TWI810495B - 用於脈診之脈象量測設備及脈象量測方法 - Google Patents
用於脈診之脈象量測設備及脈象量測方法 Download PDFInfo
- Publication number
- TWI810495B TWI810495B TW109137691A TW109137691A TWI810495B TW I810495 B TWI810495 B TW I810495B TW 109137691 A TW109137691 A TW 109137691A TW 109137691 A TW109137691 A TW 109137691A TW I810495 B TWI810495 B TW I810495B
- Authority
- TW
- Taiwan
- Prior art keywords
- pulse
- critical value
- wrist
- target
- pulse position
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000003745 diagnosis Methods 0.000 title claims abstract description 12
- 210000000707 wrist Anatomy 0.000 claims abstract description 80
- 238000001514 detection method Methods 0.000 claims abstract description 27
- 238000012549 training Methods 0.000 claims description 48
- 238000005259 measurement Methods 0.000 claims description 29
- 230000003068 static effect Effects 0.000 claims description 18
- 238000000691 measurement method Methods 0.000 claims description 16
- 238000009532 heart rate measurement Methods 0.000 claims description 12
- 238000013527 convolutional neural network Methods 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 3
- 238000013136 deep learning model Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 208000017667 Chronic Disease Diseases 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000001939 inductive effect Effects 0.000 description 2
- 230000001575 pathological effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000010009 beating Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 210000004247 hand Anatomy 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4854—Diagnosis based on concepts of traditional oriental medicine
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Alternative & Traditional Medicine (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Tests Of Electronic Circuits (AREA)
- Manipulation Of Pulses (AREA)
Abstract
一種用於脈診的脈象量測設備與脈象量測方法被揭露。該脈象量測設備拍攝一目標手部之一影像。該目標手部至少包含一目標手掌以及一目標手腕。接著,該脈象量測設備透過一物件偵測模型來分析該影像,以取得相應於該目標手腕的一平面脈位資訊。隨後,根據該平面脈位資訊及一指定脈位按壓該目標手腕,以在該指定脈位上感測一脈象訊號。
Description
