第一脉搏波数据、脉位数据、第二脉搏波数据、脉宽数据和脉搏波的时域特征参数等。
其中，询问信息可包括在脉口位置数据对应的脉口位置具有标记（可以是点状标记或其它标记）的手腕图像，从而第一确认模块2用于在根据脉口位置数据发出询问信息，以提示操作者确认脉口位置数据的正确性的时候，执行：
在显示器上显示在脉口位置数据对应的脉口位置具有标记的手腕图像。
以便操作者根据该手腕图像快速地判断脉口位置数据是否正确。
在实际应用中，操作者可通过鼠标、键盘、专用按键等进行确认，当脉口位置数据被确认为不正确时，则脉口位置数据获取模块1重新确定被测者的脉口位置数据，第一确认模块2再次根据脉口位置数据发出询问信息，如此循环直到脉口位置数据被确认为正确。
在一些优选实施方式中，该诊脉数据获取装置还包括：
第二确认模块，用于在操作者确认脉口位置数据正确的时候，控制脉诊机械臂在脉口位置数据对应的脉口位置以第一预设压力采集第三预设时长的第三脉搏波数据；
第一判断模块，用于判断第三脉搏波数据是否为真实的脉搏波数据，以再次确认脉口位置数据的正确性。
根据第三脉搏波数据再次确认脉口位置数据的正确性，可进一步提高脉口位置定位的准确性，从而进一步提高最终采集的诊脉数据的稳定性和可信度。
其中，第一预设压力和第三预设时长可根据实际需要设置。
其中，对于脉口位置数据包括寸口位置数据、关口位置数据、尺口位置数据中的多种时，则第一确认模块2、第二确认模块和第一判断模块针对每种脉口位置数据执行其功能步骤。
其中，第一判断模块在判断第三脉搏波数据是否为真实的脉搏波数据的时候，执行：使用预先训练好的LSTM神经网络模型判断该第三脉搏波数据是否为真实的脉搏波数据。其中，该LSTM神经网络模型通过以下方式训练得到：采集持续时间为5s的脉搏波数据和非脉搏波数据各1000例，构建LSTM神经网络模型，并用采集到的数据对该模型进行训练，使其判断一段数据是否为脉搏波数据的准确率≥98%。
在实际应用中，若判断第三脉搏波数据不是真实的脉搏波数据，表示该脉口位置数据对应的脉口位置并非准确的脉口位置，则脉口位置数据获取模块1重新确定被测者的脉口位置数据、第一确认模块2再次根据脉口位置数据发出询问信息、第二确认模块和第一判断模块再次执行其功能步骤，如此循环直到第三脉搏波数据为真实的脉搏波数据。
其中，第一执行模块3在控制脉诊机械臂在脉口位置数据对应的脉口位置以多个梯度压力分别采集第一预设时长的第一脉搏波数据的时候，梯度压力的具体数量和具体值、第一预设时长可可根据实际需要设置。例如，梯度压力包括50 gf、70 gf、90 gf、110gf、130 gf、150 gf、170 gf、190 gf、210 gf和230gf的10个梯度压力，第一预设时长为5s，但不限于此。对于脉口位置数据包括寸口位置数据、关口位置数据、尺口位置数据中的多种时，则针对每个脉口位置数据在对应的脉口位置均采用多个梯度压力采集得到一组第一脉搏波数据。
具体地，第一执行模块3在根据多个第一脉搏波数据获取最佳压力数据和脉位数据的时候，执行：
提取各第一脉搏波数据的脉搏波主峰的第一波峰值；
根据各第一波峰值和对应的梯度压力获取最佳压力数据；
根据各第一波峰值和对应的梯度压力获取脉位数据。
其中，对于脉口位置数据包括寸口位置数据、关口位置数据、尺口位置数据中的多种时，则针对每组第一脉搏波数据执行以上操作，以获得各脉口位置对应的第一波峰值、最佳压力数据和脉位数据。
其中，第一执行模块3在提取各第一脉搏波数据的脉搏波主峰的第一波峰值的时候，执行：
对各第一脉搏波数据进行脉象峰点识别以提取各脉象周期的峰值；
对各第一脉搏波数据的峰值进行异常值剔除处理（可利用拉依达准则法、中值剔除法或其它现有异常值剔除方法进行异常值剔除处理）；
对同一第一脉搏波数据的剩余的峰值求平均值，得到该第一脉搏波数据的第一波峰值。
在一些实施方式中，第一执行模块3在根据各第一波峰值和对应的梯度压力获取最佳压力数据的时候，执行：
提取各第一波峰值中的最大值所对应的梯度压力为最佳压力数据。
在实际应用中第一波峰值越大，说明采集到的第一脉搏波数据越强，即检测到的脉搏波动情况越清晰，因此，以最大的第一波峰值对应的梯度压力为最佳压力数据，在后续以该最佳压力数据采集第二脉搏波数据得到的数据能够比较清晰地反映脉搏波动情况，从而可保证诊脉数据的稳定性和可信性。
在另一些实施方式中，第一执行模块3在根据各第一波峰值和对应的梯度压力获取最佳压力数据的时候，执行：
拟合第一波峰值随梯度压力变化的第一波峰值变化曲线；
提取第一波峰值变化曲线的最大值对应的梯度压力作为最佳压力数据。
通过拟合得到的第一波峰值变化曲线能够比较准确地反映第一波峰值随梯度压力的变化情况，从而第一波峰值变化曲线的最大值对应的梯度压力更加接近真实的最佳压力数据，从而可更好地保证诊脉数据的稳定性和可信性。
其中，脉位数据包括脉搏强度随施加的压力的变化情况，可通过第一波峰值随梯度压力变化的脉位变化曲线来表征，从而，第一执行模块3在根据各第一波峰值和对应的梯度压力获取脉位数据的时候，执行：
