第4期 冯冰，等：中医脉诊信号的无监督聚类分析研究 ·569· 4结束语 University of Technology,2014. [S]彭涛.脉象信号分析与中医脉象证型识别研究D苏州： 在中医研究中，脉象是对人体机能的状况进 苏州大学，2008 行分析的重要指标之一。一个有经验的中医，可 PENG Tao.Research on analysis of pulse signal and re- 以通过脉象的模式变换，判断出病症的紧迫性、 cognition of the tradition Chinese medicine syndrome[D]. 位置和相应的性征。脉诊的客观化也是中医客观 Suzhou,China:Soochow University,2008. 化研究中的一个重点。本文提出的一种客观化的 [6]李娜，邹小娟，王忆勤.支气管哮喘与慢性胃炎患者寸口 方法，首先是通过脉象信号取漂移预处理，然后 6部脉图的比较研究).世界科学技术-中医药现代化 进行归一化，再通过频域信息特征的提取和分 2015,172:343-349. 析，然后用其作为脉象信号识别过程中的输入向 LI Na,ZOU Xiaojuan,WANG Yigin.Comparative study 量，再采用模糊C均值的聚类方法，对脉象的信 on Cun-Kou six-pulse diagram between chronic gastritis 号进行识别。作为一种无监督的分析方法，它可 and bronchial asthma[J].World science and technology- modernization of traditional Chinese medicine,2015, 以在没有中医专家的参与下，进行脉象信号的粗 17(2)343-349. 分类的识别。也可以作为有监督时特征提取的依 [7]张冬雨.面向脉诊的脉搏信号与血流信号分类研究D] 据，进行进一步优化研究。 哈尔滨：哈尔滨工业大学，2010 本文旨在提出了一个无监督的脉诊客观化方 ZHANG Dongyu.Research on classification of pulse sig- 法。在中医专家对数据进行标注之前，先根据信 nal and blood flow signal for pulse diagnosis[D].Harbin, 号的特征，进行粗线条分类，为客观化提供依据。 China:Harbin Institute of Technology,2010. 同时，在解决医疗资源不匹配的问题上，粗分类 [8]郭红霞，王炳和，张丽琼，等.基于小波包分析和BP神经 可以扮演一个先期分诊的作用，可以用于人群分 网络的中医脉象识别方法.计算机应用研究，2006， 类的脉诊预判断（比如孕妇与非孕妇，心脏病人 23(6):185-187 与心脏健康人群)。在大数据的时代背景下，在医 GUO Hongxia,WANG Binghe,ZHANG Liqiong,et al. 院拥有更大规模的数据情况后，可以将无监督的 Recognition method of TCM pulse-conditions based on 算法进一步细化，从而为节省医疗资源，提高分 wavelet packet analysis and BP neural networks[J].Ap- 诊效率，做出进一步的贡献。 plication research of computers,2006,23(6):185-187 [9]ZHANG Shiru,SUN Qingfu.Human pulse recognition 参考文献： based on wavelet transform and BP network[Cl//Proceed- [1]魏红，徐刚.从中医整体、动态、平衡观论脉诊客观化研 ings of 2015 IEEE International Conference on Signal Pro- 究.中医杂志，2014,55(1)：25-27. cessing,Communications and Computing (ICSPCC). WEI Hong,XU Gang.Research on objectifying pulse ex- Ningbo,China,2015:1-4. amination from overall,dynamic and balanced view of tra- [10]王群，李敏，庞枫赛，等.一种基于时变自回归模型的抗 ditional Chinese medicine[J].Journal of traditional Chinese 运动干扰心率提取算法J.航天医学与医学工程，2016， medicine,2014,55(1):25-27 291):14-20. [2]刘磊，吴秋峰，张宏志，等.脉诊客观化研究综述.智能 WANG Qun,LI Min,PANG Fengqian,et al.A motion- 计算机与应用.2013.3(3)：20-24 resistant heart rate extracting algorithm based on TVAR LIU Lei,WU Qiufeng,ZHANG Hongzhi,et al.The objec- model[J].Space medicine and medical engineering,2016, tification research of pulse diagnosis[J].Intelligent com- 29(114-20. puter and applications,2013,3(3):20-24 [1]于璐.基于虚拟仪器的脉搏信号处理方法研究及应用 [3]洪光，高丹.中医脉诊客观化发展探析).国际中医中药 D].沈阳：中国医科大学，2009 杂志，2016,38(10：869-871. YU Lu.Research and application of pulse signal pro- HONG Guang,GAO Dan.Introduction and reflection on cessing methods based on virtual instrument[D].Shen the current status of objectification of Chinese pulse dia- yang,China:China Medical University,2009. gnosis[J].International journal of traditional Chinese medi- [12]王欣.中医三部脉象信号的采集及其关联性研究D].天 cine.2016.38(10:869-871. 津：天津大学，2014. [4]李凯.脉搏信号采集系统设计及算法研究D].天津：天 WANG Xin.The relevance of Cun-guan-chi pulse based 津理工大学，2014. on a signal collection system[D].Tianjin,China:Tianjin LI Kai.Design of pulse signal collecting system and re- University,2014. search of processing algorithm[D].Tianjin,China:Tianjin [13]徐黎明，宿明良，张广福，等.关脉信号数学分析法对比4 结束语 在中医研究中，脉象是对人体机能的状况进 行分析的重要指标之一。一个有经验的中医，可 以通过脉象的模式变换，判断出病症的紧迫性、 位置和相应的性征。