论文部分内容阅读
脉诊作为传统中医的一部分,在临床诊断中占有不可或缺的地位。中医在脉诊时根据主观感受和长期的经验对患者进行诊断,缺乏客观的评价标准。针对以上问题,本文将多种信号分析方法和机器学习算法综合应用于脉象信号的分析识别中,并开发了中医脉诊信息采集分析系统,为脉诊的客观化和智能化打下一定的基础。本文的主要内容可分为以下三部分:第一,本文采用Lyapunov指数对脉象信号进行非线性分析,表明其具有一定的混沌特性。在此基础上,采用非线性动力学方法将脉象信号转换为无阈值递归图,避免因阈值选取不当而导致大量细节特征的丢失。通过卷积神经网络对无阈值递归图进行特征的自学习,建立脉象信号分类模型。实验结果表明该方法可以获得较好的分类效果。第二,为了更好地利用不同脉象信号分析方法的优势,本文结合时域、时频域和非线性动力学三种分析方法,提出了基于Stacking方法的脉象信号集成分类模型(ResNet and SVM based Stacking Networks,RSSN)。采用SVM建立时域及时频域特征的分类模型,采用ResNet建立无阈值递归图的分类模型。通过Stacking方法集成SVM和ResNet分类模型,可以在一定程度上结合不同模型的优势。实验结果表明RSSN可以有效提升脉象信号的分类准确率,具有优异的性能。第三,本文设计并开发了中医脉诊信息采集分析系统。该系统采用Visual Studio 2015开发工具和DuiVision界面库,实现了患者基本信息和脉象信号的采集,并依据提取的特征对脉象信号进行分析与识别。在脉象八因素的基础上,本文结合阈值法和RSSN提出了一种适用于常见29种脉象的分类框架,并根据现有数据集建立了部分因素的分类模型。最后,采用MySQL数据库实现了数据的存储和查询功能。