本揭露是關於一種脈象量測設備以及脈象量測方法。更具體而言,本揭露是關於一種能夠自動辨識脈位以及取脈的脈象量測設備以及脈象量測方法。
脈診是一種根據受診者的脈博跳動狀態(即,脈象)來進行診斷的方法,醫師藉由將手指放置於受診者的手腕的寸口處,並透過觸、摸、壓等動作感受病人的脈象,進而推測受診者的生理或病理狀況。根據中醫的定義,人的手腕具有「寸」、「關」、「尺」三個平面脈位,且於進行脈診時各平面脈位還可以對應至「浮」、「中」、「沉」三種取脈深度。因此,醫師至少可於受診者的手腕上量測九種脈位(即,由「寸」、「關」、「尺」分別和「浮」、「中」、「沉」所形成的九種組合)的脈象,進而根據脈象所代表的生理或病理資訊來做出診斷。
為使脈象的量測趨於客觀,可透過脈象量測設備(例如:脈診儀)感測脈象訊號來進行脈診。然而,傳統的脈象量測設備雖然能夠感測特定位置的脈象訊號,但多半需仰賴操作者自行判斷脈位的位置(包含上述的平面脈位以及取脈深度),以針對特定的脈位來進行量測,而由於針對脈位位置的判斷標準因人而異,使得同一個脈象量測設備針對某一特定脈位的量測結果可能是不一致的,致使脈象量測設備的量測品質不穩定。
有鑑於此,如何設計出一種能夠自動辨識脈位並進行量測的脈象量測設備,將是本發明所屬技術領域亟待解決的問題。
為了解決至少上述的問題,本發明的實施例提供了一種用於脈診的脈象量測設備。該脈象量測設備可包含一儲存器、一攝影器、一感測器、一處理器以及一控制器。該處理器可與該儲存器、該攝影器、該控制器以及該感測器電性連接。該控制器可與該感測器以及該處理器電性連接。該儲存器可用以儲存一物件偵測模型。該攝影器可用以拍攝一目標手部之一影像,該目標手部可至少包含一目標手掌以及一目標手腕。該感測器可用以感測該目標手腕的一脈象訊號。該處理器可用以:透過該物件偵測模型分析該影像,以取得相應於該目標手腕之一平面脈位資訊,以及根據該平面脈位資訊以及一指定脈位,產生一控制訊號。該控制器可用以根據該控制訊號以及該平面脈位資訊而控制該感測器按壓該目標手腕,以使該感測器於該指定脈位上感測該脈象訊號。
為了解決至少上述的問題,本發明的實施例還提供了一種用於脈診的脈象量測方法。該脈象量測方法可由一脈象量測設備所執行,且該脈象量測方法可包含:
拍攝一目標手部之一影像,其中該目標手部至少包含一目標手掌以及一目標手腕;
透過一物件偵測模型分析該影像,以取得相應於該目標手腕的一平面脈位資訊;以及
根據該平面脈位資訊以及一指定脈位按壓該目標手腕,以在該指定脈位上感測該目標手腕的一脈象訊號。
綜上所述,本發明提供的脈象量測設備及脈象量測方法透過物件偵測模型來分析手部影像,並於該手部影像中辨識手腕的各平面脈位以獲得平面脈位資訊,使得該脈象量測設備可根據平面脈位資訊,找到手腕上的一指定脈位並於該指定脈位上量測脈象(即,感測脈象訊號)。有別於傳統的脈象量測設備,本發明透過自動辨識脈位的機制,使得在量測過程中針對脈位的判斷標準得以不需仰賴操作者的個人能力,進而可維持量測品質的穩定性。據此,本發明所提供的脈象量測設備及脈象量測方法確實解決了本發明所屬技術領域中的上述問題。
以上內容並非為了限制本發明,而只是概括地敘述了本發明可解決的技術問題、可採用的技術手段以及可達到的技術功效,以讓本發明所屬技術領域中具有通常知識者初步地瞭解本發明。根據檢附的圖式及以下的實施方式所記載的內容,本發明所屬技術領域中具有通常知識者便可進一步瞭解本發明的各種實施例的細節。
以下將透過多個實施例來說明本發明,惟這些實施例並非用以限制本發明只能根據所述操作、環境、應用、結構、流程或步驟來實施。為了易於說明,與本發明的實施例無直接關聯的內容或是不需特別說明也能理解的內容,將於本文以及圖式中省略。於圖式中,各元件(element)的尺寸以及各元件之間的比例僅是範例,而非用以限制本發明。除了特別說明之外,在以下內容中,相同(或相近)的元件符號可對應至相同(或相近)的元件。在可被實現的情況下,如未特別說明,以下所述的每一個元件的數量可以是一個或多個。
第1圖是根據本發明的某些實施例的脈象量測設備的示意圖。第1圖所示內容是為了舉例說明本發明的實施例,而非為了限制本發明的保護範圍。
參照第1圖,一脈象量測設備1基本上可包含一儲存器11、一攝影器12、一控制器13、一感測器14以及一處理器15,其中處理器15可與儲存器11、攝影器12、控制器13以及感測器14電性連接,且控制器13可與感測器14電性連接。須說明者,上述元件之間的「電性連接」可以是直接的(即沒有透過其他功能性元件而彼此連接)或者是間接的(即透過其他功能性元件而彼此連接)。脈象量測設備1可透過上述元件的共同運作而自動量測一受測者的手腕上的脈象。