以拟合得到的第一波峰值变化曲线为脉位变化曲线。
在一些实施方式中，该诊脉数据获取装置还包括:
基础信息获取模块，用于获取被测者的基础信息；该基础信息包括性别、年龄段、身高、体重，还可包括姓名、联系方式等信息；
第一执行模块3在根据最佳压力数据控制脉诊机械臂采集脉口位置所在的垂直线上的多个采集点的第二预设时长的第二脉搏波数据的时候，垂直线上的采集点的数量和分布位置可根据实际需要设置，优选地，各采集点之间等间隔分布。其中，第二预设时长可根据实际需要设置，例如30s，但不限于此。
在一些实施方式中，用于采集脉搏波数据的数据采集传感器为阵列式传感器，包括多个传感器件，可同时采集多点的脉搏波数据，从而第一执行模块3在根据最佳压力数据控制脉诊机械臂采集脉口位置所在的垂直线上的多个采集点的第二预设时长的第二脉搏波数据的时候，执行：控制脉诊机械臂调整阵列式传感器的位姿，使该阵列式传感器中的各传感器件沿该垂直线排列，然后控制脉诊机械臂使该阵列式传感器以最佳压力数据对应压力压在被测者的手腕上进行第二脉搏波数据的采集。从而，阵列式传感器中的每个传感器件所在的位置即为一个采集点，各个传感器件同时采集对应采集点的第二脉搏波数据，采用这种方式进行第二脉搏波数据的采集，效率高。
在另一些实施方式中，可采用只有一个传感器件的数据采集传感器分别采集多点的脉搏波数据，从而第一执行模块3在根据最佳压力数据控制脉诊机械臂采集脉口位置所在的垂直线上的多个采集点的第二预设时长的第二脉搏波数据的时候，执行：在该垂直线上确定多个采集点的位置，依次控制脉诊机械臂把数据采集传感器以最佳压力数据对应压力压在各采集点处进行第二脉搏波数据的采集。与上一种方式相比，由于需要依次进行采集，效率相对较低。
其中，对于脉口位置数据包括寸口位置数据、关口位置数据、尺口位置数据中的多种时，则针对每种脉口位置数据获取一组第二脉搏波数据。
在一些实施方式中，第一执行模块3在根据多个第二脉搏波数据获取被测者的脉宽数据的时候，执行：
提取各第二脉搏波数据的脉搏波主峰的第二波峰值（具体提取方法参考第一波峰值的提取方法）；
获取各采集点在垂直线上的宽度位置数据（例如，以垂直线经过的脉口位置为宽度位置数据零点，往左为负，往右为正，但不限于此）；
拟合第二波峰值随宽度位置数据变化的第二波峰值变化曲线（例如图5中的圆点为提取到的第二波峰值数据点，实线为拟合得到的第二波峰值变化曲线，图中的横坐标为宽度位置数据、纵坐标为第二波峰值）；
根据第二波峰值变化曲线提取脉宽值。
其中，脉宽数据包括该第二波峰值变化曲线和该脉宽值。
其中，对于脉口位置数据包括寸口位置数据、关口位置数据、尺口位置数据中的多种时，则针对每组第二脉搏波数据执行上述操作，从而得到各脉口位置对应的脉宽数据。
其中，第一执行模块3在根据第二波峰值变化曲线提取脉宽值的时候，执行：
提取第二波峰值变化曲线中的第二波峰值等于预设第二波峰值阈值的点所对应的两个宽度位置数据（参考图5，即提取虚线与第二波峰值变化曲线的两个交点对应的宽度位置数据，该虚线的第二波峰值恒为预设第二波峰值阈值，该预设第二波峰值阈值可根据实现需要设置）；
计算两个宽度位置数据之间的间隔（用两者中的较大值减去较小值）得到脉宽值。
在一些实施方式中，第一执行模块3在根据多个第二脉搏波数据提取脉搏波的时域特征参数的时候，执行：
提取第二波峰值变化曲线的最大值对应的最优宽度位置数据；
以最靠近最优宽度位置数据的采集点的第二脉搏波数据为目标脉搏波数据；
根据目标脉搏波数据提取脉搏波的时域特征参数。
其中，最优宽度位置数据对应的宽度位置处采集的脉搏波数据能够最清晰地显示脉搏波动情况，用最靠近最优宽度位置数据的采集点的第二脉搏波数据为目标脉搏波数据进行脉搏波的时域特征参数的提取，可保证提取得到的脉搏波的时域特征参数的稳定性和可信性较高。
实际应用中，也可在提取第二波峰值变化曲线的最大值对应的最优宽度位置数据后，控制脉诊机械臂在对应该最优宽度位置数据的位置点处获取一个新的第二脉搏波数据作为目标脉搏波数据；从而保证提取得到的脉搏波的时域特征参数的稳定性和可信性更高。
其中，对于脉口位置数据包括寸口位置数据、关口位置数据、尺口位置数据中的多种时，则针对每组第二脉搏波数据和对应的第二波峰值变化曲线执行上述操作，从而得到各脉口位置对应的脉搏波的时域特征参数。
其中，脉搏波的时域特征参数包括主波波峰h1、降中峡h2、重搏波波峰h3、升角α、主波峰夹角θ、1/3主波峰宽w、升支时间t1、降中峡时间t2、重搏波时间t3、脉动周期T等的至少一项。
第一执行模块3在根据目标脉搏波数据提取脉搏波的时域特征参数的时候，执行：
对目标脉搏波数据进行峰谷点识别，以把该目标脉搏波数据分割为多组脉像周期数据；
使用插值处理对各脉像周期数据进行插值处理，使各组脉像周期数据的数据点对齐（即各组脉像周期数据的数据点数相同）；
计算对齐后的多组脉像周期数据的平均脉像周期数据（平均脉像周期数据中的每个数据点的值等于各组脉像周期数据的对应数据点的平均值）；
根据该平均脉像周期数据提取脉搏波的时域特征参数。