脉诊的客观化也是中医客观 化研究中的一个重点。本文提出的一种客观化的 方法，首先是通过脉象信号取漂移预处理，然后 进行归一化，再通过频域信息特征的提取和分 析，然后用其作为脉象信号识别过程中的输入向 量，再采用模糊 C 均值的聚类方法，对脉象的信 号进行识别。作为一种无监督的分析方法，它可 以在没有中医专家的参与下，进行脉象信号的粗 分类的识别。也可以作为有监督时特征提取的依 据，进行进一步优化研究。 本文旨在提出了一个无监督的脉诊客观化方 法。在中医专家对数据进行标注之前，先根据信 号的特征，进行粗线条分类，为客观化提供依据。 同时，在解决医疗资源不匹配的问题上，粗分类 可以扮演一个先期分诊的作用，可以用于人群分 类的脉诊预判断 (比如孕妇与非孕妇，心脏病人 与心脏健康人群)。在大数据的时代背景下，在医 院拥有更大规模的数据情况后，可以将无监督的 算法进一步细化，从而为节省医疗资源，提高分 诊效率，做出进一步的贡献。 参考文献： 魏红, 徐刚. 从中医整体、动态、平衡观论脉诊客观化研 究[J]. 中医杂志, 2014, 55(1): 25–27. WEI Hong, XU Gang. Research on objectifying pulse ex￾amination from overall, dynamic and balanced view of tra￾ditional Chinese medicine[J]. Journal of traditional Chinese medicine, 2014, 55(1): 25–27. [1] 刘磊, 吴秋峰, 张宏志, 等. 脉诊客观化研究综述[J]. 智能 计算机与应用, 2013, 3(3): 20–24. LIU Lei, WU Qiufeng, ZHANG Hongzhi, et al. The objec￾tification research of pulse diagnosis[J]. Intelligent com￾puter and applications, 2013, 3(3): 20–24. [2] 洪光, 高丹. 中医脉诊客观化发展探析[J]. 国际中医中药 杂志, 2016, 38(10): 869–871. HONG Guang, GAO Dan. Introduction and reflection on the current status of objectification of Chinese pulse dia￾gnosis[J]. International journal of traditional Chinese medi￾cine, 2016, 38(10): 869–871. [3] 李凯. 脉搏信号采集系统设计及算法研究[D]. 天津: 天 津理工大学, 2014. LI Kai. Design of pulse signal collecting system and re￾search of processing algorithm[D]. Tianjin, China: Tianjin [4] University of Technology, 2014. 彭涛. 脉象信号分析与中医脉象证型识别研究[D]. 苏州: 苏州大学, 2008. PENG Tao. Research on analysis of pulse signal and re￾cognition of the tradition Chinese medicine syndrome[D]. Suzhou, China: Soochow University, 2008. [5] 李娜, 邹小娟, 王忆勤. 支气管哮喘与慢性胃炎患者寸口 6 部脉图的比较研究[J]. 世界科学技术–中医药现代化, 2015, 17(2): 343–349. LI Na, ZOU Xiaojuan, WANG Yiqin. Comparative study on Cun-Kou six-pulse diagram between chronic gastritis and bronchial asthma[J]. World science and technology￾modernization of traditional Chinese medicine, 2015, 17(2): 343–349. [6] 张冬雨. 面向脉诊的脉搏信号与血流信号分类研究[D]. 哈尔滨: 哈尔滨工业大学, 2010. ZHANG Dongyu. Research on classification of pulse sig￾nal and blood flow signal for pulse diagnosis[D]. Harbin, China: Harbin Institute of Technology, 2010. [7] 郭红霞, 王炳和, 张丽琼, 等. 基于小波包分析和 BP 神经 网络的中医脉象识别方法[J]. 计算机应用研究, 2006, 23(6): 185–187. GUO Hongxia, WANG Binghe, ZHANG Liqiong, et al. Recognition method of TCM pulse-conditions based on wavelet packet analysis and BP neural networks[J]. Ap￾plication research of computers, 2006, 23(6): 185–187. [8] ZHANG Shiru, SUN Qingfu. Human pulse recognition based on wavelet transform and BP network[C]//Proceed￾ings of 2015 IEEE International Conference on Signal Pro￾cessing, Communications and Computing (ICSPCC). Ningbo, China, 2015: 1–4. [9] 王群, 李敏, 庞枫骞, 等. 一种基于时变自回归模型的抗 运动干扰心率提取算法[J]. 航天医学与医学工程, 2016, 29(1): 14–20. WANG Qun, LI Min, PANG Fengqian, et al. A motion￾resistant heart rate extracting algorithm based on TVAR model[J]. Space medicine and medical engineering, 2016, 29(1): 14–20. [10] 于璐. 基于虚拟仪器的脉搏信号处理方法研究及应用 [D]. 沈阳: 中国医科大学, 2009. YU Lu. Research and application of pulse signal pro￾cessing methods based on virtual instrument[D]. Shen yang, China: China Medical University, 2009. [11] 王欣. 中医三部脉象信号的采集及其关联性研究[D]. 天 津: 天津大学, 2014. WANG Xin. The relevance of Cun-guan-chi pulse based on a signal collection system[D]. Tianjin, China: Tianjin University, 2014. [12] [13] 徐黎明, 宿明良, 张广福, 等. 关脉信号数学分析法对比 第 4 期 冯冰，等：中医脉诊信号的无监督聚类分析研究 ·569·