CN1792319A - 中医脉象特征参数自动检测方法 - Google Patents
中医脉象特征参数自动检测方法 Download PDFInfo
- Publication number
- CN1792319A CN1792319A CNA2005100613942A CN200510061394A CN1792319A CN 1792319 A CN1792319 A CN 1792319A CN A2005100613942 A CNA2005100613942 A CN A2005100613942A CN 200510061394 A CN200510061394 A CN 200510061394A CN 1792319 A CN1792319 A CN 1792319A
- Authority
- CN
- China
- Prior art keywords
- arteries
- veins
- pulse
- signal
- characteristic parameter
- 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.)
- Granted
Links
Images
Landscapes
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本发明提供一种中医四诊合参智能辨证方法,是基于贝叶斯网络的概率推理模型为基础,运用现代信号处理技术、图像识别技术提取舌象和脉象特征,进行舌象和脉象的自动分析判别,并与闻诊、问诊信息相融合,实现中医证候的计算机智能鉴别。本发明方法能进行脉象识别,给出辨脉结果,即脉象名称;能进行舌象识别,给出辨舌结果,包括舌色、苔色、舌质和苔质;在问诊界面中,用户输入病人症状,系统给出辨证结果;可对典型病例进行存储;具有自学习功能,若收集大量、可靠病例,可对系统进行更新及报表打印;是现代科学手段在发展中医诊断鉴别方面的现实应用。
Description
技术领域
本发明涉及中医量化诊断领域,是一种利用计算机技术、图像识别方法、信号处理技术等实现脉图特征参数自动提取检测的方法。该方法能准确检测出脉图的拐点位置,并在此基础上自动计算脉图的特征参数。
背景技术
脉诊是通过检查与分析脉象变化了解人体气血运行状态以及脏腑生理、病理改变的诊察方法,为诊断疾病提供重要依据。传统脉诊依靠医生按压腕部挠动脉脉搏进行诊断,具有很强的主观性和模糊性其准确性与可靠性依赖于医生个人的主观感觉与经验积累,缺乏客观、量化的诊断指标。在计算机技术、信息技术高速发展的今天,传统中医脉诊方式已经不能适应现代医学发展的需要。目前已有的脉图分析方法多采用人工读取脉图指标,再在此基础上进行脉象识别,难以实现脉诊自动化。
发明内容
本发明的目的是克服上述现有技术存在的不足,提供一种中医脉象特征参数自动检测方法。
本发明方法是由脉诊传感器和脉象采集电路组成的脉象采集装置获得脉象信号,并传输至计算机,在计算机中完成对输入脉象信号进行除噪、拐点检测以及脉图参数计算等。本发明将小波分析、图像识别等其他领域的先进技术和方法与中医传统脉诊理论相结合,实现脉图特征参数的自动提取。
本发明通过以下技术方案实现:
1.采集脉图信号:
由压力可调的脉诊传感器置于病人腕部挠动脉处获得脉搏电压信号,经由脉象采集电路(内置信号放大电路、A/D模数转换电路)转换为数字信号,通过USB接口输入计算机。
原始脉象图可以是通过脉象传感器和脉象采集电路实时采集到的信号,也可以是通过脉象传感器和脉象采集电路采集后保存到计算机硬盘里的信号。
2.脉图信号除噪:将脉象输入到计算机处理器中,由程序控制采集不同压力下的脉象信号,对脉图信号进行滤噪。
本发明将小波分析技术应用于的脉图的信号除噪,用于脉图除噪的小波基函数的消失矩大于等于2,并且小波分解尺度取a=4,可选用sym8小波、bior3.5小小波,可使脉图噪声得到很好的抑制,并且也保护了脉图信号不失真。
3.脉象特征参数检测:通过检测脉图拐点,进行拐点的标记,根据拐点位置,选取脉图幅值最大的脉图进行脉象特征参数的检测。
