[发明专利]一种动脉波的识别处理方法

说明书

本发明公开了一种动脉波的识别处理方法，具体步骤如下：采集脉搏波信号；提取周期信号；对周期信号进行降噪处理；将周期信号进行筛选；由筛选结果判断其是否为动脉波。本发明通过将筛选条件模型化对实时采集的脉搏波信号进行辨识，辨识过程简单、方便，辨识准确率高，解决现有的方法存在需要大量数据集且成本高昂的问题。

技术领域

本发明涉及一种信号处理方法，特别涉及一种动脉波的识别处理方法。

背景技术

在中医学中，脉象的形成不仅与心、脉、气、血有关，同时与其他脏腑的整体功能活动亦有密切关系，通常根据脉搏跳动的脉位、脉数、脉形、脉势四个方面将其分为沉、浮、迟、数、虚、实六大类。在中医的临床诊断与治疗中，脉象诊断（脉诊）是一个重要的诊断方法，脉象判断的正确与否关系到进一步的诊断。但脉象诊断技术主要由经验丰富的老中医掌握，年轻医师掌握较差并且诊断经验不足，同时缺乏客观的理论依据和诊断方法，给脉诊的普及带来了一定的困难；动脉特征为脉搏滑数有力，应指跳突如豆，搏动的部位较狭小，节律不够均匀的脉象，怎样通过可观测数据、量化形式给年轻医师提供诊断方向面临挑战。

近年来，由于新材料技术与电子计算机技术的迅猛发展以及向医学领域的渗透，促进了脉象信息的采集、处理、可视化等的进展，为脉象信号的客观理论依据奠定了基础。许多学者采用深度学习的方法进行脉象辨识，如陈松晔等在《基于深度学习和集成学习的脉象信号分析识别》一文中描述了其使用VGG网络结合递归图对中医脉象进行识别分类。研究授权公布号为CN113069091A的专利通过小波阈值降噪和ResNet深度深度学习模型对妊娠脉进行辨析。授权公布号为CN109558800A的专利模拟大脑分析过程筛选并构建高维度特征空间，并通过神经网络进行脉象进行识别。授权公布号为CN113080908A的专利公开了一种同时进行把脉和高血压预测的方法，可通过一次检测获得传统生理和现代生理参数。

上述发明可以很好的辨识脉象，且达到较高的准确率，但是用深度学习对硬件成本要求较高，操作较为复杂，本次发明成本较低，操作简便，经过识别处理优化后的数据，具有较高的准确性，大大提高了医师诊断的便利性和准确性。

发明内容

针对现有技术的不足，本发明提供一种动脉波的识别处理方法。

本发明采用如下技术方案：

一种动脉波的识别处理方法，包含如下步骤：

S1：信号采集：采用脉诊仪采集脉搏波信号，并对信号进行周期提取；

S2：降噪处理：滤除脉搏波信号中大于10Hz的噪声；

S3：信号筛选：经步骤S2处理得到的信号中，滤除主波波峰大于10mm的信号，滤除升支斜率小于11.43的信号，滤除信号中收缩期大于0.72秒的信号，滤除主波夹角小于42°的信号；

S4：动脉波判断：与步骤S2处理得到的信号相比，若经步骤S3处理后保留的周期信号占比大于等于80%，则判断该信号为脉搏波信号；若经步骤S3处理后保留的周期信号占比小于80%，则判断该信号为非脉搏波信号。

所述的一种动脉波的识别处理方法，其特征是：所述步骤S1具体为：

S1.1：将脉诊仪预设三个压力值以及三个采集点；

S1.2：以脉诊仪预设的三个压力值，分别在左手、右手处各三个采集点采集18组脉搏波信号，并对每组脉搏波信号进行周期提取。

所述的一种动脉波的识别处理方法，其特征是：所述步骤S1.2中，每组脉搏波信号的采集时间为4秒，每组脉搏波信号的数据点为500-800个，并通过数据点提取完整周期的脉搏波信号。

所述的一种动脉波的识别处理方法，其特征是：所述步骤S1中还包括：