CN116269232A - 脉搏分析方法及其装置 - Google Patents

Abstract

本发明提出一种脉搏分析方法及其装置。所述方法包括：接收脉搏信号；将脉搏信号分解为多个特征信号；对每一特征信号进行频谱投影以产生一频谱；对每一特征信号所对应的频谱进行量化以获得对应每一特征信号的多个量化数据；以及根据特征信号所对应的量化数据，判断脉搏信号所对应的生理状况。本发明可以有效地表现出中医脉诊中关于空间(寸、关、尺)与时间(浮、中、沉)的大小的变化，并可以有效地应用于中医脉诊或个人健康照护等方面。

Description

脉搏分析方法及其装置

本发明是2016年8月30日所提出的申请号为201610768371.3、发明名称为《脉搏分析方法及其装置》的发明专利申请的分案申请。

技术领域

本发明涉及一种用于中医的脉搏分析方法及其装置。

背景技术

在现今的医疗体系中，主要强调精准地医疗与个人照护。其中一项关键的技术为诊断参考的临床量化指标，而指标的特异性、敏感度与可靠度往往取决于计算公式与其演算方法。在心血管系统的非侵入式临床监测上，以往较多采用西医的临床实证来对应指标于生理表征的意义，然而在中医的脉搏诊断(也称为，脉诊)上，却较少有对应的量化演算技术。

一般的脉诊监测仪的分析技术多采用线性分频(例如，傅利叶转换)或时序特征解析(例如，小波转换)的方式，进行脉波波形的量化与指标计算，部分的脉诊监测仪甚至采用西医中评估自律神经功能的脉率变异度(Pulse rate variability)频域量化特征作为脉诊仪的参考显示指标。然而，相较于以往的分析技术，较难以体现出中医师在进行传统脉诊时所使用的脉搏特征，内含空间(寸、关、尺)与时间(浮、中、沉)的大小变化。

发明内容

本发明提供一种脉搏分析方法及其装置，可以有效地表现出中医脉诊中关于空间(寸、关、尺)与时间(浮、中、沉)的大小的变化，并可以有效地应用于中医脉诊或个人健康照护等方面。

本发明提供一种脉搏分析方法，所述方法包括：接收脉搏信号；将脉搏信号分解为多个特征信号；对每一特征信号进行频谱投影以产生一频谱；对每一特征信号所对应的频谱进行量化以获得对应每一特征信号的多个量化数据；以及根据特征信号所对应的量化数据，判断脉搏信号所对应的生理状况。

本发明的一实施例中，其中特征信号组合成该脉搏信号。

本发明的一实施例中，其中特征信号分别对应至一生理意义。

本发明的一实施例中，其中对每一特征信号所对应的频谱进行量化以获得对应每一特征信号的量化数据的步骤中，包括：根据每一特征信号所对应的频谱计算每一特征信号所对应的能量密度与平均周期。

本发明的一实施例中，其中根据特征信号所对应的量化数据，判断脉搏信号所对应的生理状况的步骤中，包括：将每一特征信号所对应的量化数据与参考数据进行比对，以判断脉搏信号所对应的生理状况。

本发明的一实施例中，其中生理状况至少包括多个中医脉象的其中之一。

本发明提供一种脉搏分析装置，所述装置包括：处理单元，其中处理单元用以：接收脉搏信号；将脉搏信号分解为多个特征信号；对每一特征信号进行频谱投影以产生一频谱；对每一特征信号所对应的频谱进行量化以获得对应每一特征信号的多个量化数据；以及根据特征信号所对应的量化数据，判断脉搏信号所对应的生理状况。

本发明的一实施例中，其中特征信号组合成该脉搏信号。

本发明的一实施例中，其中特征信号分别对应至一生理意义。

本发明的一实施例中，其中对每一特征信号所对应的频谱进行量化以获得对应每一特征信号的量化数据的运作中，处理单元更用以根据每一特征信号所对应的频谱计算每一特征信号所对应的能量密度与平均周期。

本发明的一实施例中，其中根据特征信号所对应的量化数据，判断脉搏信号所对应的生理状况的运作中，处理单元更用以将每一特征信号所对应的量化数据与参考数据进行比对，以判断脉搏信号所对应的生理状况。