本发明采用复小波变换模极大值法用于脉图拐点检测,其中小波基函数采用高斯函数的一阶导数经Hilbert变换转化成的复小波。这种方法能准确检测出所需的脉图拐点,并且检测结果不受小波尺度的影响,因此不需要考虑尺度选择的问题,大大简化了检测过程。
拐点的标记时采用链码方法确定脉图波峰数目,然后结合极大值法标记潮波波峰和重博波波峰,并通过结合计算脉图主波峰顶夹角来标记潮波起点与重博波起点。
根据本发明方法,需要检测的脉图参数包括主波幅高h1、主波上升时间t1、潮波起点高度h2、潮波幅高h3、重博波起点高度h4、重博波幅高h5、脉图周期T和脉图面积A。脉图参数h1、h2、h3、h4、h5可根据拐点位置直接进行计算。本发明采用小波变换模极大值法准确地确定脉图周期T,并判断T在各个时间段上是否相等;对于脉图面积A,本发明采用二维图像的区域面积计算方法进行计算,实现了对脉图面积的无偏和一致的最好估计。
本发明与现有技术比,具有以下特点:
1.本发明将小波分析技术应用于脉图的信号除噪,解决了目前存在的2个问题:(1)在采集脉象信号时,会受到仪器、人体等方面的影响而产生干扰,这些干扰信息会使脉图拐点检测变得困难一误检测到过多的拐点,而无法确定哪些拐点是有用拐点;(2)同时,在去除干扰的过程中,还要尽可能保存原脉图的形状,以免丢失有诊断价值的信息。
2.本发明采用复小波变换模极大值法用于脉图拐点检测,其中小波基函数采用高斯函数的一阶导数经Hilbert变换转化成的复小波。这种方法能准确检测出所需的脉图拐点,并且检测结果不受小波尺度的影响,因此不需要考虑尺度选择的问题,大大简化了检测过程。
3.本发明采用链码方法确定脉图波峰数目,然后结合极大值法标记潮波波峰和重博波波峰,并通过结合计算脉图主波峰顶夹角来标记潮波起点与重博波起点。解决了由于脉象信号中存在潮波与主波融合的情况或者潮波与重博波融合的情况,即潮波起点与主波峰重合或者潮波起点与重博波起点重合,因此采集到的脉图有时呈现双峰波,有时呈现三峰波,使拐点的标记变得困难的问题。
4.本发明采用小波变换模极大值法准确地确定脉图周期T,并判断T在各个时间段上是否相等;对于脉图面积A,本发明采用二维图像的区域面积计算方法进行计算,实现了对脉图面积的无偏和一致的最好估计。
本发明将小波分析技术应用于的脉图的信号除噪,对脉图信号作多尺度小波变换实质就是用不同中心频率的带通滤波器对信号作滤波,因此把主要反映噪声频率的那些尺度的分量去掉或作一定程度衰减,再把剩余各尺度的小波变换结合作反演变换,还原成无噪的脉图信号,即达到了消噪的目的。
在利用小波变换对脉图信号进行滤噪过程中,小波基的选择十分重要,不同小波基函数对脉图信号进行分解,可以突出不同特点的信号特征,因此滤噪结果也会有很大的差异。经过研究发现,用于脉图除噪的小波基函数应具有良好的对称性,其消失矩应大于等于2,并且小波分解尺度取a=4时滤噪效果最好。比如sym8小波、bior3.5小小波等均使脉图噪声得到了很好的抑制,并且同时保护了脉图信号不失真。
本发明主要是运用计算机实现脉图参数的自动检测,参见图1,需要检测的脉图参数包括主波幅高h1、主波上升时间t1、潮波起点高度h2、潮波幅高h3、重博波起点高度h4、重博波幅高h5、脉图周期T和脉图面积A。这些参数的计算均是建立在准确检测出脉图拐点(参见图2“*”号所示)的基础上。小波变换具有多分辨率的特点,能较好地突出信号局部特征,很适合用于拐点等奇异点的检测。以往的奇异点检测多采用实小波变换,经研究发现,实小波变换用于脉图拐点检测的效果并不理想。这主要是因为实小波变换得到的模存在振荡,检测到的拐点的个数远远多于有用拐点,因此需要对小波变换的模极大值设置阈值。但阈值的设置是个难点,若阈值太低,则检测结果仍存在无用拐点,使后续处理变得复杂;若阈值太高,则筛选得到的拐点较少,一些重要的拐点就会丢失。而欲使设置的阈值大小刚好检测出所需有用拐点,几乎是不可能实现的任务,无论检出的拐点是过多或者过少,都无法用于脉图参数计算。为了解决这个问题,本发明采用复小波变换模极大值法用于脉图拐点检测,其中小波基函数采用高斯函数的一阶导数经Hilbert变换转化成的复小波。这种方法能准确检测出所需的脉图拐点,并且检测结果不受小波尺度的影响,因此不需要考虑尺度选择的问题,大大简化了检测过程。
