中医脉象的BP 神经网络分类方法研究

基于BP神经网络的脉搏触压觉与血压关系分析【摘要】本研究旨在探究脉搏触压觉与血压之间的关系，自制的脉搏图像采集系统获得触压觉参数的同时，通过袖带法得到动脉血压值，并进行二者关系预测。

首先在不同切脉压力下，采集探头的薄膜搏动视频图像，并从中提取脉搏信号的脉幅最大值、重心频率、功率谱密度最大值等时频域特征。

然后采用反向传播神经网络对动脉血压的舒张压和收缩压进行分析。

实验结果表明通过以上特征参数可以较准确地预测出血压值。

【关键词】脉搏触压觉;动脉血压;脉搏信号;BP神经网络Abstract：The relationship between pulse touch-pressure sensation and blood pressure based on BP network is analysed in this paper.Specifically，the parameters of the former are obtained by applying the self-made pulse image acquisition system.The latter is gained by way of cuff measurement，where the relation of them is predicted.Firstly，when pulse-taking pressures are different，the video images of the probe’s thin film pulse are collected，from which some certain time and frequency domain’s features are attracted.Then，the BP network is used to predict the diastolic and systolic arterial blood pressure.Finally，it is concluded that being based on above-mentioned parameters，the prediction of the precise blood pressure can be achieved.Key words：pulse touch-pressure sensation;arterial blood pressure;pulse signal;BP network1.引言动脉血压是反映心血管功能的重要生理参数，是临床上诊断疾病的重要依据。

中图分类号：Ｔ ８ Ｐ１３
文献标识码：Ａ
文章编 号：１０ ８３２１）６ ０６０ ０７６８（０００— ３—６ ０
舌诊 是 中医学 颇 具特 色 的 诊 断方法 之 一 ，早在 《 帝 内经 》和 《 寒论 》等 古典 医籍 中就 有 中 黄 伤 医舌 诊的记 载 ，冈其在疾 病 的诊 断利 治疗 中突显作 用 ，在 临床 医学 莉ｌ 物 医学上 引起广 泛 的关注 ．但 生
用Ｂ 算 法或 改进型ＢＰ算法 的 网络模 型 ．它 是前馈 式神经 网络 的经典 算法 ．实践证 明Ｂ Ｐ Ｐ算法有 以下优
点：预测 精度总 的米 说较 高 、健 壮性 好 ，当训练样 本 中包含 错误 时也 可 以正常工 作 ；输 出可能是 离散
值 、连续 值或是 离散 或量化 属性 的 向量值 ；对 目标进 行快速 分类等 ． 在 业控 制如ＤＣ ＤＣ 换器 的智 — 变 能控制 、语音识 别 、 像处理 如手 写体识别和 像压缩 等方面 已成 功获得应 用 『． ２ Ｊ
＝１ ｋ ｌ ＝ ＝１
）； ） 。
ｆ１ ４均方根误 差计 算 ：
ｅ ＝＝ ＝
式 中，Ｐ 示训练 的样 本数 ，ｍ为 网络输 出单元 个数 ，ｄ 示期 望值学 习率 是一 个重 要 的关 键 ，它 在 很大 程 度 上 决定 了 网络 的收敛 速度 、 训 练 结果等 ．冈此必 须确 定适 当的 学 习率 ：太小 的学 习率 会导 致 网络 学 习得 非 常慢 ，太 大 的学 习率则会
ｊ 一 代表 第１ 的节 点ｉ 层 与第２ 的节 点Ｊ 间 的连 接 权 层 之
其 中 网络 的 输 入 ，Ｏ（）网络 的输 出 ， 一 一
ｆ） ３单样 本误差 公式 ：
一 代表 第２ 的节 点 层 与第 ３ 的节 点 之 间的连接权 值 ； 层

人工神经网络（Artificial Neural Network，简 称ANN ），以数学模型模拟神经元活动，是 基于模仿大脑神经网络结构和功能而建立的一 种信息处理系统。
BP 神经网络分类器的基本原理
BP 神经网络的结构 BP 神经网络的学习算法
BP 神经网络输出的计算过程 改进的动量- 学习率自适应调整快速BP 算法
脉象识别的BP 网络结构和训练过程
脉象种类及其特征提取 网络结构 网络训练
脉象种类及其特征提取
本文研究常见的六种脉象：平脉、弦脉、滑脉、 细脉、缓脉、数脉。
从脉象信号的三种谱图（功率谱、倒谱和传递 函数）分析所获得的15 个特征参数中，选取7 个特征参数作为模式分类的特征分量，即BP 网络的输入矢量X={x1，x2，⋯，x7}的各分量 分别代表脉象三种谱图如下特征的归一化值x1： 脉象信号功率谱的基频；x2：功率谱的谐波个 数；x3：功率谱谱能比；x4：倒谱零分量的大 小；x5：第一倒谐波幅值与零分量之比；x6： 传递函数的共振峰个数；x7：共振峰平均间距。
Vki为输出层第k 个神经元与隐层第i 个神经元 的连接权值，βk为输出层第k 个神经元的阈值。
改进的动量- 学习率自适应调整快速BP 算法
设输入给网络的学习样本为{x1p，x2p，⋯， xnp;yˆkp}，p=1，2，⋯，P，P 为样本数；y!kp 为网络的期望输出。对某一样本{x1p，x2p，⋯， xnp；yˆkp}，在给出网络的连接权值和阈值的 初值之后，可计算出网络的输出值ykp。 则定义网络的输出误差为：
识别实验及结果
BP 网络输出层给出的一组检验样本的隶属度 结果：
将240 个检验样本（其中120 个样本是训练样 本）输入给网络进行脉象分类检验。。对240 个脉象样本识别采用“最大原则”作为判据归 类。在识别实验中发现，对学习过的样本，识 别分类的准确率很高（100%）；但对未学习 过的样本，识别准确率相对较低，平均准确率 为88.80%。

中医脉象的BP神经网络分类方法研究
郭红霞;师义民
【期刊名称】《计算机工程与应用》
【年(卷),期】2005(041)032
【摘要】为了实现中医脉象的客观、准确分类,文章提出了一种基于BP神经网络的脉象识别方法.考察了隐层节点数对网络收敛速度、识别正确率的影响以及学习率对收敛速度的影响,改进了网络训练算法.并选取了较好的学习率参数对脉象信号进行了网络训练,获得了满意的网络收敛误差和识别精度.最后用大量临床脉象样本对网络和算法进行了检验,实验结果表明该方法能够实现对中医常见脉象的准确、快速分类.
【总页数】3页(P187-189)
【作者】郭红霞;师义民
【作者单位】中国人民武装警察部队工程学院基础部,西安,710086;西北工业大学应用数学系,西安,710072;西北工业大学应用数学系,西安,710072
【正文语种】中文
【中图分类】TP183
【相关文献】
1.BP神经网络识别在中医脉象信号辨识系统中的运用 [J], 岳沛平
2.中医学脉象训练仪与维吾尔医学脉象分类对比研究 [J], 甫拉提·孜亚旦;阿不力米提·阿巴斯;居来提·托合提;艾克拜尔·买买提
3.人工神经网络在中医脉象识别分类研究中的应用概况 [J], 燕海霞;王忆勤;宫爱民;付晶晶;钱鹏;员凤英
4.基于小波分析和BP神经网络识别的中医脉象信号辨识系统 [J], 岳沛平;李训铭
5.基于小波包分析和BP神经网络的中医脉象识别方法 [J], 郭红霞;王炳和;张丽琼;师义民
因版权原因，仅展示原文概要，查看原文内容请购买。