一种面向胰腺炎患者的脉搏病理特征挖掘方法与流程

1.本发明属于中医脉象采集系统技术领域，具体涉及一种面向胰腺炎患者的脉搏病理特征挖掘方法。


背景技术：

2.中医在世界医学体系中占据着很重要的地位，中国诊脉学在医学领域已经有了两千多年的经验总结，积累了丰富的经验，也成为中医“望、闻、问、切”中最具有代表性的诊断方式之一。目前，切脉诊断主要还是靠中医医师用手触摸患者的脉络进行诊断，但是这种诊断方式主客体不同对诊断结果影响较大，脉象的诊断没有定量的数据，缺乏客观性。随着传感器、人工智能技术的发展，计算机辅助医疗获得广泛的应用。
3.通过更多的人体信息精确的对脉搏脉象进行分析和诊断，并进行多模态信息采集对于中医的脉象诊断有着重要的意义。
4.血液流经人体全身，人体的生理变化可以影响手臂动脉内血管压力的变化，在传统中医理论中，脉搏包含了人体多种信息。脉搏是一种准周期信号，对脉搏信号进行预处理并周期划分后，其单周期脉搏能反映出多种人体生理与病理信息，如年龄、性别、身体状况、健康状况等。但是目前中医医师在进行诊断的时候利用手工测量仅凭经验和进行脉诊，这就造成诊断结果的不确定性。