由于脉象信号中存在潮波与主波融合的情况或者潮波与重博波融合的情况,即潮波起点与主波峰重合或者潮波起点与重博波起点重合,因此采集到的脉图有时呈现双峰波,有时呈现三峰波,使拐点的标记变得困难。为了解决这个问题,本发明首先采用链码方法确定脉图波峰数目,然后结合极大值法标记潮波波峰和重博波波峰,并通过结合计算脉图主波峰顶夹角来标记潮波起点与重博波起点。
脉图参数h1、h2、h3、h4、h5可根据拐点位置直接进行计算。本发明采用小波变换模极大值法准确地确定脉图周期T,并判断T在各个时间段上是否相等;对于脉图面积A,本发明采用二维图像的区域面积计算方法进行计算,实现了对脉图面积的无偏和一致的最好估计。
附图说明
图1是该检测方法应用系统结构框图;
图2是脉图特征点示例;
图3是该检测方法的主流程图;
图4是该检测方法的主程序流程图;
图5是脉图滤噪子程序流程图;
图6是脉图周期检测子程序流程图;
图7是脉图拐点检测子程序流程图;
图8是脉图波峰数检测子程序流程图;
图9是脉图拐点标记子程序流程图;
图10是一个脉图实例;
图11是图10滤噪后得到的脉图;
图12是对图11的拐点检测结果;
图13是对脉图示例的特征参数检测结果。
具体实施方式
本发明结合实施例作进一步说明。
实施例1
本发明由脉诊传感器和脉象采集电路进行脉象采集,并通过USB接口将脉象输入到计算机处理器中,由程序控制采集不同压力下的脉象信号,选取脉图幅值最大的脉图进行脉象特征参数自动检测。参见图1、图3。图1中1为脉诊传感器,2为脉象采集电路,3为USB接口,4为计算机处理器,5为输出缓存区,6为脉象分析,7为参数检测结果,8为显示器,9为打印机。
对脉图进行小波变换,利用脉图信号和噪声在不同尺度下进行小波分解时传递特性和特征的不同将其进行分离。
基于小波变换的脉图信号除噪方法步骤参见图5:
(1)选择某小波函数ψ(x),并确定小波分解尺度J,将脉图信号f(x)进行J层小波分解,得到相应的小波分解系数CAj、CDj,j=1...J;
(2)选取合适的尺度a=S,将尺度S下分解得到的小波细节系数CDs置0,得到新的小波分解系数CAs;
(3)进行小波逆变换,将尺度S下的小波系数进行重构,即得到滤噪后的脉图F(x);
(4)改变小波基,重复步骤(1)~(3),确定合适的小波基,然后在此基础上,改变小波分解层数J,选取合适的J。
1)为了方便对检测到的拐点进行标记,需要首先检测脉图周期,并对脉图截取一个周期进行处理。周期检测步骤见图6。
2)基于复小波变换检测脉图拐点。首先选取合适的尺度函数构造实小波函数,并对实小波函数进行Hilbert变换将其转化成复小波。对滤噪后的脉图信号进行复小波变换,变换后的过零点即为脉图复小波变换的模极大值点。小波变换模极大值点对应着信号的曲率变化剧烈的点,即信号的拐点。拐点检测步骤见图7。
3)进行拐点标记。检测到脉图拐点后,需要对主波升点、主波峰、潮波起点、潮波峰、重博波起点和重博波波峰进行标记。其中检测到的第一个拐点标记为主波升点,而其它四个特征点的标记需要首先确定脉图的波峰数目。在本发明中,脉图波峰数的确定通过链码方法实现。链码是利用一系列具有特定长度和特定方向的相连的直线段来表示目标的边界。为了实现方便,链码值取i={-3,-2,-1,0,1,2,3}。由于脉图信号中不存在闭合曲线,则3、-3所示的方向不存在,所以脉图信号链码Ld取值为i={-2,-1,0,1,2}。
根据链码方法的脉图波峰数确定方法参见图8:
(1)将脉图信号表示成i={-2,-1,0,1,2}方向所示的链码串Ld;
(2)分离出从主波升点到第6个拐点之间的子链码串Ld′;
(3)记录Ld′中链码由正数或零转为负数的位置,同时记录该位置处链码为正或零的个数hd,最后统计链码由正数或零转为负数的次数Cd;
设置阈值Thd,若hd>Thd并且Cd=2,则脉图为双峰波;若hd>Thd并且Cd=3,则脉图为三峰波
考虑到潮波波峰和重搏波波峰多数情况下为原脉图的极大值点,因此本发明采用如下方法对其进行标记,参见图9:
(1)若脉图为三峰波,则前4个拐点分别标记为主波升点P′、主波峰P、潮波起点E和重搏波起点F;
(2)检测脉图的极大值点。设脉图的当前点为x(n),其相邻两个点为x(n-1)和x(n+1),若x(n)满足x(n)≥x(n+1)并且x(n)≥x(n-1),则x(n)为极大值点。