其中，根据脉像周期数据提取脉搏波的时域特征参数的具体方法为现有技术，此处不对其进行详述。
例如，图6为示例性的平均脉像周期数据时域变化曲线示意图，图中显示了主波波峰h1、降中峡h2、重搏波波峰h3、升角α、主波峰夹角θ、1/3主波峰宽w、升支时间t1、降中峡时间t2、重搏波时间t3、脉动周期T的位置。
在一些实施方式中，该诊脉数据获取装置还包括：
关键中医信息获取模块，用于获取被测者的关键中医信息；该关键中医信息包括寸关长度、寸尺长度、关尺长度和同身寸长度。
在一些实施方式中，该诊脉数据获取装置还包括：
分析报告生成模块，用于根据被测者的基础信息、关键中医信息、脉位数据、脉宽数据和脉搏波的时域特征参数生成脉象分析报告。
其中，脉象分析报告的具体格式和内容可根据实际需要设置，此处不对其进行限定。
在一些实施方式中，该诊脉数据获取装置还包括：
存储模块，用于把基础信息、关键中医信息、第一脉搏波数据、脉位数据、第二脉搏波数据、脉宽数据和脉搏波的时域特征参数等存储到本地数据库中。
以便后续进行查询和分析。
由上可知，该诊脉数据获取装置，通过图像识别方法初步确定被测者的脉口位置数据；根据脉口位置数据发出询问信息，以提示操作者确认脉口位置数据的正确性；在脉口位置数据被确认为正确时执行以下步骤：控制脉诊机械臂在脉口位置数据对应的脉口位置以多个梯度压力分别采集第一预设时长的第一脉搏波数据；根据多个第一脉搏波数据获取最佳压力数据和脉位数据；根据最佳压力数据控制脉诊机械臂采集脉口位置所在的垂直线上的多个采集点的第二预设时长的第二脉搏波数据；垂直线是垂直于桡动脉且经过脉口位置的直线；根据多个第二脉搏波数据获取被测者的脉宽数据；根据多个第二脉搏波数据提取脉搏波的时域特征参数；从而可降低诊脉数据采集过程的人工介入程度，提高自动化程度，且可提高采集的数据稳定性和可信度。
请参照图3，图3为本申请实施例提供的一种电子设备的结构示意图，本申请提供一种电子设备，包括：处理器301和存储器302，处理器301和存储器302通过通信总线303和/或其他形式的连接机构（未标出）互连并相互通讯，存储器302存储有处理器301可执行的计算机程序，当电子设备运行时，处理器301执行该计算机程序，以执行上述实施例的任一可选的实现方式中的诊脉数据获取方法，以实现以下功能：通过图像识别方法初步确定被测者的脉口位置数据；根据脉口位置数据发出询问信息，以提示操作者确认脉口位置数据的正确性；在脉口位置数据被确认为正确时执行以下步骤：控制脉诊机械臂在脉口位置数据对应的脉口位置以多个梯度压力分别采集第一预设时长的第一脉搏波数据；根据多个第一脉搏波数据获取最佳压力数据和脉位数据；根据最佳压力数据控制脉诊机械臂采集脉口位置所在的垂直线上的多个采集点的第二预设时长的第二脉搏波数据；垂直线是垂直于桡动脉且经过脉口位置的直线；根据多个第二脉搏波数据获取被测者的脉宽数据；根据多个第二脉搏波数据提取脉搏波的时域特征参数。
为实现前文的诊脉数据获取方法，参考图4，本申请提供了一种诊脉数据获取系统，包括脉诊机械臂和控制系统，脉诊机械臂的末端设置有用于采集脉搏波数据的数据采集传感器116，控制系统包括主控计算机100、脉口定位模块101、运动控制模块102、数据采集模块103、数据分析模块104和数据存储模块105；脉口定位模块101、运动控制模块102、数据采集模块103、数据分析模块104和数据存储模块105均通过EtherCAT总线106与主控计算机100连接；
运动控制模块102用于控制脉诊机械臂移动；
脉口定位模块101用于通过图像识别方法初步确定被测者的脉口位置数据（具体参考前文的步骤A1），并发送至主控计算机100；
主控计算机100用于根据脉口位置数据发出询问信息，以提示操作者确认脉口位置数据的正确性（具体参考前文的步骤A2），在脉口位置数据被确认为正确时发送第一指令至运动控制模块102，使运动控制模块102控制脉诊机械臂移动至脉口位置数据对应的脉口位置处以多个梯度压力按压脉口位置（参考前文的步骤A301）；
数据采集模块103用于采集各梯度压力下由数据采集传感器116测得的第一预设时长的第一脉搏波数据（参考参考前文的步骤A301），并经主控计算机100发送至数据分析模块104；
数据分析模块104用于根据多个第一脉搏波数据获取最佳压力数据和脉位数据（具体参考前文的步骤A302），并发送至主控计算机100；
主控计算机100还用于发送第二指令至运动控制模块102，使运动控制模块102控制脉诊机械臂移动至脉口位置所在的垂直线上的多个采集点以最佳压力数据按压各采集点（参考前文的步骤A303）；垂直线是垂直于桡动脉且经过脉口位置的直线；
数据采集模块103还用于采集由数据采集传感器116测得的各采集点处的第二预设时长的第二脉搏波数据（参考前文的步骤A303），并经主控计算机100发送至数据分析模块104；
数据分析模块104还用于根据多个第二脉搏波数据获取被测者的脉宽数据（具体参考前文的步骤A304），根据多个第二脉搏波数据提取脉搏波的时域特征参数（具体参考前文的步骤A305）；
