基于脉搏信号的亚健康状态识别方法的研究

摘要

亚健康是指人的机体虽然没有明确的疾病，但呈现出活力降低，适应力呈不同程度减退的一种生理状态，是介于健康与疾病之间的一种生理功能降低的状态。它既可以向健康状态转化，又可以向坏的方向转化而进一步发展为各种疾病。亚健康已经成为当今危害人类健康的头号隐形杀手。由于没有器质性病变，通常不伴有明显的病理表现，现有的传统医疗检测设备，无法对机体的亚健康状态和导致功能低下的原因做出描述和判断。目前，亚健康状态的诊断主要靠一些生化指标和问卷调查，至今为止还未能提出同时具备无创、简便、快速、成本低、可重复采用、客观量化、敏感性和特异性高、能持续监测亚健康对个体的影响过程的测评方法。疲劳是导致亚健康的主要原因。本文从疲劳的角度入手，从理论上论证了基于脉搏信号分析对亚健康评估的可行性，并提出了一种通过脉搏信号分析来识别亚健康状态的方法。 中医学认为亚健康往往是人体阴阳失衡、脏腑功能失调的初始状态。脉搏信号中蕴涵着丰富的人体生理病理信息，是传递和窥视体内功能变化的窗口。因此，可以通过对脉搏信号的分析来对亚健康状态进行评估。 本文在综述国内外研究现状的基础上，系统地分析了中医脉象研究的工作流程和工作方法。用HK-2000C数字脉搏传感器构建了脉象信号采集系统，设计了数据采集实验方案，采集了60余名大学生志愿者的脉搏信号，并从中选择处于中度以上亚健康状态的数据17组，健康状态数据13组进行分析。然后采用具有良好的时频局部化及自适应特性的小波分析法，研究了人体脉搏信号的去噪问题，取得了较好的效果。并且根据脉搏信号的产生机理、性质，提取了功率谱峰值、功率谱重心及其频率，AR模型系数，SER值，Renyi信息量等多个特征量。经对30例样本的分析识别检验，结果表明：功率谱峰值和峰值频率作为特征量能取得比较好的识别效果，识别正确率达到了86.7％，对17例亚健康状态仅有2例未能正确识别。功率谱重心和重心频率作为特征量也取得了80％的识别率，对AR模型系数的分类正确率也达到了76.7％，结果令人满意。Renyi信息量被引入到脉搏信号识别当中，取得了73.3％的识别率。SER值是比较常用的一种脉搏信号的频域特征，从分类效果来看SER值并不能很好的识别亚健康状态。文中还就线性判别式分析(LinearDiscriminantAnalysis，LDA)和支持向量机(SupportVectorMachine，SVM)的识别结果进行了比较。应用LDA取得了较好的识别结果。应用SVM也取得了一定的效果，但在其核函数选择以及参数调整方面均需要参考经验值而确定，在实际应用中推广性较差。最后介绍了亚健康状态识别系统的软件设计与实现。

目录

文摘

英文文摘

论文说明：插图索引、附表索引

兰州理工大学学位论文原创性声明及学位论文版权使用授权书

第1章绪论

第2章亚健康与脉搏信号的基础知识

第3章脉搏信号的采集和预处理

第4章脉搏信号的分析与特征提取

第5章脉搏信号的模式识别

第6章亚健康识别系统的软件设计

总结与展望

参考文献

致谢

附录A亚健康状态自评表(SRSHS)

附录B攻读学位期间所发表的学术论文目录