• 中医脉象训练仪
• 智能型推拿手法参数测定仪
• 脉象采集仪
• 脉象模拟系统
• 针灸手法参数测定仪训练系统

脉搏信号的模式分类研究

脉诊自动识别和分类的实现是脉诊客观化的重要环节。脉搏信号经过了自动识别后，就可以更为完整地构建疾病与传统脉诊中症型间的关系。因此，国内外研究人员对脉搏信号的模式分类进行了精深细致的研究工作，其中涉及到的模式识别方法主要有，多因素脉图识别法、句法模式识别法、神经网络、模糊逻辑和聚类分析方法等。

脉象自动识别的实现方法，最早是由魏韧在20世纪80年代提出的多因素脉图识别法，该方法将中医切脉时的手指感应分成8份，每份不同的组合即构成脉象。此外，李景唐利用自主研发的MX-5型多功能中医脉象仪，对多因素脉图识脉法开展了进一步论证，分别利用寸、关、尺三个部位上的脉位趋势图、脉搏波图、脉道形态示意图和脉率趋势图，设计得到了27种中医脉象图，而且所得的脉象图的大部分得到了中医的首肯认可。

全黎明等提出句法模式识别法来处理脉象识别，其中设计使用基元表示脉搏，并引用树分类器。该方法的基本思想是，首先对脉搏波进行采样，然后抽取基元和提取基元属等，再利用树分类器完成分类，由于该方法摒弃了人工量测定义脉象图指标的思路，就为发掘提升医生诊断水平了有利契机。另外，陈荣山等还利用模糊集的概念来识别脉象。Lee等提出模糊聚类法识别人体脉象，并获得了较高的正确率。

随着研究进程的展开和深入，神经网络、模糊逻辑和聚类分析等方法也陆续加入到脉象的分类研究中。例如，Murthy等将提取的临床数据特征向量输入到神经网络中，并训练得到神经网络分类器，对脉搏进行分类。胡家宁等提出将弦、滑、沉脉的特用于训练网络，而且也用于识别，识别结果证明了采用人工神经网络识别脉象的现实可行。另外，Allen等比较了分别采用线判别、近邻和神经网络来对正常人和外周血管疾病病人进行有效识别，实验表明神经网络识别效果为最佳。

近年来，随着一些新近方法理论的提出和完善，其中已有一部分方法也逐渐地出现在脉搏特征分析与识别的相关研究中。例如，徐礼胜等提取改进的DTW分类器识别弦脉、涩脉、平脉、滑脉和芤脉，同时还提出了粗粒化方法和分解方法的分类器，识别七种以节律进行分的脉象。张冬雨等针对脉搏的形状提出了基于GEMK核两数与支持向量机分类器的脉搏信号形状分类方法。Chen等提出模糊均值分类器识别健康人和患病人的桡动脉超声血流信号。此外，Zhang等利用线判别分析分类器识别健康人和亚健康人的脉搏信号。截止到目前，虽然已有许多识别方法进入到脉搏信号的自动识别队列中，但还未能达到计算机完全自动识别的效果，仍需进一步推动研究向高端、智能发展。