数据存储模块105用于存储脉搏波的时域特征参数、脉位数据、脉宽数据、第一脉搏波数据和第二脉搏波数据。
该诊脉数据获取系统，只需要人工初步确定被测者的脉口位置数据是否正确，其它操作均为自动执行的操作，降低了诊脉数据采集过程的人工介入程度，提高自动化程度；且先通过多个梯度压力的第一脉搏波数据确定最佳压力数据，再根据最佳压力数据再次获取脉搏波数据（第二脉搏波数据），根据该第二脉搏波数据获取得到脉宽数据和时域特征参数，由于是在最佳压力下获得的数据，其数据稳定性和可信度较高。
此外，主控计算机100是脉诊机械臂的控制系统的主控模块，其通过EtherCAT总线106与底层模块交互，方便系统开发与维护，有利于解决现有的脉诊装备的通讯接口复杂、通讯协议混乱、难以进行模块化制造的问题。
在一些实施方式中，脉口定位模块101包括近红外相机107、近红外灯源108、脉口二维定位模块109、手腕三维重构模块110和第一数据中转模块111，其中，第一数据中转模块111通过EtherCAT总线106与主控计算机100连接，近红外相机107、近红外灯源108、脉口二维定位模块109、手腕三维重构模块110分别通过Ethernet接口、RS232接口、API接口、API接口与第一数据中转模块111交互。
第一数据中转模块111用于实现近红外相机107、近红外灯源108、脉口二维定位模块109和手腕三维重构模块110之间的数据传输以及它们与EtherCAT总线106之间的数据交互。
近红外相机107用于在近红外灯源108的照明环境下采集被测者的手腕图像。手腕三维重构模块110用于根据手腕图像，利用三维重构方法获取被测者的手腕的三维结构模型。脉口二维定位模块109用于使用预先训练好的卷积神经网络模型对三维结构模型进行识别，以提取脉口位置数据。
在一些实施方式中，脉诊机械臂包括X轴伺服电机112、Y轴伺服电机113、Z轴伺服电机114和旋转轴伺服电机115；这些伺服电机通过Pluse/Dir接口与运动控制模块102交互。
在一些实施方式中，数据采集传感器116通过RS232结构与数据采集模块103交互。优选地，数据采集传感器116为压阻阵列式脉象传感器。
其中，数据采集传感器116还用于采集被测者的基础信息和关键中医信息；例如，关键中医信息由操作者在UI界面输入，基础信息由被测者在网络终端填写后通过网络发送至主控计算机100。
在一些实施方式中，数据分析模块104包括第二数据中转模块117、脉象要素预测模块118、脉位数据提取模块119、脉宽数据提取模块120和脉搏波特征提取模块121。脉象要素预测模块118、脉位数据提取模块119、脉宽数据提取模块120和脉搏波特征提取模块121均通过API接口与第二数据中转模块117交互。
第二数据中转模块117用于实现脉象要素预测模块118、脉位数据提取模块119、脉宽数据提取模块120和脉搏波特征提取模块121之间的数据传输以及它们与EtherCAT总线106之间的数据交互。
脉象要素预测模块118用于根据多个第一脉搏波数据获取最佳压力数据。脉位数据提取模块119用于根据多个第一脉搏波数据获取脉位数据。脉宽数据提取模块120用于根据多个第二脉搏波数据获取被测者的脉宽数据。脉搏波特征提取模块121用于根据多个第二脉搏波数据提取脉搏波的时域特征参数。
在一些实施方式中，数据存储模块105包括第三数据中转模块122和多个分别用于存储不同种类数据（基础信息、关键中医信息、第一脉搏波数据、脉位数据、第二脉搏波数据、脉宽数据和脉搏波的时域特征参数等）的底层数据库123，其中底层数据库123通过SQL语言与第三数据中转模块122交互，第三数据中转模块122用于实现各底层数据库123与EtherCAT总线106的交互。需要说明的是，虽然图4中只画出了包含四个底层数据库123的情况，底层数据库123的数量不限于此。
在一些实施方式中，主控计算机100还用于在操作者确认脉口位置数据正确时，发送第三指令至运动控制模块102，使运动控制模块102控制脉诊机械臂在脉口位置数据对应的脉口位置以第一预设压力进行按压；数据采集模块103还用于在脉诊机械臂在脉口位置数据对应的脉口位置以第一预设压力进行按压的时候，采集由数据采集传感器116测得的第三预设时长的第三脉搏波数据；
主控计算机100还用于判断第三脉搏波数据是否为真实的脉搏波数据，以再次确认脉口位置数据的正确性（具体参考前文的诊脉数据获取方法的相应步骤）。
在一些实施方式中，主控计算机100还用于根据被测者的基础信息、关键中医信息、脉位数据、脉宽数据和脉搏波的时域特征参数生成脉象分析报告。
在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
另外，作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
再者，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (8)