(3)检测脉图CE间是否存在极大值点,若存在,则该极大值点标记为潮波波峰;检测E与下一个主波升点A之间是否存在脉图极大值点,若存在,则该极大值点标记为重搏波波峰。
潮波起点与重博波起点的标记基于先验知识:若主波高陡而细,峰顶角小,则认为潮波起点与重博波起点重合;若主波呈圆宽型或平宽型,则认为潮波与主波融合,因此,本发明通过求取顶夹角角度的方法来确定主波峰状态。具体过程为:
根据链码方法的脉图波峰数确定方法为:
(1)计算脉图主波峰顶夹角α;
(2)设定阈值Tα,若α>Tα,则认为潮波起点与主波峰点重合,即检测到的前3个拐点分别为主波升点P′、主波峰P(E)和重搏波起点F,反之,则认为潮波起点与重博波起点重合,即检测到的前3个拐点分别为主波升点P′、主波峰P和重搏波起点F(E)。
4)进行参数计算。确定了主波升点、主波峰、潮波起点、潮波峰、重博波起点和重博波波峰的位置后,h1、h2、h3、h4、h5、t1、T可直接进行计算。对于脉图面积A,采用二维图像的区域面积计算方法进行计算,具体方法如下:
(1)连接两个相邻脉波的主波升点,形成一个二维区域PS1S2;
(2)区域PS1S2中的象素个数即为脉图面积A。
参见图10~13,本发明方法能够通过计算机自动检测出脉图特征参数,方便快捷,并且结果精确,有助于脉诊的客观化、标准化。
实施例2
参见图1,在脉象特征参数自动检测系统框图中,由压力可调的脉诊传感器置于病人腕部挠动脉处获得脉搏电压信号,经由脉象采集电路(内置信号放大电路、A/D模数转换电路)转换为数字信号,通过USB接口输入计算机,便于计算机处理、传输等操作;计算机处理主要是通过USB接口获取不同压力下的脉图信号,处理后的脉图以及参数检测结果输出到缓存器,便于显示和打印。显示器是输出设备,人眼可以通过显示器观看脉图和脉象分析结果。脉象分析是对计算机读入的脉图进行定性和定量分析,并输出分析结果。
原始脉象图可以是通过脉象传感器和脉象采集电路实时采集到的信号,也可以是实现通过脉象传感器和脉象采集电路采集到保存在计算机硬盘里的信号。
本发明涉及的关键问题包括脉图滤噪、基于复小波变换的脉图拐点检测、拐点标记和参数计算。
本发明中采用sym8小波,取分解尺度a=4对脉图进行滤噪。
在脉图拐点检测中以高斯函数为尺度函数,取其一阶导数作为小波基函数ψ(x),并将其通过Hilbert变换转化成复小波ψ(x)=(1+iH)ψ(x),用于检测拐点。
为了方便起见,在脉图周期检测时,仍选用sym8小波进行处理。
脉象分析主要通过软件来实现。在计算机中完成以下程序(主程序见图4):
1.读入脉图数据,进入脉图滤噪子程序,采用sym8小波对脉图做4级小波分解,并在尺度4将高频系数CD4置0,将低频系数CA4进行重构作为滤噪后的脉图存储。
2.进入脉图周期检测子程序,参见图6,小波函数sym8离散化后长度M=16,分解尺度L=1,将检测到的脉图周期的起点位置存储在u(1,i),i=1...,n中,其中n是脉图周期的数目。
3.进入脉图拐点检测子程序,参见图7,将检测到的拐点存储在G(r)中,其中r是一个脉图周期中检测到的拐点个数。
4.进入脉图波峰数检测子程序,参见图8,取d=7,M=T/d,其中T为一个周期的脉图长度,取阈值Thd=6,检测到的波峰数存储在变量g中。
5.进入脉图拐点标记子程序,参见图9,标记出主波升点、主波峰、潮波起点、潮波峰、重博波起点和重博波波峰,各个拐点的位置存储在一维数组b(i),i=1,...,6中。
6.直接根据b(i),i=1,...,6中存储的拐点位置计算参数h1、h2、h3、h4、h5、t1,周期T已在步骤2的脉图周期检测子程序中计算得到,对于脉图面积,直接计算两个相邻主波升点和脉图围成的区域所包含的象素个数即可。
脉象分析结果的显示。为了使分析结果便于理解和临床应用,采用数字、文字和位图显示分析结果。图10~图13为一个脉象特征参数检测的例子,图10为脉图数据,图11为步骤1滤噪后存储的脉图,图12为步骤3检测到的拐点位置显示,图13为步骤6计算得到的脉图参数。
无需进一步详细阐述,相信采用前面所公开的内容,本领域技术人员可最大限度地应用本发明。因此,前面的实施方案应理解为仅是举例说明,而非以任何方式限制本发明的范围。