儲存器11可用以儲存脈象量測設備1所產生的資料、從外部裝置傳入脈象量測設備1的資料、或使用者自行輸入到脈象量測設備1的資料。儲存器11可包含第一級記憶體(又稱主記憶體或內部記憶體),且處理器15可直接讀取儲存在記憶體內的指令集,並在需要時執行這些指令集。在某些實施例中,除了第一級記憶體之外,儲存器11還可包含第二級記憶體(又稱外部記憶體或輔助記憶體),其可透過資料緩衝器來將資料傳輸至第一級記憶體。舉例而言,第二級記憶體可以是例如但不限於:硬碟、光碟等。在某些實施例中,儲存器11還可包含第三級記憶體,亦即,可直接插入或自電腦拔除的儲存元件,例如:隨身硬碟。儲存器11可用以儲存一物件偵測模型111。物件偵測模型111可以是基於卷積神經網路架構的一深度學習模型,其透過不斷地受訓練而可辨識一影像中的一特定物件以及該特定物件的類別,並可標示出該物件所在的位置。在某些實施例中,物件偵測模型111可以是由處理器15所訓練而成。有關物件偵測模型111的具體細節將於隨後詳述。
攝影器12可以是例如但不限於:無線網路攝影機、有線網路攝影機、攝影鏡頭模組、拍照式手機、相機、錄影機等具有攝影功能的元件,其可用以拍攝一目標手部3的一影像121,換言之,影像121中可至少包含目標手部3。
控制器13可以是具備訊號處理功能的積體電路,其可接收並分析來自處理器15的控制訊號,並據以控制感測器14的位置,以使感測器14可於特定的脈位上感測一脈象訊號D1。
感測器14可以是各類型的壓力感測器,例如但不限於:電阻應變片壓力感測器(Resistance strain pressure sensor)、壓阻式壓力感測器(Piezoresistive pressure sensor)、電感式壓力感測器(Inductive pressure sensor)、電容式壓力感測器(Capacitive pressure sensor)、諧振式壓力感測器(Resonant pressure sensor)、電容式加速度感測器等等。感測器14可用以感測目標手部3所包含的一目標手腕上的脈象訊號D1。
處理器15可以是具備訊號處理功能的微處理器(microprocessor)或微控制器(microcontroller)等。微處理器或微控制器是一種可程式化的特殊積體電路,其具有運算、儲存、輸出/輸入等能力,且可接受並處理各種編碼指令,藉以進行各種邏輯運算與算術運算,並輸出相應的運算結果。處理器15可被編程以解釋各種指令與執行各項任務或程式。
第2圖是根據本發明的某些實施例的脈象量測設備的局部構造的側視圖。第2圖所示內容是為了舉例說明本發明的實施例,而非為了限制本發明的保護範圍。
須說明,為便於敘述,第2圖僅例示了第1圖中的脈象量測設備1的部分元件的相對位置,其電性連接關係並未於圖中呈現。同時參照第1圖與第2圖,在某些實施例中,除了前述的儲存器11、攝影器12、控制器13、感測器14、處理器15之外,脈象量測設備1還可包含一置腕平台CP1、一底座CP2、一移動部件CP3、一垂直滑軌CP4以及一支架CP5。
置腕平台CP1可用以固定目標手部3所包含的目標手腕。在某些實施例中,置腕平台CP1還可包含一滑軌及一固定部件,以適應各種大小的手腕。底座CP2可與置腕平台CP1、支架CP5及垂直滑軌CP4耦合。垂直滑軌CP4可與支架CP5及底座CP2耦合,且移動部件CP3可透過其構造(例如但不限於:垂直滑軌CP4穿過移動部件CP3的中空構造)而於垂直滑軌CP4上進行垂直方向(即,座標軸Z的方向)的滑動。移動部件CP3可與感測器14耦合,且可控制感測器14進行水平面方向(即,座標軸X與座標軸Y的方向,其中座標軸Y的方向為垂直於紙張/顯示螢幕的一平面的方向)的移動。舉例而言,移動部件CP3於靠近感測器14端可包含一水平滑軌(未繪示於圖中),以控制感測器14進行水平方向的移動。攝影器12可設置於移動部件CP3的表面上,且可設置於與感測器14相同的一平面,以便拍攝感測器14所量測的目標手腕。在某些實施例中,儲存器11、控制器13及/或處理器15可被設置於底座CP2的內部。綜合上述,底座CP2、移動部件CP3、垂直滑軌CP4以及支架CP5可共同運作以讓感測器14得以在各種位置上感測目標手腕的脈象訊號D1。
須說明,第2圖中繪示之脈象量測設備1之部分元件的設置位置僅是做為舉例說明,而非用以限制本發明。本發明所屬技術領域中具有通常知識者可因應於不同情況而更改部分元件的位置,例如:將攝影器12往支架CP5的方向內移,或是將處理器15設置於底座CP2外部的其他元件(例如:桌上型電腦、可攜式電腦、智慧型手機、可攜式電子配件(眼鏡、手錶等等)、伺服器等計算裝置)當中。
接著,將透過第1圖至第3圖來說明根據本發明的一或多個實施例的脈象量測設備1如何量測目標手部3上的脈象。第3圖是關於在目標手部上的「寸」、「關」、「尺」位置的示意圖。第3圖所示內容是為了舉例說明本發明的實施例,而非為了限制本發明的保護範圍。