1.一种诊脉数据获取方法，应用于脉诊机械臂的控制系统，其特征在于，包括步骤：
A1.通过图像识别方法初步确定被测者的脉口位置数据；
A2.根据所述脉口位置数据发出询问信息，以提示操作者确认所述脉口位置数据的正确性；
A3.在所述脉口位置数据被确认为正确时执行以下步骤：
A301.控制所述脉诊机械臂在所述脉口位置数据对应的脉口位置以多个梯度压力分别采集第一预设时长的第一脉搏波数据；
A302.根据多个所述第一脉搏波数据获取最佳压力数据和脉位数据；
A303.根据所述最佳压力数据控制所述脉诊机械臂采集所述脉口位置所在的垂直线上的多个采集点的第二预设时长的第二脉搏波数据；所述垂直线是垂直于桡动脉且经过所述脉口位置的直线；
A304.根据多个所述第二脉搏波数据获取所述被测者的脉宽数据；
A305.根据多个所述第二脉搏波数据提取脉搏波的时域特征参数；
步骤A303包括：
在所述垂直线上确定多个采集点的位置，依次控制脉诊机械臂把数据采集传感器以最佳压力数据对应压力压在各采集点处进行第二脉搏波数据的采集；所述数据采集传感器只有一个传感器件；
步骤A304包括：
提取各所述第二脉搏波数据的脉搏波主峰的第二波峰值；
获取各所述采集点在所述垂直线上的宽度位置数据；
拟合所述第二波峰值随所述宽度位置数据变化的第二波峰值变化曲线；
根据所述第二波峰值变化曲线提取脉宽值；
所述根据所述第二波峰值变化曲线提取脉宽值的步骤包括：
提取第二波峰值变化曲线中的第二波峰值等于预设第二波峰值阈值的点所对应的两个宽度位置数据；
计算两个宽度位置数据之间的间隔得到脉宽值；
步骤A3之前，还包括步骤：若所述操作者确认所述脉口位置数据正确，则控制所述脉诊机械臂在所述脉口位置数据对应的脉口位置以第一预设压力采集第三预设时长的第三脉搏波数据；判断所述第三脉搏波数据是否为真实的脉搏波数据，以再次确认所述脉口位置数据的正确性；
所述判断第三脉搏波数据是否为真实的脉搏波数据的具体步骤包括：使用预先训练好的LSTM神经网络模型判断所述第三脉搏波数据是否为真实的脉搏波数据；其中，所述LSTM神经网络模型通过以下方式训练得到：采集持续时间为5s的脉搏波数据和非脉搏波数据各1000例，构建LSTM神经网络模型，并用采集到的数据对该LSTM神经网络模型进行训练，使其判断一段数据是否为脉搏波数据的准确率≥98%；
若判断第三脉搏波数据不是真实的脉搏波数据，则返回步骤A1重新确定被测者的脉口位置数据并执行后续步骤，如此循环直到第三脉搏波数据为真实的脉搏波数据。
2.根据权利要求1所述的诊脉数据获取方法，其特征在于，步骤A1包括：
利用三维重构方法获取所述被测者的手腕的三维结构模型；
使用预先训练好的卷积神经网络模型对所述三维结构模型进行识别，以提取脉口位置数据。
3.根据权利要求1所述的诊脉数据获取方法，其特征在于，步骤A302包括：
提取各所述第一脉搏波数据的脉搏波主峰的第一波峰值；
根据各所述第一波峰值和对应的所述梯度压力获取所述最佳压力数据；
根据各所述第一波峰值和对应的所述梯度压力获取所述脉位数据。
4.根据权利要求3所述的诊脉数据获取方法，其特征在于，所述根据各所述第一波峰值和对应的所述梯度压力获取所述最佳压力数据的步骤包括：
拟合所述第一波峰值随所述梯度压力变化的第一波峰值变化曲线；
提取所述第一波峰值变化曲线的最大值对应的梯度压力作为所述最佳压力数据。
5.根据权利要求1所述的诊脉数据获取方法，其特征在于，步骤A305包括：
提取所述第二波峰值变化曲线的最大值对应的最优宽度位置数据；
以最靠近所述最优宽度位置数据的所述采集点的所述第二脉搏波数据为目标脉搏波数据；
根据所述目标脉搏波数据提取脉搏波的时域特征参数。
6.一种诊脉数据获取装置，应用于脉诊机械臂的控制系统，其特征在于，包括：
脉口位置数据获取模块，用于通过图像识别方法初步确定被测者的脉口位置数据；
第一确认模块，用于根据所述脉口位置数据发出询问信息，以提示操作者确认所述脉口位置数据的正确性；
第一执行模块，用于在所述脉口位置数据被确认为正确时执行以下步骤：
控制所述脉诊机械臂在所述脉口位置数据对应的脉口位置以多个梯度压力分别采集第一预设时长的第一脉搏波数据；
根据多个所述第一脉搏波数据获取最佳压力数据和脉位数据；
根据所述最佳压力数据控制所述脉诊机械臂采集所述脉口位置所在的垂直线上的多个采集点的第二预设时长的第二脉搏波数据；所述垂直线是垂直于桡动脉且经过所述脉口位置的直线；
根据多个所述第二脉搏波数据获取所述被测者的脉宽数据；
根据多个所述第二脉搏波数据提取脉搏波的时域特征参数；
第一执行模块在根据所述最佳压力数据控制所述脉诊机械臂采集所述脉口位置所在的垂直线上的多个采集点的第二预设时长的第二脉搏波数据的时候，执行：在所述垂直线上确定多个采集点的位置，依次控制脉诊机械臂把数据采集传感器以最佳压力数据对应压力压在各采集点处进行第二脉搏波数据的采集；所述数据采集传感器只有一个传感器件；
第一执行模块在根据多个所述第二脉搏波数据获取所述被测者的脉宽数据的时候，执行：