Claims (8)
1.中医脉象特征参数自动检测方法,其特征是:由脉诊传感器和脉象采集电路组成的脉象采集装置获得脉象信号,并传输至计算机,在计算机中完成对输入脉象信号进行除噪、拐点检测以及脉图参数检测。
2.根据权利要求1所述的中医脉象特征参数自动检测方法,其特征是通过以下技术方案实现:
(1)采集脉图信息
由压力可调的脉诊传感器置于病人腕部挠动脉处获得脉搏电压信号,经由脉象采集电路转换为数字信号,通过USB接口输入计算机;
(2)脉图信号除噪
将脉象信号输入到计算机处理器中,由程序控制采集不同压力下的脉象信号,对脉图信号进行除噪,用于脉图除噪的小波基函数的消失矩大于等于2,并且小波分解尺度取a=4;
(3)脉象特征参数检测
通过检测脉图拐点,进行拐点的标记,根据拐点位置,选取脉图幅值最大的脉图进行脉象特征参数的检测。
3.权利要求1或2所述的中医脉象特征参数自动检测方法,其特征是:采用复小波变换模极大值法检测脉图拐点,其中小波基函数采用高斯函数的一阶导数经Hilbert变换转化成的复小波。
4.权利要求1或2所述的中医脉象特征参数自动检测方法,特征是:拐点标记时采用链码方法确定脉图波峰数目,然后结合极大值法标记潮波波峰和重博波波峰,并通过结合计算脉图主波峰顶夹角来标记潮波起点与重博波起点。
5.权利要求1或2所述的中医脉象特征参数自动检测方法,其特征是:检测的脉图参数由主波幅高h1、主波上升时间t1、潮波起点高度h2、潮波幅高h3、重博波起点高度h4、重博波幅高h5、脉图周期T和脉图面积A组成。
6.权利要求1或2所述的中医脉象特征参数自动检测方法,其特征是:脉图参数可根据拐点位置直接进行计算,采用小波变换模极大值法准确地确定脉图周期T,并判断T在各个时间段上是否相等,对于脉图面积A,采用二维图像的区域面积计算方法进行计算。
7.权利要求2所述的中医脉象特征参数自动检测方法,其特征是:步骤(1)中原始脉象图可以是通过脉象传感器和脉象采集电路实时采集到的信号,或通过脉象传感器和脉象采集电路采集后保存到计算机硬盘里的信号。
8.权利要求2所述的中医脉象特征参数自动检测方法,其特征是:步骤(2)中小波基函数选用sym8小波、bior3.5小小波。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2005100613942A CN100493445C (zh) | 2005-11-03 | 2005-11-03 | 中医脉象特征参数自动检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2005100613942A CN100493445C (zh) | 2005-11-03 | 2005-11-03 | 中医脉象特征参数自动检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1792319A true CN1792319A (zh) | 2006-06-28 |
CN100493445C CN100493445C (zh) | 2009-06-03 |
Family
ID=36804101
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB2005100613942A Expired - Fee Related CN100493445C (zh) | 2005-11-03 | 2005-11-03 | 中医脉象特征参数自动检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN100493445C (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101408912B (zh) * | 2008-11-21 | 2010-06-09 | 天津师范大学 | 中医脉象特征函数自动提取方法 |
CN101371779B (zh) * | 2007-08-24 | 2011-08-03 | 柳竹 | 中医脉象生理信息的一种提取方法 |
CN102880812A (zh) * | 2012-08-02 | 2013-01-16 | 北京华生恒业科技有限公司 | 基于小波分析法处理溶解曲线的方法、装置和电子终端 |