本发明的一实施例中，其中生理状况至少包括多个中医脉象的其中之一。

本发明可以对脉搏信号分解为多个具有生理意义的特征信号，并对此些特征信号进行频谱投影以及量化以取得多个量化数据，最后根据此些特征信号所对应的量化数据来判断脉搏信号所对应的中医脉象。由此，可以有效地表现出中医脉诊中关于空间(寸、关、尺)与时序(浮、中、沉)的大小的变化，并可以有效地应用于中医脉诊或个人健康照护等方面。

为让本发明的上述特征和优点能更明显易懂，下文特举实施例，并配合附图作详细说明如下。

附图说明

图1是依照本发明一实施例所显示的脉搏分析装置的方框图；

图2A至图2D是依照本发明一实施例所显示的脉搏分析方法的示意图；

图3是依照本发明一实施例所显示的脉搏分析方法的流程图。

附图标记：

100：脉搏分析装置；

12：检测单元；

14：存储单元；

16：处理单元；

200、22：脉搏信号；

22a～22d：特征信号；

23：频谱图；

24：量化数据表；

S1：特征信号22a的频谱；

S2：特征信号22b的频谱；

S301：接收脉搏信号的步骤；

S303：将脉搏信号分解为多个特征信号的步骤；

S305：对每一特征信号进行频谱投影以产生一频谱的步骤；

S307：对每一特征信号所对应的频谱进行量化以获得对应每一特征信号的多个量化数据的步骤；

S309：根据特征信号所对应的量化数据，判断脉搏信号所对应的生理状况的步骤。

具体实施方式

图1是依照本发明一实施例所显示的脉搏分析装置的方框图。请参照图1，本实施例的脉搏分析装置100包括检测单元12、存储单元14及处理单元16。脉搏分析装置100例如是手机、平板电脑、笔记本电脑或一般台式电脑等电子装置，在此不设限。

检测单元12可以用于检测使用者的脉搏并产生对应的脉搏信号。检测单元12可以例如是脉搏式血氧计(pulse oximetry)。然而本发明不限于此，检测单元12也可以是通过使用光学、超声波、压力或其他方式来获取脉搏信号的检测器。此外，检测单元12也可以从使用者的手指、手臂、耳朵或其他受测部位来测量脉搏以取得脉搏信号。需注意的是，在本范例实施例中，检测单元12是包含在脉搏分析装置100中。然而，在另一范例实施例中，脉搏分析装置100也可以不包括检测单元12，检测单元12也可以用外接的方式与脉搏分析装置100彼此相互连接。

存储单元14可以是任何型态的固定或可移动随机存取存储器(random accessmemory，RAM)、只读存储器(read-only memory，ROM)、快闪存储器(flash memory)或类似元件或上述元件的组合。在本实施例中，存储单元14是用以记录执行本发明的脉搏分析方法的多个模块。这些模块例如是存储在存储单元14中的多个程序码，其可载入脉搏分析装置100的处理单元16，而由处理单元16执行本发明的脉搏分析方法。

处理单元16分别与检测单元12及存储单元14连接，其可以是中央处理单元(Central Processing Unit，CPU)，或是其他可程序化的一般用途或特殊用途的微处理器(Microprocessor)、数字信号处理器(Digital Signal Processor，DSP)、可程序化控制器、特殊应用集成电路(Application Specific Integrated Circuit，ASIC)或其他类似元件或上述元件的组合。在本实施例中，处理单元16用以存取并执行上述存储单元14中所记录的模块，由此实现本发明的脉搏分析方法。

需注意的是，在本范例实施例中，脉搏分析方法是使用程序码的方式来载入并执行。然而，在本发明另一范例实施例中，本发明的脉搏分析方法也可以是以硬件电路的型式来实作，本发明并不限于此。

图2A至图2D是依照本发明一实施例所显示的脉搏分析方法的示意图。本实施例的方法适用于上述的脉搏分析装置100。以下即搭配图1中脉搏分析装置100的各项元件，说明本实施例方法的详细流程。