提取各所述第二脉搏波数据的脉搏波主峰的第二波峰值；获取各所述采集点在所述垂直线上的宽度位置数据；
拟合所述第二波峰值随所述宽度位置数据变化的第二波峰值变化曲线；根据所述第二波峰值变化曲线提取脉宽值；
第一执行模块在根据所述第二波峰值变化曲线提取脉宽值的时候，执行：
提取第二波峰值变化曲线中的第二波峰值等于预设第二波峰值阈值的点所对应的两个宽度位置数据；计算两个宽度位置数据之间的间隔得到脉宽值；
所述诊脉数据获取装置还包括：
第二确认模块，用于在操作者确认脉口位置数据正确的时候，控制脉诊机械臂在脉口位置数据对应的脉口位置以第一预设压力采集第三预设时长的第三脉搏波数据；
第一判断模块，用于判断第三脉搏波数据是否为真实的脉搏波数据，以再次确认脉口位置数据的正确性；
所述第一判断模块在判断第三脉搏波数据是否为真实的脉搏波数据的时候，执行：使用预先训练好的LSTM神经网络模型判断所述第三脉搏波数据是否为真实的脉搏波数据；其中，所述LSTM神经网络模型通过以下方式训练得到：采集持续时间为5s的脉搏波数据和非脉搏波数据各1000例，构建LSTM神经网络模型，并用采集到的数据对该LSTM神经网络模型进行训练，使其判断一段数据是否为脉搏波数据的准确率≥98%；
若判断第三脉搏波数据不是真实的脉搏波数据，则脉口位置数据获取模块重新确定被测者的脉口位置数据、第一确认模块再次根据脉口位置数据发出询问信息、第二确认模块和第一判断模块再次执行其功能步骤，如此循环直到第三脉搏波数据为真实的脉搏波数据。
7.一种电子设备，其特征在于，包括处理器和存储器，所述存储器存储有所述处理器可执行的计算机程序，所述处理器执行所述计算机程序时，运行如权利要求1-5任一项所述诊脉数据获取方法中的步骤。
8.一种诊脉数据获取系统，包括脉诊机械臂和控制系统，所述脉诊机械臂的末端设置有用于采集脉搏波数据的数据采集传感器（116），其特征在于，所述控制系统包括主控计算机（100）、脉口定位模块（101）、运动控制模块（102）、数据采集模块（103）、数据分析模块（104）和数据存储模块（105）；所述脉口定位模块（101）、所述运动控制模块（102）、所述数据采集模块（103）、所述数据分析模块（104）和所述数据存储模块（105）均通过EtherCAT总线（106）与所述主控计算机（100）连接；
所述运动控制模块（102）用于控制所述脉诊机械臂移动；
所述脉口定位模块（101）用于通过图像识别方法初步确定被测者的脉口位置数据，并发送至所述主控计算机（100）；
所述主控计算机（100）用于根据所述脉口位置数据发出询问信息，以提示操作者确认所述脉口位置数据的正确性，在所述脉口位置数据被确认为正确时发送第一指令至所述运动控制模块（102），使所述运动控制模块（102）控制所述脉诊机械臂移动至所述脉口位置数据对应的脉口位置处以多个梯度压力按压所述脉口位置；
所述数据采集模块（103）用于采集各所述梯度压力下由所述数据采集传感器（116）测得的第一预设时长的第一脉搏波数据，并经所述主控计算机（100）发送至所述数据分析模块（104）；
所述数据分析模块（104）用于根据多个所述第一脉搏波数据获取最佳压力数据和脉位数据，并发送至所述主控计算机（100）；
所述主控计算机（100）还用于发送第二指令至所述运动控制模块（102），使所述运动控制模块（102）控制所述脉诊机械臂移动至所述脉口位置所在的垂直线上的多个采集点以所述最佳压力数据按压各所述采集点；所述垂直线是垂直于桡动脉且经过所述脉口位置的直线；所述运动控制模块（102）在控制所述脉诊机械臂移动至所述脉口位置所在的垂直线上的多个采集点以所述最佳压力数据按压各所述采集点的时候，执行：在所述垂直线上确定多个采集点的位置，依次控制脉诊机械臂把数据采集传感器以最佳压力数据对应压力压在各采集点处；
所述数据采集模块（103）还用于采集由所述数据采集传感器（116）测得的各所述采集点处的第二预设时长的第二脉搏波数据，并经所述主控计算机（100）发送至所述数据分析模块（104）；所述数据采集传感器只有一个传感器件；
所述数据分析模块（104）还用于根据多个所述第二脉搏波数据获取所述被测者的脉宽数据，根据多个所述第二脉搏波数据提取脉搏波的时域特征参数；所述数据分析模块（104）在根据多个所述第二脉搏波数据获取所述被测者的脉宽数据的时候，执行：提取各所述第二脉搏波数据的脉搏波主峰的第二波峰值；获取各所述采集点在所述垂直线上的宽度位置数据；拟合所述第二波峰值随所述宽度位置数据变化的第二波峰值变化曲线；根据所述第二波峰值变化曲线提取脉宽值；所述数据分析模块（104）在根据所述第二波峰值变化曲线提取脉宽值的时候，执行：提取第二波峰值变化曲线中的第二波峰值等于预设第二波峰值阈值的点所对应的两个宽度位置数据；计算两个宽度位置数据之间的间隔得到脉宽值；
所述数据存储模块（105）用于存储所述脉搏波的时域特征参数、所述脉位数据、所述脉宽数据、所述第一脉搏波数据和所述第二脉搏波数据；