CN103027669A (zh) * | 2011-09-30 | 2013-04-10 | Ge医疗系统环球技术有限公司 | 用于判断脉象浮沉度的方法和设备 |
CN103027667A (zh) * | 2011-09-30 | 2013-04-10 | Ge医疗系统环球技术有限公司 | 脉搏波的特征参数提取 |
CN103932686A (zh) * | 2014-04-22 | 2014-07-23 | 北京印刷学院 | 一种脉象信号的提取方法和装置 |
CN104739384A (zh) * | 2013-12-30 | 2015-07-01 | 财团法人工业技术研究院 | 动脉波分析方法及其系统 |
CN105067650A (zh) * | 2015-08-03 | 2015-11-18 | 东南大学 | 一种利用小波计算导数检测谱特征峰的方法 |
CN106419864A (zh) * | 2015-08-05 | 2017-02-22 | 南开大学 | 中医诊断云端专家系统 |
CN107530006A (zh) * | 2015-04-17 | 2018-01-02 | 太阳诱电株式会社 | 振动波形传感器和波形分析装置 |
CN107898443A (zh) * | 2017-11-21 | 2018-04-13 | 深圳先进技术研究院 | 重搏波检测方法、装置及计算机存储介质 |
-
2005
- 2005-11-03 CN CNB2005100613942A patent/CN100493445C/zh not_active Expired - Fee Related
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101371779B (zh) * | 2007-08-24 | 2011-08-03 | 柳竹 | 中医脉象生理信息的一种提取方法 |
CN101408912B (zh) * | 2008-11-21 | 2010-06-09 | 天津师范大学 | 中医脉象特征函数自动提取方法 |
CN103027669B (zh) * | 2011-09-30 | 2016-09-14 | Ge医疗系统环球技术有限公司 | 用于判断脉象浮沉度的方法和设备 |
CN103027669A (zh) * | 2011-09-30 | 2013-04-10 | Ge医疗系统环球技术有限公司 | 用于判断脉象浮沉度的方法和设备 |
CN103027667A (zh) * | 2011-09-30 | 2013-04-10 | Ge医疗系统环球技术有限公司 | 脉搏波的特征参数提取 |
CN102880812B (zh) * | 2012-08-02 | 2016-08-03 | 江苏华生基因数据科技股份有限公司 | 基于小波分析法处理溶解曲线的方法、装置和电子终端 |
CN102880812A (zh) * | 2012-08-02 | 2013-01-16 | 北京华生恒业科技有限公司 | 基于小波分析法处理溶解曲线的方法、装置和电子终端 |
CN104739384A (zh) * | 2013-12-30 | 2015-07-01 | 财团法人工业技术研究院 | 动脉波分析方法及其系统 |
CN103932686A (zh) * | 2014-04-22 | 2014-07-23 | 北京印刷学院 | 一种脉象信号的提取方法和装置 |
CN107530006A (zh) * | 2015-04-17 | 2018-01-02 | 太阳诱电株式会社 | 振动波形传感器和波形分析装置 |
US10842396B2 (en) | 2015-04-17 | 2020-11-24 | Taiyo Yuden Co., Ltd. | Vibration waveform sensor and waveform analysis device |
CN105067650A (zh) * | 2015-08-03 | 2015-11-18 | 东南大学 | 一种利用小波计算导数检测谱特征峰的方法 |