同時參照第1圖、第2圖與第3圖,首先,攝影器12可拍攝包含目標手部3的影像121,且目標手部3至少包含一目標手掌301以及一目標手腕302。在某些實施例中,目標手部3可以一種掌心朝上的方式放置於置腕平台CP1上,且攝影器12可被設置於移動部件CP3面向目標手腕302的下平面,以便拍攝包含置腕平台CP1上的目標手部3的影像121。須說明,第2圖所示攝影器12的設置位置僅為舉例而非限制。換言之,在某些實施例中,攝影器12可被設置於任何能夠清楚拍攝包含目標手部3的影像的位置,而非僅限被設置於移動部件CP3。舉例而言,攝影器12可設置於目標手腕302之正上方(即,拍攝角度為九十度角),亦可設置於目標手腕302之斜上方(例如:拍攝角度小於九十度角)。
接著,處理器15可執行物件偵測模型111,以辨識影像121中的一平面脈位資訊。該平面脈位資訊可包含影像121中關於目標手腕302上的至少一平面脈位的位置資訊。舉例而言,該平面脈位資訊可包含分別對應至目標手腕302上的一寸脈位P1、一關脈位P2以及一尺脈位P3的一寸脈位位置、一關脈位位置以及一尺脈位位置。
在某些實施例中,於開始量測脈象之前,處理器15可根據複數筆訓練資料訓練一卷積神經網路,進而建立物件偵測模型111。各筆訓練資料可包含一訓練影像與至少一位置標籤。該訓練影像中可包含一手部,且該手部可至少包含一手掌以及一手腕(近似於第3圖所示的目標手部3)。該至少一位置標籤可用以標示該手腕的至少一脈位於該訓練影像中的正確位置。據此,透過上述訓練資料所訓練出的物件偵測模型111有能力辨識一影像中的上述至少一脈位的所在位置。
在某些實施例中,上述的至少一脈位可至少包含手腕的寸脈位、關脈位以及尺脈位(近似於第3圖所示的寸脈位P1、關脈位P2以及尺脈位P3),亦即,每一筆訓練資料可包含分別用來標示一訓練影像中該手腕的寸脈位、關脈位以及尺脈位的正確位置的三個位置標籤。關於手腕之寸脈位、關脈位以及尺脈位的正確位置,可根據本發明所屬技術領域中針對寸、關、尺脈位置的習知定義而決定。舉例而言,關脈位位置可被定義為一手腕上相應於橈骨突起處的位置,寸脈位位置可被定義為自關脈位位置往手掌方向距離一指處,而尺脈位位置可被定義為往相對於手掌的反方向距離關脈位位置一指處。須說明,上述的脈位選擇只是舉例而非限制,本發明所屬技術領域中具有通常知識者可根據需求而在訓練資料中定義其他脈位的位置,以使訓練後的物件偵測模型111有能力辨識其所定義的脈位位置。
在某些實施例中,處理器15可直接使用上述的訓練資料來訓練已知的深度學習模型而建立物件偵測模型111,所述已知的深度學習模型可以是例如但不限於「You Only Look Once(YOLO)」、「Single Shot MultiBox Detector(SSD)」、「Fast Recurrent Neural Networks(Fast R-CNN)」等深度學習模型。
在某些實施例中,物件偵測模型111的上述訓練資料中的訓練影像可由攝影器12所拍攝。換言之,包含一手部的訓練影像以及包含目標手部3的影像121可以是基於相同的角度所拍攝出。如此一來,透過此種訓練資料所訓練出的物件偵測模型111便能更有效率地辨識目標手部3的目標手腕302中相應於訓練資料的脈位位置,而不需要因訓練與推論時拍攝視角的不同而進行額外的線性/非線性變換,且此種訓練方式所需的時間相較於「訓練資料中的手部是基於不同角度而拍攝出」的情況也可縮短許多。
在取得包含相應於寸脈位P1、關脈位P2以及尺脈位P3的寸脈位位置、關脈位位置以及尺脈位位置的該平面脈位資訊之後,處理器15可根據該平面脈位資訊及一指定脈位而產生一控制訊號S1。該指定脈位可對應至該平面脈位資訊中的其中一個脈位。舉例而言,該平面脈位資訊可包含影像121中目標手腕302上的該寸脈位位置、該關脈位位置以及該尺脈位位置,而該指定脈位則可對應至該寸脈位位置、該關脈位位置以及該尺脈位位置其中之一,而處理器15可產生相應於該指定脈位的控制訊號S1。在某些實施例中,該指定脈位可由使用者透過脈象量測設備1的軟體(例如:一使用者介面)進行選擇,或者是透過脈象量測設備1的硬體設備(例如:一按鍵)來進行指定。
接著,控制器13可根據控制訊號S1而控制感測器14按壓目標手腕302,以讓該感測器14得以於目標手腕302的該指定脈位上感測脈象訊號D1。具體而言,控制器13可自處理器15接收相應於該指定脈位的控制訊號S1,並根據控制訊號S1而控制移動部件CP3於垂直滑軌CP4上進行垂直方向的移動,以及控制移動部件CP3中與感測器14耦合的元件在水平方向上的移動,進而控制感測器14於該指定脈位按壓目標手部3,以感測脈象訊號D1。
在某些實施例中,感測器14是透過持續量測目標手腕302與感測器14之間的複數個動態壓力值,並將該複數個動態壓力值轉換成脈象訊號D1。具體而言,動態壓力值可以是指感測器14透過量測目標手腕302的電阻值或電壓值的變化而換算出的壓力數值,該複數個動態壓力值隨時間的變化可被呈現為一波形訊號,而該波形訊號可經處理而產生相應的脈象訊號D1。