主控计算机还用于在操作者确认脉口位置数据正确时，发送第三指令至运动控制模块，使运动控制模块控制脉诊机械臂在脉口位置数据对应的脉口位置以第一预设压力进行按压；数据采集模块还用于在脉诊机械臂在脉口位置数据对应的脉口位置以第一预设压力进行按压的时候，采集由数据采集传感器测得的第三预设时长的第三脉搏波数据；
主控计算机还用于判断第三脉搏波数据是否为真实的脉搏波数据，以再次确认脉口位置数据的正确性，具体包括：使用预先训练好的LSTM神经网络模型判断所述第三脉搏波数据是否为真实的脉搏波数据；其中，所述LSTM神经网络模型通过以下方式训练得到：采集持续时间为5s的脉搏波数据和非脉搏波数据各1000例，构建LSTM神经网络模型，并用采集到的数据对该LSTM神经网络模型进行训练，使其判断一段数据是否为脉搏波数据的准确率≥98%；
若判断第三脉搏波数据不是真实的脉搏波数据，则所述脉口定位模块、主控计算机、数据采集模块重新执行其功能步骤，如此循环直到第三脉搏波数据为真实的脉搏波数据。
CN202111499106.7A 2021-12-09 2021-12-09 诊脉数据获取方法、装置、电子设备及系统 Active CN113892919B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111499106.7A CN113892919B (zh) 2021-12-09 2021-12-09 诊脉数据获取方法、装置、电子设备及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111499106.7A CN113892919B (zh) 2021-12-09 2021-12-09 诊脉数据获取方法、装置、电子设备及系统

Publications (2)

Publication Number Publication Date
CN113892919A CN113892919A (zh) 2022-01-07
CN113892919B true CN113892919B (zh) 2022-04-22

Family

ID=79025724

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111499106.7A Active CN113892919B (zh) 2021-12-09 2021-12-09 诊脉数据获取方法、装置、电子设备及系统

Country Status (1)

Country Link
CN (1) CN113892919B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3626167A1 (en) * 2018-09-21 2020-03-25 IMEC vzw A method of generating a model for heart rate estimation from a photoplethysmography signal and a method and a device for heart rate estimation
CN111222498A (zh) * 2020-03-19 2020-06-02 桂林电子科技大学 一种基于光电容积脉搏波的身份识别方法

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102144916B (zh) * 2011-04-21 2013-01-23 华东理工大学 一种可自动调压的多通道脉搏信号检测方法及装置
CN106137147A (zh) * 2015-04-10 2016-11-23 王芳 一种基于人机交互获取脉象数据的装置及方法
CN105249941B (zh) * 2015-11-23 2018-02-06 北京航空航天大学 一种仿中医脉诊手法的脉搏信号采集装置及方法
CN107115103A (zh) * 2016-08-31 2017-09-01 哈尔滨工业大学深圳研究生院 一种基于阵列传感器设计的脉象宽度检测及3d脉图构建方法
CN108542358B (zh) * 2018-05-14 2023-04-25 广州中康资讯股份有限公司 基于光声成像的脉象七维信息自动获取的设备和方法
CN108784664A (zh) * 2018-06-28 2018-11-13 上海掌门科技有限公司 基于压力传感器和图像采集设备的诊脉装置
US20200065649A1 (en) * 2018-08-21 2020-02-27 Odd Inge Sandbekkhaug Method for robust and noise-tolerant SpO2 determination
CN109583331B (zh) * 2018-11-15 2023-05-02 复旦大学 基于深度学习的人手腕脉口位置精准定位方法
CN110200601B (zh) * 2019-06-17 2022-04-19 广东工业大学 一种脉象获取装置及系统