CN105067650B (zh) * | 2015-08-03 | 2018-01-02 | 东南大学 | 一种利用小波计算导数检测谱特征峰的方法 |
CN106419864A (zh) * | 2015-08-05 | 2017-02-22 | 南开大学 | 中医诊断云端专家系统 |
CN107898443A (zh) * | 2017-11-21 | 2018-04-13 | 深圳先进技术研究院 | 重搏波检测方法、装置及计算机存储介质 |
CN107898443B (zh) * | 2017-11-21 | 2020-11-24 | 深圳先进技术研究院 | 重搏波检测方法、装置及计算机存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN100493445C (zh) | 2009-06-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1792319A (zh) | 中医脉象特征参数自动检测方法 | |
CN111340142B (zh) | 一种癫痫脑磁图棘波自动检测方法与溯源定位系统 | |
Lu et al. | Classification of single-channel EEG signals for epileptic seizures detection based on hybrid features | |
CN107468221B (zh) | 基于金氏脉学的脉搏波信号处理方法及肺癌检测系统 | |
CN108470156B (zh) | 一种心音信号分类识别方法 | |
CN1850007A (zh) | 基于心音分析的心脏病自动分类系统及其心音分段方法 | |
CN109645979A (zh) | 动态心电信号伪差识别方法及装置 | |
CN105261015A (zh) | 基于Gabor滤波器的眼底图像血管自动分割方法 | |
CN108567418A (zh) | 一种基于PCANet的脉搏信号亚健康检测方法及检测系统 | |
CN112869716B (zh) | 一种基于双通道卷积神经网络的脉搏特征识别系统及方法 | |
CN112370015A (zh) | 基于格拉姆角场的生理信号质量评估方法 | |
CN105701806A (zh) | 基于深度图像的帕金森震颤运动特征检测方法及系统 | |
CN109452938A (zh) | 一种基于多尺度多重分形的hfecg信号特征频率检测方法 | |
CN106137185A (zh) | 一种基于模板构造小波的癫痫特征波检测方法 | |
CN105046273A (zh) | 基于多尺度样本熵的癫痫脑皮层电图信号分类方法 | |
CN114492519B (zh) | 一种基于超声回波射频信号的肺超声特殊征象b线识别分类方法 | |
CN113361385A (zh) | 心音分类方法及系统、可读存储介质、电子设备 | |
CN113116300A (zh) | 一种基于模型融合的生理信号分类方法 | |
Wu et al. | A novel approach to diagnose sleep apnea using enhanced frequency extraction network | |
Cao et al. | Diabetic plantar pressure analysis using image fusion | |
CN106419884B (zh) | 一种基于小波分析的心率计算方法与系统 | |
CN117357080A (zh) | 近红外光谱信号去噪方法及装置、终端设备、存储介质 | |
CN116035598B (zh) | 一种睡眠纺锤波智能识别方法及系统 | |
CN117017297A (zh) | 驾驶员疲劳的预测和识别模型建立方法及其应用 | |
CN103099642A (zh) | 一种超声血流信号质量实时分析方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20090603 Termination date: 20091203 |