技术实现要素：

5.本发明所要解决的技术问题在于针对上述现有技术的不足，提供了一种面向胰腺炎患者的脉搏病理特征挖掘算法，该算法通过对比胰腺炎患者脉搏与非胰腺炎患者脉搏，提出胰腺炎患者的特征设计公式，包括稳定性指数和双波峰指数，与非胰腺炎患者相比，脉象胰腺炎患者的脉象有两个峰值和明显的凹弧结构，上述两个特征能很好的描述脉搏单周期信号的稳定性，将以上两种病理特征与基本时域特征融合，用于训练分类模型，实现疑似胰腺炎患者的初步分类，分类效果较好。
6.为解决上述技术问题，本发明采用的技术方案是：一种面向胰腺炎患者的病理特征挖掘方法，其特征在于，该方法包括：
7.获取打上标签的样本脉搏信号曲线，所述标签用于区分样本脉搏信号曲线对应的个体是非胰腺炎患者或者胰腺炎患者；
8.对样本脉搏信号曲线按周期划分，得到每个单周期曲线；
9.提取每个单周期曲线的基本时域特征；
10.提取每个单周期曲线的稳定性指数和双波峰指数作为对应单周期曲线的胰腺炎的病例特征，双波峰指数表示单周期曲线内两个峰值和明显的凹弧结构；稳定性指数用于表现单周期曲线后半部分的变化率；
11.将所有样本的脉搏信号曲线的基本时域特征、胰腺炎的病例特征组成输入特征向量，输入到分类模型并以所有样本对应的标签进行监督，进行训练，获得训练好的分类模
型。
12.优选地，所述标签分为患者标签和非患者标签；
13.训练好的分类模型还包括：
14.获取待诊断人员的脉搏信号曲线；
15.在待诊断人员的脉搏信号曲线中，将所有单周期曲线的基本时域特征、胰腺炎的病例特征组成特征向量输入到训练好的分类模型中，得到诊断标签集；诊断标签集中每个标签与单周期曲线一一对应；
16.若诊断标签集中患者标签的出现频率大于预设门限，则确定待诊断人员为疑似胰腺炎患者。
17.优选地，提取每个单周期曲线的稳定性指数具体为：通过在单周期曲线内选取多个采样点，并通过第一公式进行计算得到每个采样点的方差，所述所有采样点的方差用于表示每个单周期曲线所述脉搏单周期信号的稳定性指数，所述第一公式如下：
[0018][0019]
所述第一公式中，n表示单周期曲线内采样点的个数，n表示样本脉搏信号曲线整个周期内采样点的个数，sf表示采样频率，t表示采样点的起始位置，di表示i处采样点的方差，其中i取0至n的正整数，参数xi表示横坐标i处采样点的绝对坐标值，xi表示i处采样点的横坐标，yi表示i处采样点的纵坐标。
[0020]
优选地，所述采样频率为人体脉搏的跳动频率的2倍值。
[0021]
优选地，提取每个单周期曲线的双波峰指数具体为：在单周期曲线内选取多个采样点，通过计算得到非胰腺炎患者每个采样点纵坐标数值的均值，并通过第二公式计算单周期曲线内两个波峰之间采样点纵坐标数值与非胰腺炎患者同样采样点纵坐标数值的均值的之差的和，该和用作双波峰指数；所述第二公式如下：
[0022][0023][0024]
所述第二公式中，y表示采样点纵坐标的数据集，n表示样本脉搏信号曲线整个周期内采样点的个数，n表示单周期曲线内采样点的个数，t表示单周期脉搏信号曲线内纵坐标数值最高的点，t表示单周期曲线内纵坐标数值次高的点，sf表示采样频率，a表示正常人每个采样点纵坐标数值的均值，bi表示胰腺炎患者i处采样点纵坐标数值与a的差值的和。
[0025]
优选地，每个单周期脉搏信号曲线的基本时域特征包含脉搏第一波峰高度、第二波峰高度、第三波峰高度、第一波峰到第二波峰的时间间隔、第二波峰到第三波峰的时间间隔、脉搏起始点到第一波谷的时间间隔、第一波谷到第二波谷的时间间隔和第二波谷到脉搏起始点的时间间隔。
[0026]
优选地，所述待诊断人员的脉搏信号曲线为至少一个单周期的脉搏信号曲线。
[0027]
优选地，所述分类模型采用svm核方法训练。
[0028]
本发明与现有技术相比具有以下优点：
[0029]
1、本发明基于中医原理，发现了胰腺炎患者的脉搏图像较正常人独有的病理性特征，为了能使这些特征和区别具象化，设计了两种算法用于将胰腺炎的两种病理特征通过数据体现出来，两种病理特征为稳定性指数和双波峰指数并结合单周期脉搏信号曲线基本时域特征去训练分类模型，采用训练好的分类模型用于初步诊断待诊断人员是否患病。
[0030]
2、本发明基于中医原理利用计算机对胰腺炎进行检测尚属首次，通过待诊断人员的脉搏信号曲线，输入到训练好的分类模型中去判定待诊断人员是否是疑似胰腺炎患者，分类的准确率高达95％以上，其中对于年轻患者的准确度甚至接近于100％。老年受试者因为年纪较大，血管弹性会下降，典型的脉搏图像特征的波峰结构会变得不太明显，因此比年轻患者的诊断准确度有所降低，该实验模型对于胰腺炎以及其它慢性疾病检测具有非常良好的实验效果，并且准确率极高。
[0031]
下面通过附图和实施例对本发明的技术方案作进一步的详细说明。
附图说明
[0032]
图1是本发明实施例的训练分类模型的流程框图。
[0033]
图2是正常人的单周期的脉搏信号曲线。
[0034]
图3是胰腺炎患者的脉搏信号曲线。
[0035]
图4是本发明单周期的脉搏信号曲线的基本时域特征。
具体实施方式
[0036]
本实施例公开了一种面向胰腺炎患者的脉搏病理特征挖掘方法，该方法为：
[0037]
s101、获取打上标签的样本脉搏信号曲线，所述标签用于区分脉搏信号曲线为非胰腺炎患者和胰腺炎患者的脉搏信号曲线，标签可以定义为：非胰腺炎患者标签为“1”，胰腺炎患者标签为“0”；
[0038]