请参照图2A，首先，检测单元12可以检测使用者一段时间内的脉搏并产生脉搏信号200，处理单元16可以从检测单元12接收脉搏信号200。当处理单元16从检测单元12接收脉搏信号200后，处理单元16可以将脉搏信号200分解为多个特征信号。

举例来说，图2A中的脉搏信号200是记录使用者在一段时间内(即，0到55秒)的脉搏。为了方便于解释，假设处理单元16是对脉搏信号200中的一特定时间间隔(例如，30到35秒)的脉搏信号22进行分析。处理单元16可以通过非稳态分解的方法，将脉博信号22分解为多个特征信号22a～22d。非稳态分解的方法例如可以是集成经验模态分解(EnsembleEmpirical Mode Decomposition，EEMD)、互补式集成经验模态分解(ComplementaryEnsemble Empirical Mode Decomposition，CEEMD)等方法，本发明并不对信号的分解方法作限制。特别是，由于本发明是对脉搏信号22进行非稳态分解，而经过非稳态分解所产生的特征信号22a～22d可以无失真地组合(或重组)成脉搏信号22。

值得一提的是，在本发明的范例实施例中，可以通过临床实验的方式，决定出对脉搏信号22进行分解的非稳态分解方法，使得所分解出的特征信号22a～22d分别对应至使用者的一个生理意义(也可称为，临床意义)。例如，在本范例实施例中，特征信号22a是与使用者的心跳快慢有关。特征信号22b是与心脏输出血液时血管分枝的压力反弹有关。特征信号22c是与周边组织的反应有关。特征信号22d是与检测仪器的高频噪音有关。然而需注意的是，本发明并不用于限定所分解出的特征信号的数量以及各个特征信号所对应的生理意义。

接着，处理单元16会对每一个特征信号22a～22d进行频谱投影以个别地产生一频谱。详细来说，请参照图2B，处理单元16可以对特征信号22a进行频谱投影以产生频谱S1，并且处理单元16可以对特征信号22b进行频谱投影以产生频谱S2。需注意的是，虽然图2B的频谱图23仅显示对应于特征信号22a的频谱S1以及对应于特征信号22b的频谱S2，而须了解的是，对应于特征信号22c的频谱S3(未显示)以及对应于特征信号22d的频谱S4(未显示)会分别地落在频谱图23中频率大于2Hz的范围(即，频谱S2的右边)。此外，已知技术中有多种对信号进行投影以产生频谱的方法，例如快速傅立叶转换(Fast Fourier Transform，FFT)或离散小波变换(Discrete Wavelet Transform、DWT)等方式，故在此并不赘述。

接着，请参照图2C，处理单元16可以对每一个特征信号22a～22d所对应的频谱S1～S4进行量化以获得对应每一个特征信号22a～22d的多个量化数据(例如，图2C的量化数据表24)。其中，处理单元16可以根据每一个特征信号22a～22d所对应的频谱S1～S4计算每一个特征信号22a～22d所对应的能量密度与平均周期。需注意的是，量化数据表24仅示意性地列出三组能量密度与平均周期的数据的对应关系，然而，量化数据表24可以用于纪录每一个特征信号22a～22d所对应的能量密度与平均周期。

详细来说，处理单元16会分别计算对应于特征信号22a的频谱S1、对应于特征信号22b的频谱S2、对应于特征信号22c的频谱S3以及对应于特征信号22d的频谱S4的能量密度与平均周期。能量密度的公式如下：

其中，n用于表示某一特定的频谱。例如，在本范例实施例中，当n＝1时，E₁即代表频谱S1的能量密度；当n＝2时，E₂即代表频谱S2的能量密度，以此类推。N代表某一特定频谱n中时间点的总数量，其中各个时间点可以通过频率(例如，频谱图23的横轴的各个值)的倒数取得。IMF_n(t)代表在某一特定频谱n的一时间范围中，时间点t所对应的能量强度。例如，IMF₁(1)代表在频谱S1中第一个时间点的能量强度；IMF₂(N)代表在频谱S2中第N个时间点的能量强度，以此类推。