在某些實施例中,感測器14還可量測目標手腕302與感測器14之間的一靜態壓力值。具體而言,靜態壓力值可以是代表感測器14按壓目標手腕302的力道的數值。處理器15可根據靜態壓力值與一第一臨界值、一第二臨界值以及一第三臨界值之間的大小關係而定義分別對應至「浮」、「中」、「沉」三種取脈深度的一浮脈位深度區間、一中脈位深度區間以及一沉脈位深度區間。具體而言,處理器15可將靜態壓力值高於該第一臨界值且低於該第二臨界值的一範圍定義為該浮脈位深度區間;將靜態壓力值高於該第二臨界值且低於該第三臨界值的一範圍定義為該中脈位深度區間;以及將靜態壓力值高於該第三臨界值的一範圍則定義為該沉脈位深度區間,且其中該第一臨界值小於該第二臨界值,該第二臨界值小於該第三臨界值。在某些實施例中,該第一臨界值可為該第二臨界值的一半。舉例而言,當感測器的可感測的靜態壓力值的範圍為「0」至「128」時,該第一臨界值可以被設定為「16」,該第二臨界值可以被設定為「32」,且該第三臨界值可以被設定為「80」。此時,處理器15可將靜態壓力值介於「16」至「32」的一範圍定義為浮脈位深度區間;將靜態壓力值介於「32」至「80」的一範圍定義為中脈位深度區間;以及將靜態壓力值高於「80」的一範圍則定義為沉脈位深度區間。
須說明,上述臨界值的設定僅是舉例說明,而非限制。該第一臨界值、該第二臨界值以及該第三臨界值可因應於脈象量測設備1的量測對象的年齡、健康程度等生理因素而有不同的數值。舉例而言,倘若脈象量測設備1的量測對象為慢性病患者,由於此類患者的脈象可能是偏薄弱的,故若採用適用於一般健康的量測對象的臨界值來進行量測,可能導致在浮脈位深度區間或中脈位深度區間無法量測到任何脈象。有鑑於此,針對患有慢性病的量測對象,可提升上述三個臨界值,以確保量測結果的正確性。
在某些實施例中,該指定脈位除了對應至該寸脈位位置、該關脈位位置以及該尺脈位位置其中之一,還可進一步對應至該浮脈位深度區間、該中脈位深度區間以及該沉脈位深度區間其中之一。換言之,該指定脈位可用以指定脈象量測設備1在寸脈位、關脈位、尺脈位其中之一的位置上,以浮脈位、中脈位、沉脈位其中之一的按壓程度來進行取脈。據此,控制器13可根據相應於該指定脈位的控制訊號S1,控制移動部件CP3於垂直滑軌CP4上進行垂直方向的移動,進而讓感測器14能夠在相應的平面脈位上按壓目標手腕302至該浮脈位深度區間、該中脈位深度區間、該沉脈位深度區間其中之一,以感測脈象訊號D1。
在某些實施例中,脈象量測設備1還可包含一輸出模組(例如但不限於:軟體層面的使用者圖形介面搭配硬體層面的顯示器),以將所感測出的脈象訊號D1呈現於使用者的面前。
第4圖是根據本發明的某些實施例的脈象量測方法的流程圖。第4圖所示內容是為了舉例說明本發明的實施例,而非為了限制本發明的保護範圍。
參照第4圖,一種脈象量測方法4可由一脈象量測設備所執行,且該脈象量測方法4可包含以下步驟:
拍攝一目標手部的一影像,其中該目標手部至少包含一目標手掌以及一目標手腕(標示為401);
透過一物件偵測模型分析該影像,以取得相應於該目標手腕之一平面脈位資訊(標示為402);以及
根據該平面脈位資訊及一指定脈位按壓該目標手腕,以在該指定脈位上感測該目標手腕的一脈象訊號(標示為403)。
在某些實施例中,關於脈象量測方法4,該平面脈位資訊可包含一寸脈位位置、一關脈位位置以及一尺脈位位置,且該指定脈位可至少對應至該寸脈位位置、該關脈位位置以及該尺脈位位置其中之一。
在某些實施例中,關於脈象量測方法4,該物件偵測模型可以是透過根據複數筆訓練資料訓練一卷積神經網路而建立。各訓練資料可包含關於一手部的一訓練影像與三個位置標籤。該手部可至少包含一手掌以及一手腕,且該三個標籤可分別用以標示該手腕於該訓練影像中的寸脈位、關脈位以及尺脈位的正確位置。
在某些實施例中,脈象量測方法4還可包含以下步驟:根據複數筆訓練資料訓練一卷積神經網路,以建立該物件偵測模型。各訓練資料可包含關於一手部的一訓練影像與三個位置標籤。該手部可至少包含一手掌以及一手腕,且該三個位置標籤可分別用以標示該手腕於該訓練影像中的寸脈位、關脈位以及尺脈位的正確位置。
在某些實施例中,脈象量測方法4還可包含以下步驟:量測該目標手腕與該感測器之間的複數個動態壓力值,以透過該複數個動態壓力值而獲得該脈象訊號。
在某些實施例中,關於脈象量測方法4,該平面脈位資訊可包含一寸脈位位置、一關脈位位置以及一尺脈位位置,且該指定脈位可對應至該寸脈位位置、該關脈位位置以及該尺脈位位置其中之一,且還可進一步對應至一浮脈位深度區間、一中脈位深度區間以及一沉脈位深度區間其中之一。此外,脈象量測方法4還可包含以下步驟:
量測該目標手腕與該感測器之間的複數個動態壓力值,以透過該複數個動態壓力值而獲得該脈象訊號;
量測該目標手腕與該感測器之間之一靜態壓力值;
根據該靜態壓力值與一第一臨界值、一第二臨界值以及一第三臨界值之間的關係而定義該浮脈位深度區間、該中脈位深度區間以及該沉脈位深度區間,其中,高於該第一臨界值且低於該第二臨界值的該靜態壓力值的一範圍可為該浮脈位深度區間;高於該第二臨界值且低於該第三臨界值的該靜態壓力值的一範圍可為該中脈位深度區間;高於該第三臨界值的該靜態壓力值的一範圍可為該沉脈位深度區間。在某些實施例中,該第一臨界值可小於該第二臨界值,且該第二臨界值可小於該第三臨界值。在某些實施例中,該第一臨界值還可為該第二臨界值的一半。