获取打上标签的样本脉搏信号曲线的具体为：采集多位非胰腺炎患者和多位胰腺炎患者的脉搏数据，分别对采集的脉搏数据进行预处理，再以采集的时间为横坐标，以脉搏的脉冲振幅为纵坐标，绘制脉搏信号曲线，从而获取到打上标签的样本脉搏信号曲线；脉搏数据的预处理是基于现有技术进行的，如采用巴特沃兹算法进行信号滤波，对滤波后的信号去除基线漂移，采用平滑函数再次处理信号，使得绘制脉搏信号曲线曲线光滑；
[0039]
s102、脉搏数据周期划分：人体脉搏是一种准周期信号，每个脉搏周期都有着类似的周期、振幅与波形，但这些特征又因人而异，因此对非胰腺炎患者和胰腺炎患者所绘制的脉搏信号曲线进行周期划分，得到每个单周期曲线，研究每个单周期脉搏信号曲线就能获得代表该曲线采集者的脉搏曲线特征；
[0040]
s103、提取每个单周期曲线的基本时域特征；所述基本时域特征包含单周期曲线的第一波峰高度、第二波峰高度、第三波峰高度、第一波峰到第二波峰的时间间隔、第二波峰到第三波峰的时间间隔、脉搏起始点到第一波谷的时间间隔、第一波谷到第二波谷的时间间隔和第二波谷到脉搏起始点的时间间隔；
[0041]
s104、提取每个单周期曲线的稳定性指数，稳定性指数用于表现单周期曲线后半部分的变化率，对于区别胰腺炎患者和非胰腺炎患者有分类意义；
[0042]
s105、提取每个单周期曲线的双波峰指数，双波峰指数表示单周期曲线内两个峰值和明显的凹弧结构；由于正常人的双波峰指数大于胰腺炎患者的双波峰指数，
[0043]
则提取每个单周期曲线的稳定性指数和双波峰指数作为对应单周期曲线的胰腺炎的病例特征；
[0044]
s106、将所有样本的脉搏信号曲线的基本时域特征、胰腺炎的病例特征组成输入特征向量，输入到分类模型并以所有样本对应的标签进行监督，使用svm核方法训练分类模型，获得训练好的分类模型。
[0045]
本实施例中，所述非胰腺炎患者为身体健康、无任何疾病的正常人；所述脉搏数据的采集是通过脉搏传感器等类似仪器测量非胰腺炎患者或者胰腺炎患者的脉搏，进行进行收集采集，然后将采集的脉搏数据上传至计算机中用于疾病检测研究。采集时选取非胰腺炎患者57名，胰腺炎患者7名，分别在每天几个时间段测量，且连续几天测量获取脉搏数据，该脉搏数据由中国人民解放军第211医院提供。
[0046]
本实施例中，提取每个单周期曲线的稳定性指数具体为：通过在单周期曲线内选取多个采样点，并通过第一公式进行计算得到每个采样点的方差，所述所有采样点的方差用于表示每个单周期曲线所述脉搏单周期信号的稳定性指数，所述第一公式如下：
[0047][0048]
所述第一公式中，n表示单周期曲线内采样点的个数，n表示样本脉搏信号曲线整个周期内采样点的个数，sf表示采样频率，t表示采样点的起始位置，di表示i处采样点的方差，其中i取0至n的正整数，参数xi表示横坐标i处采样点的绝对坐标值，xi表示i处采样点的横坐标，yi表示i处采样点的纵坐标。
[0049]
如图2和图3所示，与正常人脉搏相比，胰腺炎患者的脉象(在所考虑的区域范围内)有两个峰值和明显的凹弧结构，该特征能很好的描述脉搏单周期信号的稳定性，并能描述脉搏中峰值个数与凹弧程度。因此，本实施例中，提取每个单周期曲线的双波峰指数具体为：在单周期曲线内选取多个采样点，通过计算得到非胰腺炎患者每个采样点纵坐标数值的均值，并通过第二公式计算单周期曲线内两个波峰之间采样点纵坐标数值与非胰腺炎患者同样采样点纵坐标数值的均值的之差的和，该和用作双波峰指数；所述第二公式如下：
[0050][0051][0052]
所述第二公式中，y表示采样点纵坐标的数据集，n表示样本脉搏信号曲线整个周期内采样点的个数，n表示单周期曲线内采样点的个数，t表示单周期脉搏信号曲线内纵坐标数值最高的点，t表示单周期曲线内纵坐标数值次高的点，sf表示采样频率，a表示正常人
每个采样点纵坐标数值的均值，bi表示胰腺炎患者i处采样点纵坐标数值与a的差值的和。
[0053]
如图4所示，单周期脉搏信号的基本时域特征包括：从脉搏起始点开始脉搏第一波峰高度h1、第二波峰高度h2、第三波峰高度h3、第一波峰到第二波峰的时间间隔ta，第二波峰到第三波峰的时间间隔tb，脉搏起始点到第一波谷的时间间隔t
2-t1，第一波谷到第二波谷的时间间隔t
3-t2，第二波谷到脉搏起始点的时间间隔t
3-t1。
[0054]
本实施例中，训练好的分类模型还包括：
[0055]
s201、获取待诊断人员的的脉搏信号曲线；
[0056]
s202、在待诊断人员的脉搏信号曲线中，将所有单周期曲线的基本时域特征、胰腺炎的病例特征组成特征向量输入到训练好的分类模型中，得到诊断标签集；诊断标签集中每个标签与单周期曲线一一对应；
[0057]
s203、若诊断标签集中患者标签的出现频率大于预设门限，则确定待诊断人员为疑似胰腺炎患者。
[0058]
本实施例中，所述待诊断人员的脉搏信号曲线为所述待诊断人员的脉搏信号曲线为至少一个单周期的脉搏信号曲线。
[0059]
经选择已确诊的患者和非患者，对训练好的分类模型进行验证，验证结果显示，采用本发明方法初步分类的待诊断人员最后确诊为胰腺炎患者的准确率95％以上，尤其对于年轻患者的准确度甚至接近于100％。老年受试者因为年纪较大，血管弹性会下降，典型的脉搏图像特征的波峰结构会变得不太明显，因此比年轻患者的诊断准确度有所降低，该实验模型对于胰腺炎具有非常良好的实验效果，并且准确率极高。
[0060]
以上所述，仅是本发明的较佳实施例，并非对本发明作任何限制。凡是根据发明技术实质对以上实施例所作的任何简单修改、变更以及等效变化，均仍属于本发明技术方案的保护范围内。