根据上述公式(1)，处理单元16可以分别地计算对应于特征信号22a的频谱S1的能量密度E₁、对应于特征信号22b的频谱S2的能量密度E₂、对应于特征信号22c的频谱S3的能量密度E₃以及对应于特征信号22d的频谱S4的能量密度E₄。其中，能量密度可以用于代表其所对应的频谱中的主频率的能量强度，其中主频率是指频谱中的峰值所对应的频率。此外，在中医脉诊中，浮、中、沉代表脉搏的深度与强度的变化，在本范例实施例中，由于处理单元16已从脉搏信号22分解出特征信号22a～22d，且特征信号22a～22d分别对应于使用者的一生理特征，故特征信号22a～22d的所分别对应的能量强度E₁～E₄可以用于分析中医脉搏中关于浮、中、沉的变化。

此外，平均周期的公式如下：

其中，n用于表示某一特定的频谱。例如，在本范例实施例中，当n＝1时，

即代表频谱S1的平均周期；当n＝2时，/>

即代表频谱S2的平均周期，以此类推。此外，T代表时间。S_lnT,n代表频谱n与时间T的自然对数的函数。

根据上述公式(2)，可以分别地计算对应于特征信号22a的频谱S1的平均周期

对应于特征信号22b的频谱S2的平均周期/>

对应于特征信号22c的频谱S3的平均周期/>

以及对应于特征信号22d的频谱S4的平均周期/>

其中，所计算出的各个平均周期/>

可以分别代表各个频谱S1～S4中主频率的周期，其可以通过取倒数获得各个频谱S1～S4中主频率的频率。此外，在中医脉诊中，寸、关、尺代表脉搏的在空间上波形的变化，在本范例实施例中，可以通过特征信号22a～22d所对应的平均周期/>

与能量强度E₁～E₄的关系分析中医脉搏中关于寸、关、尺的变化。

之后，如图2D所示，在本范例实施例中，处理单元16会根据特征信号22a～22d所对应的量化数据(即，能量密度E₁～E₄以及平均周期

)判断脉搏信号22所对应的生理状况，其中所述生理状况至少包括多个中医脉象的其中之一。例如，时脉或虚脉。具体来说，在本范例实施例中，可以预先设置一个数据库于存储单元14中，其中此数据库用以存储多个参考数据，所述参考数据代表平均周期和能量密度的组合与多种中医脉象之间的对应关系，其中此些对应关系可以经由临床实验的方式所取得。处理单元16可以将每一特征信号22a～22d所对应的量化数据(即，能量密度E₁～E₄以及平均周期/>

)与参考数据进行比对，以判断脉搏信号22所对应的生理状况。处理单元16还可以通过例如屏幕等输出单元来输出比对的结果，以提供中医师在进行看诊时的脉诊信息。也就是说，特征信号22a～22d所分别对应的能量密度E₁～E₄以及平均周期/>

可以用于反映出脉诊信号22的生理状况，其可以对应至多个中医脉象的其中之一。

图3是依照本发明一实施例所显示的脉搏分析方法的流程图。

请参照图3，在步骤S301中，处理单元16会接收脉搏信号。在步骤S303中，处理单元16会将所接收的脉搏信号分解为多个特征信号。在步骤S305中，对每一个特征信号进行频谱投影以产生频谱。在步骤S307中，处理单元16对每一特征信号所对应的频谱进行量化以获得对应每一个特征信号的多个量化数据。最后在步骤S309中，处理单元16会根据所述多个特征信号所对应的量化数据，判断脉搏信号所对应的生理状况。

综上所述，本发明可以对脉搏信号分解为多个具有生理意义的特征信号，并对此些特征信号进行频谱投影以及量化以取得多个量化数据，最后根据此些特征信号所对应的量化数据来判断脉搏信号所对应的中医脉象。由此，可以有效地表现出中医脉诊中关于空间(寸、关、尺)与时序(浮、中、沉)的大小的变化，并通过量化的方式来有效地表现出脉诊所参考的特性指标。

虽然本发明已以实施例揭示如上，然其并非用以限定本发明，任何所属技术领域中普通技术人员，在不脱离本发明的精神和范围内，当可作些许的更改与润饰，均在本发明范围内。

Claims (6)