執行脈象量測方法4的該脈象量測設備可以是先前根據第1圖、第2圖與第3圖所敘述的脈象量測設備1,亦即,脈象量測方法4的每一個實施例本質上都會與脈象量測設備1的某一個實施例相對應。因此,即使上文未針對脈象量測方法4的每一個實施例進行詳述,本發明所屬技術領域中具有通常知識者仍可根據上文針對脈象量測設備1的說明而直接瞭解脈象量測方法4的未詳述的實施例。
上述實施例只是舉例來說明本發明,而非為了限制本發明。任何針對上述實施例進行修飾、改變、調整、整合而產生的其他實施例,只要是本發明所屬技術領域中具有通常知識者不難思及的,都涵蓋在本發明的保護範圍內。本發明的保護範圍以申請專利範圍為準。
如下所示:
1:脈象量測設備
11:儲存器
111:物件偵測模型
12:攝影器
121:影像
13:控制器
14:感測器
15:處理器
3:目標手部
301:目標手掌
302:手腕
4:脈象量測方法
401、402、403:步驟
CP1:置腕平台
CP2:底座
CP3:移動部件
CP4:垂直滑軌
CP5:支架
D1:脈象訊號
P1:寸脈位
P2:關脈位
P3:尺脈位
S1:控制訊號
X、Y、Z:座標軸
第1圖是根據本發明的某些實施例的脈象量測設備的示意圖。
第2圖是根據本發明的某些實施例的脈象量測設備的局部構造的側視圖。
第3圖是關於在目標手部上的「寸」、「關」、「尺」的位置的示意圖。
第4圖是根據本發明的某些實施例的脈象量測方法的流程圖。
無。
4:脈象量測方法
401、402、403:步驟
Claims (16)
- 一種用於脈診的脈象量測設備,包含:一攝影器,用以拍攝一目標手部之一影像,其中該目標手部至少包含一目標手掌以及一目標手腕;一儲存器,用以儲存一物件偵測模型;一感測器,用以感測該目標手腕之一脈象訊號;一處理器,與該儲存器、該攝影機以及該感測器電性連接,用以:根據一第一臨界值、一第二臨界值以及一第三臨界值,將該感測器的一可感測靜態壓力值範圍定義為一浮脈位深度區間、一中脈位深度區間及一沉脈位深度區間,其中該第一臨界值、該第二臨界值以及該第三臨界值係因應一量測對象的至少一生理因素而設定;透過該物件偵測模型分析該影像,以取得相應於該目標手腕之一平面脈位資訊;以及根據該平面脈位資訊及一指定脈位,產生一控制訊號;以及一控制器,與該感測器以及該處理器電性連接,用以根據該控制訊號而控制該感測器按壓該目標手腕,以使該感測器於該指定脈位上感測該脈象訊號。
- 如請求項1所述的脈象量測設備,其中該平面脈位資訊包含一寸脈位位置、一關脈位位置以及一尺脈位位置,且該指定脈位至少對應至該寸脈位位置、該關脈位位置以及該尺脈位位置其中之一。
- 如請求項1所述的脈象量測設備,其中該物件偵測模型是透過根據複數筆訓練資料訓練一卷積神經網路而建立,各訓練資料包含關於一手部的一訓練影像與三個位置標籤,該手部至少包含一手掌以及一手腕,且該三個 位置標籤分別用以標示該手腕於該訓練影像中的寸脈位、關脈位以及尺脈位的正確位置。
- 如請求項1所述的脈象量測設備,其中該處理器還用以根據複數筆訓練資料訓練一卷積神經網路,以建立該物件偵測模型,各訓練資料包含關於一手部的一訓練影像與三個位置標籤,該手部至少包含一手掌以及一手腕,且該三個位置標籤分別用以標示該手腕於該訓練影像中的寸脈位、關脈位以及尺脈位的正確位置。
- 如請求項1所述的脈象量測設備,其中:該指定脈位還對應至該浮脈位深度區間、該中脈位深度區間以及該沉脈位深度區間其中之一以指定該脈象量測設備取脈的一按壓程度;其中,該浮脈位深度區間介於該第一臨界值與該第二臨界值之間,該中脈位深度區間介於該第二臨界值與該第三臨界值之間,且該沉脈位深度區間高於該第三臨界值。
- 如請求項5所述的脈象量測設備,其中該第一臨界值小於該第二臨界值,且該第二臨界值小於該第三臨界值。
- 如請求項6所述的脈象量測設備,其中該第一臨界值為該第二臨界值的一半。
- 如請求項1所述的脈象量測設備,其中該感測器透過量測該目標手腕與該感測器之間的電壓值或電阻值,進而獲得複數個動態壓力值,以透過該複數個動態壓力值而獲得該脈象訊號。
- 一種用於脈診的脈象量測方法,由一脈象量測設備所執行,包含: 根據一第一臨界值、一第二臨界值以及一第三臨界值,將該脈象量測設備的一可感測靜態壓力值範圍定義為一浮脈位深度區間、一中脈位深度區間及一沉脈位深度區間,其中該第一臨界值、該第二臨界值以及該第三臨界值係因應一量測對象的至少一生理因素而設定;拍攝一目標手部之一影像,其中該目標手部至少包含一目標手掌以及一目標手腕;透過一物件偵測模型分析該影像,以取得相應於該目標手腕之一平面脈位資訊;以及根據該平面脈位資訊及一指定脈位按壓該目標手腕,以在該指定脈位上感測該目標手腕的一脈象訊號。
- 如請求項9所述的脈象量測方法,其中該平面脈位資訊包含一寸脈位位置、一關脈位位置以及一尺脈位位置;且該指定脈位至少對應至該寸脈位位置、該關脈位位置以及該尺脈位位置其中之一。
- 如請求項9所述的脈象量測方法,其中該物件偵測模型是透過根據複數筆訓練資料訓練一卷積神經網路而建立,各訓練資料包含關於一手部的一訓練影像與三個位置標籤,該手部至少包含一手掌以及一手腕,且該三個標籤分別用以標示該手腕於該訓練影像中的寸脈位、關脈位以及尺脈位的正確位置。
- 如請求項9所述的脈象量測方法,還包含以下步驟:根據複數筆訓練資料訓練一卷積神經網路,以建立該物件偵測模型; 其中,各訓練資料包含關於一手部的一訓練影像與三個位置標籤,該手部至少包含一手掌以及一手腕,且該三個位置標籤分別用以標示該手腕於該訓練影像中的寸脈位、關脈位以及尺脈位的正確位置。
- 如請求項9所述的脈象量測方法,其中該指定脈位還對應至該浮脈位深度區間、該中脈位深度區間以及該沉脈位深度區間其中之一以指定該脈象量測設備取脈的一按壓程度,其中,該浮脈位深度區間介於該第一臨界值與該第二臨界值之間,該中脈位深度區間介於該第二臨界值與該第三臨界值之間,且該沉脈位深度區間高於該第三臨界值。
- 如請求項13所述的脈象量測方法,其中該第一臨界值小於該第二臨界值,且該第二臨界值小於該第三臨界值。
- 如請求項14所述的脈象量測方法,其中該第一臨界值為該第二臨界值的一半。
- 如請求項9所述的脈象量測方法,感測該脈象訊號是透過量測該目標手腕與該感測器之間的電壓值或電阻值,進而獲得複數個動態壓力值,以透過該複數個動態壓力值而獲得該脈象訊號。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109137691A TWI810495B (zh) | 2020-10-29 | 2020-10-29 | 用於脈診之脈象量測設備及脈象量測方法 |
CN202011417907.XA CN114424928A (zh) | 2020-10-29 | 2020-12-07 | 用于脉诊的脉象测量设备及脉象测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109137691A TWI810495B (zh) | 2020-10-29 | 2020-10-29 | 用於脈診之脈象量測設備及脈象量測方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202216057A TW202216057A (zh) | 2022-05-01 |
TWI810495B true TWI810495B (zh) | 2023-08-01 |
Family
ID=81308820
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW109137691A TWI810495B (zh) | 2020-10-29 | 2020-10-29 | 用於脈診之脈象量測設備及脈象量測方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114424928A (zh) |
TW (1) | TWI810495B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101049247A (zh) * | 2006-04-06 | 2007-10-10 | 香港理工大学 | 中医脉象传感器、三部九候脉象检测仪及脉象检测方法 |
CN110200601A (zh) * | 2019-06-17 | 2019-09-06 | 广东工业大学 | 一种脉象获取装置及系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1241521C (zh) * | 2000-02-28 | 2006-02-15 | 李伟成 | 用于中医诊脉过程中的脉压潜象探测法及其装置 |
TW201132333A (en) * | 2010-03-29 | 2011-10-01 | Neovictory Technology Co Ltd | Pulse diagnosis platform for Chinese medicine |
CN104665780A (zh) * | 2013-11-29 | 2015-06-03 | Ge医疗系统环球技术有限公司 | 脉象感测方法 |
CN109872806A (zh) * | 2017-12-04 | 2019-06-11 | 深圳市前海安测信息技术有限公司 | 中医四诊信息采集整合系统及方法 |
CN109864719A (zh) * | 2017-12-05 | 2019-06-11 | 深圳市前海安测信息技术有限公司 | 中医脉象检测分析系统及方法 |