CN113397478B (zh) * 2020-11-09 2022-05-17 华东理工大学 一种用于脉诊装置的自动加压控制方法
CN112070889B (zh) * 2020-11-13 2021-03-02 季华实验室 一种三维重构方法、装置、系统、电子设备及存储介质
CN112617769A (zh) * 2020-12-04 2021-04-09 上海掌门科技有限公司 一种诊脉方法、电子设备和计算机存储介质
CN112690766B (zh) * 2020-12-29 2022-10-11 上海掌门科技有限公司 一种利用诊脉设备测量用户脉搏信息的方法与设备
CN112820393A (zh) * 2020-12-30 2021-05-18 上海掌门科技有限公司 诊脉方法、系统、电子设备和计算机可读存储介质
CN113349741A (zh) * 2021-06-11 2021-09-07 天津大学 一种基于智能机械臂的自动化寻脉取脉装置及方法
CN113303771B (zh) * 2021-07-30 2021-11-05 天津慧医谷科技有限公司 脉搏采集点的确定方法、装置和电子设备

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3626167A1 (en) * 2018-09-21 2020-03-25 IMEC vzw A method of generating a model for heart rate estimation from a photoplethysmography signal and a method and a device for heart rate estimation
CN111222498A (zh) * 2020-03-19 2020-06-02 桂林电子科技大学 一种基于光电容积脉搏波的身份识别方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于PPG信号的LSTM网络同步动脉血压预测;李帆等;《软件导刊》;20200815(第08期);全文 *

Also Published As

Publication number Publication date
CN113892919A (zh) 2022-01-07

Similar Documents

Publication Publication Date Title
CN102302363B (zh) 一种胎心率基线的自动识别装置和方法
CN110200601A (zh) 一种脉象获取装置及系统
CN107680683A (zh) 一种ai眼部健康评估方法
CN206601705U (zh) 一种基于远程数据获取与分析的医疗健康系统
CN114901143A (zh) 使用深度神经网络和基于规则的系统进行缩减导联心电图诊断的系统和方法
CN103034837A (zh) 特征参数与脉象要素的关联
CN107045593A (zh) 具有实时反馈和任务更新功能的脑功能实验任务刺激系统
WO2015052609A1 (en) An apparatus and method for evaluating multichannel ecg signals
CN113892919B (zh) 诊脉数据获取方法、装置、电子设备及系统
CN110432894B (zh) 心电图关键点标注方法及电子设备
CN109887595A (zh) 基于深度学习技术的心搏异常识别算法
CN109770891B (zh) 心电信号预处理方法及预处理装置
CN107516019A (zh) 无创健康预测系统及方法
CN105708441B (zh) 可佩戴指套及心电图和脉象采集终端
CN208111088U (zh) 一种中医体质辨识与饮食指导的智能机器人
CN208157077U (zh) 利用望问模块实现中医体质辨识与饮食指导的智能机器人
CN117813052A (zh) 以2个导联的异步心电图为基础生成同步心电图的方法
CN108209881B (zh) 一种足部状态预警方法及装置
CN106778561B (zh) 一种穿戴式设备的身份识别方法及识别装置
CN109589137A (zh) 胎动识别的方法、装置、终端和计算机可读存储介质
CN114041758A (zh) 桡动脉触诊定位方法、装置、电子设备和存储介质
CN108498088A (zh) 一种检测和分析脑动脉功能和状态的仪器
CN103006196B (zh) 一种基于网络拓扑分析的颅内血液循环障碍无创检测系统
CN109431469A (zh) 中医无创体外智能快检系统及中医无创体外智能快检装置
CN203290891U (zh) 一种基于网络拓扑分析的颅内血液循环障碍无创检测系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant