学位论文 > 优秀研究生学位论文题录展示

胆囊炎和肾病综合症脉象信号的特征提取与分类研究

作　者: 郭庆丽
导　师: 张大鹏
学　校: 哈尔滨工业大学
专　业: 计算机科学与技术
关键词: 脉象信号特征提取小波包最优基支持向量机
分类号: TP391.41
类　型: 硕士论文
年　份: 2008年
下　载: 47次
引　用: 0次
阅　读: 论文下载

内容摘要

中医诊断作为中国的国粹,已经有两千年的历史。脉诊作为中医“四诊”之一,在辨证论治中起着重要作用。然而,长期以来中医一直依靠指面感觉来体会患者桡动脉搏动时所提供的脉象信息,诊断时需借助于医师长期累积的经验,往往分歧较多。所以,脉诊的客观化研究具有重要的意义。中医学认为脉象反映了人体的整体功能,因而能为人体的很多疾病的性质和发展趋势的分析提供重要依据。目前,研究人员利用数字化脉象在高血压、冠心病等心血管疾病的诊断工作中取得了良好效果,但是尚未将脉象信息提高到整体角度或与其他脏腑相关的角度进行分析。针对这一问题,本文使用本实验室研制的脉象仪采集了正常人、胆囊炎患者和肾病综合症患者三类脉象信号样本,对人体其它脏腑病变与脉象之间的关系进行初步探索。由于脉象信号是一种微弱的生理信号,在采集过程中容易受到其它设备的电磁干扰,而引进高频噪声。本文采用了软阈值小波降噪方法,在去除高频噪声的同时很好地保留了信号本身的信息。同时被采集者的体动和呼吸会导致信号的基线产生漂移,为此本文采用简单有效的样条法对其进行了处理。另外,电源电压的波动还会使脉象信号产生畸变从而产生伪峰。针对原有的伪峰检测算法PPH中存在的缺陷,本文设计了基于时间比的伪峰检测算法并取得了良好效果。这些预处理操作为后文进行特征提取和模式分类奠定了基础。脉象特征的提取也是很重要的一个环节。脉象信号作为一种人体生理信号,中医学家对其结构进行了分析并给出了具有相应生理意义的14个时域特征。在此基础上本文对上述三类脉象信号样本进行观察和分析后提取了8维相对时域特征用于分类,实验表明这些相对时域特征的效果优于原有的时域特征。此外,脉象信号还是一种非平稳信号。在非平稳信号的处理技术中,小波和小波包都是常用的手段。小波变换用于特征提取时往往局限于其固定的时频分解形式而难以实现信号的精细分解。小波包的时频分解形式更加灵活,能够观察到信号中更加细微的差异。本文基于脉象信号的小波包最优基进行能量特征的提取,并在实验中取得了良好的效果。最后,本文基于上述特征采用K近邻、支持向量机进行分类实验。实验结果表明:时域特征在区分正常人组和胆囊炎组时效果较好;能量特征则在区分正常人组和肾病综合症组、胆囊炎组和肾病综合症组时效果较好。因此,本文尝试对脉象信息进行融合,包括特征融合和分类器融合,从而使识别率得到进一步提高达到76.44%。上述结果表明正常人组、胆囊炎组和肾病综合症组的脉象信号具有一定的可分性,客观化脉象可用于这两种疾病的辅助诊断。

全文目录

摘要  4-6
Abstract  6-10
第1章绪论  10-16
  1.1 课题来源  10
  1.2 课题背景及研究目的和意义  10-12
    1.2.1 课题背景  10-11
    1.2.2 研究目的和意义  11-12
  1.3 国内外研究现状  12-14
    1.3.1 脉象采集系统  12-13
    1.3.2 预处理及特征提取  13-14
    1.3.3 模式分类  14
  1.4 本文的主要研究内容  14-16
第2章脉象信号的采集和脉象数据库  16-22
  2.1 引言  16
  2.2 脉象信号的采集  16-20
    2.2.1 脉象采集系统  16-17
    2.2.2 脉象信号的采集  17-20
  2.3 脉象数据库  20-21
  2.4 本章小结  21-22
第3章脉象信号的预处理  22-33
  3.1 引言  22
  3.2 基于小波变换的脉象信号滤波处理  22-25
  3.3 去除基线漂移  25-28
  3.4 去除伪峰  28-32
  3.5 本章小结  32-33
第4章脉象信号的特征提取  33-48
  4.1 引言  33
  4.2 时域特征提取  33-41
    4.2.1 时域特征及其生理意义  33-35
    4.2.2 小波变换检测信号奇异点的原理  35-37
    4.2.3 时域特征的提取  37-41
  4.3 基于小波包最优基的能量特征提取  41-47
    4.3.1 小波包基本原理  42-43
    4.3.2 小波包最优基的选取  43-44
    4.3.3 脉象信号的小波包最优基  44-45
    4.3.4 能量特征的提取  45-47
  4.4 本章小结  47-48
第5章脉象信号的分类  48-62
  5.1 引言  48
  5.2 KNN 对脉象信号的分类  48-52
    5.2.1 KNN  48-49
    5.2.2 实验设计  49-50
    5.2.3 KNN 分类结果  50-52
  5.3 支持向量机对脉象信号的分类  52-58
    5.3.1 支持向量机(SVM)  52-54
    5.3.2 实验设计  54-55
    5.3.3 SVM 分类结果  55-58
  5.4 脉象融合技术  58-61
    5.4.1 特征融合  58-60
    5.4.2 分类器融合  60-61
  5.5 本章小结  61-62
结论  62-64
参考文献  64-68
攻读学位期间发表的学术论文  68-70
致谢  70

胆囊炎和肾病综合症脉象信号的特征提取与分类研究

内容摘要

全文目录

相似论文