-
2020
- 2020-10-29 TW TW109137691A patent/TWI810495B/zh active
- 2020-12-07 CN CN202011417907.XA patent/CN114424928A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101049247A (zh) * | 2006-04-06 | 2007-10-10 | 香港理工大学 | 中医脉象传感器、三部九候脉象检测仪及脉象检测方法 |
CN110200601A (zh) * | 2019-06-17 | 2019-09-06 | 广东工业大学 | 一种脉象获取装置及系统 |
Also Published As
Publication number | Publication date |
---|---|
TW202216057A (zh) | 2022-05-01 |
CN114424928A (zh) | 2022-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11281262B2 (en) | Detecting a gesture made by a person wearing a wearable electronic device | |
TWI457793B (zh) | 即時動作辨識方法及其慣性感測與軌跡重建裝置 | |
US10446059B2 (en) | Hand motion interpretation and communication apparatus | |
CN105824431B (zh) | 信息输入装置与方法 | |
TWI623297B (zh) | 用於獲取生理量測之系統與方法 | |
US8421634B2 (en) | Sensing mechanical energy to appropriate the body for data input | |
CN105159539B (zh) | 可穿戴设备的触控响应方法、装置及可穿戴设备 | |
EP3067883A1 (en) | Electronic device, method for recognizing playing of string instrument in electronic device, and method for providing feedback on playing of string instrument in electronic device | |
US20150323998A1 (en) | Enhanced user interface for a wearable electronic device | |
CN105045399B (zh) | 一种具有3d摄像组件的电子设备 | |
KR102269429B1 (ko) | 생리적 측정의 유용성 및 정확도를 향상시키는 방법 | |
CN108958636B (zh) | 一种智能字帖装置及字帖书写检测方法 | |
CN105302295B (zh) | 一种具有3d摄像组件的虚拟现实交互设备 | |
CN105068662B (zh) | 一种用于人机交互的电子设备 | |
CN108444436A (zh) | 一种基于柔性大变形传感器的手部姿态测量系统和方法 | |
CN107077200A (zh) | 基于反射的控件激活 | |
WO2022042200A1 (zh) | 人体成分检测的方法、系统、电子设备及存储介质 | |
TWI810495B (zh) | 用於脈診之脈象量測設備及脈象量測方法 | |
KR20160035497A (ko) | 스켈레톤 추출정보를 이용한 동작분석 기반의 체형분석 시스템 | |
Viana et al. | GymApp: A real time physical activity trainner on wearable devices | |
US20230027320A1 (en) | Movement Disorder Diagnostics from Video Data Using Body Landmark Tracking | |
JP2005091085A (ja) | 非接触型関節角度計測システム | |
WO2019134606A1 (zh) | 终端的控制方法、装置、存储介质及电子设备 | |
Pradeep et al. | Advancement of sign language recognition through technology using python and OpenCV | |
JP2009151516A (ja) | 情報処理装置および情報処理装置用操作者指示点算出プログラム |