1.一种脉搏分析方法，其特征在于，所述方法包括：

接收脉搏信号；

对一特定时间间隔中的所述脉搏信号进行非稳态分解以产生多个特征信号，其中所述多个特征信号分别对应至少一生理意义；

对所述多个特征信号分别进行频谱投影以产生多个频谱；

对所述多个特征信号所对应的所述多个频谱分别进行量化以获得对应所述多个特征信号的多个量化数据，所述多个量化数据包括所述多个特征信号所对应的所述多个频谱的能量密度与平均周期；

读取多个参考数据，其中所述多个参考数据包括能量密度-平均周期的多个预设组合类型以及所述多个预设组合类型的每一者所对应的脉象波形；以及

将所述多个特征信号所对应的所述多个量化数据与所述多个参考数据进行比对，当判断所述多个量化数据所对应的所述能量密度以及所述平均周期的组合类型为所述多个预设组合类型中的一者，输出所述组合类型所对应的该脉象波形；

其中对应所述多个频谱中的特定频谱n的能量密度E_n如下所示：

其中N代表所述特定频谱n中时间点的总数量，IMF_n(t)代表在所述特定频谱n的一时间范围中，时间点t所对应的能量强度；

其中对应所述特定频谱n的平均周期

如下所示：

其中T代表时间，S_lnT，n代表所述特定频谱n与所述时间T的自然对数的函数。

2.根据权利要求1所述的脉搏分析方法，其特征在于，所述多个特征信号组合成所述脉搏信号。

3.根据权利要求1所述的脉搏分析方法，其特征在于，对所述多个特征信号所对应的所述多个频谱分别进行量化以获得对应所述多个特征信号的所述多个量化数据的步骤中，还包括：

根据所述多个特征信号所对应的所述多个频谱计算所述多个特征信号所对应的所述能量密度与所述平均周期。

4.一种脉搏分析装置，其特征在于，所述装置包括：

检测单元，用以于一特定时间间隔中检测使用者的脉搏并产生脉搏信号；

存储单元，用以存储多个参考数据；以及

处理单元，分别连接于所述检测单元及所述存储单元，其中

所述处理单元用以执行：

自所述检测单元接收所述脉搏信号，

对一特定时间间隔中的所述脉搏信号进行非稳态分解以产生多个特征信号，其中所述多个特征信号分别对应至少一生理意义，

对所述多个特征信号分别进行频谱投影以产生多个频谱，

对所述多个特征信号所对应的所述多个频谱进行量化以获得对应所述多个特征信号的多个量化数据，所述多个量化数据包括所述多个特征信号所对应的所述多个频谱的能量密度与平均周期；

自所述存储单元读取所述多个参考数据，其中所述多个参考数据包括能量密度-平均周期的多个预设组合类型以及所述多个预设组合类型的每一者所对应的脉象波形；以及

将所述多个特征信号所对应的所述多个量化数据与所述多个参考数据进行比对；

其中当所述处理单元判断所述多个量化数据所对应的所述能量密度以及所述平均周期的组合类型为所述多个预设组合类型中的一者，通过显示器输出所述组合类型所对应的该脉象波形；

其中对应所述多个频谱中的特定频谱n的能量密度E_n如下所示：

其中N代表所述特定频谱n中时间点的总数量，IMF_n(t)代表在所述特定频谱n的一时间范围中，时间点t所对应的能量强度，其中对应所述特定频谱n的平均周期

如下所示：

其中T代表时间，S_lnT，n代表所述特定频谱n与所述时间T的自然对数的函数。

5.根据权利要求4所述的脉搏分析装置，其特征在于，所述多个特征信号组合成所述脉搏信号。

6.根据权利要求4所述的脉搏分析装置，其特征在于，当所述处理单元对所述多个特征信号所对应的所述多个频谱分别进行量化以获得对应所述多个特征信号的所述多个量化数据时，所述处理单元更用以根据所述多个特征信号所对应的所述多个频谱计算所述多个特征信号所对应的所述能量密度与所述平均周期。

Images