无线脉搏波测量及性别区分

2010，46（35） 1 前言 人体脉搏波中包含了丰富的生理病理信息。按中医脉象理 论，人体运行状况可通过脉搏波体现出来，并由经验丰富的中医 通过切脉这一过程并结合其自身经验转化为对人体综合运行情 况的判断，进而指导养生和治疗。而按照西医解剖学观点看，人 体的心血管循环系统是由心脏、血管以及所含的血液组成的统 一整体，并在中枢神经控制系统调节下，完成血液循环过程， 在这一过程中，脉搏波的表现不仅受到心脏的调制，同时还会 受到各级动脉及其分支的影响，以及各种生理病理因素如血 管阻力、血管壁弹性和血液粘性等的影响。因此，脉搏波的形 态、强度与节律等特征隐含了人体许多生理和病理特征[1]。 本文设计并实现了一种基于在体传感网的脉搏波测量装置， 它充分利用无线传感器灵活方便的特点，不影响被测对象日常 行动，可应用在远程医疗、家庭护理、老年看护等领域；采用多种 方法提取了脉搏波特征，并据之对被测对象进行分类和鉴别。 2 基于在体传感网的脉搏波测量实验平台 在体传感网技术基于现代传感器技术和低功耗近距离无 线通信技术，通过在人体上或人体内布置多个微型无线传感器 并利用其自组织组网，可实现对人体生理体征的连续测量，被认 无线脉搏波测量及性别区分 ——基于在体传感网的多点测量应用 张 伟 1，2，颜仕星 1，2，李国正 1 ZHANG Wei1，2，YAN Shi-xing1，2，LI Guo-zheng1 1.同济大学 电子与信息工程学院 控制科学与工程系，上海 201804 2.同济大学 嵌入式系统与服务计算教育部重点实验室，上海 201804 1.Dept. of Control Sci. and Eng.，School of Electronics and Information Engineering，Tongji University，Shanghai 201804，China 2.Key Laboratory of Embedded System and Service Computing，Ministry of Education，Tongji University，Shanghai 201804，China E-mail：zhang_wi@tongji.edu.cn ZHANG Wei，YAN Shi-xing，LI Guo-zheng.Wireless human pulse measurement and gender distinguishment analysis—— body sensor network based multi-point measurement application.Computer Engineering and Applications，2010，46（35）： 231-234. Abstract：Human pulse records contain rich physiology and pathology information，which are emphasized in traditional Chi- nese medical science.A body sensor network based pulse measurement system is developed.The wireless sensor integrates the high sensitive PVDF pulse sensor and near field communication module.It’s proved to be convenient and effective without too much inference to the subject’s daily activities.Based on the pulse records collected from health subjects，multi time spa- tial features are compared in the gender distinguishment problem.SVM（Support Vector Machine） is used for the classification. The results show that the frequency domain feature leads to 56% correctness rate，which gives positive indications，and the time domain feature isn’t effective enough in the experiment. Key words：body sensor networks；traditional Chinese medical informatization；pulse measurement；time-spatial feature extrac- tion；gender distinguishment 摘 要：人体脉搏波中包含着丰富的生理病理信息，在中国传统医学中深受重视。基于脉搏波测量传感器和在体传感器网络通 信技术，设计并实现了一种无线脉搏波测量装置，使测量过程更加方便灵活，并能远程进行。在实测数据的基础上，引入多种时 频特征提取方法和支持向量机进行了男女性别区分的探索，频域特征准确率为 56%，时域特征作用不明显。实验结果支持了中 医界对切脉判定性别的说法，并说明频域特征对性别区分是有一定启示作用的。 关键词：在体传感网；中医信息化；脉搏波测量；时频特征提取；性别区分 DOI：10.3778/j.issn.1002-8331.2010.35.067 文章编号：1002-8331（2010）35-0231-04 文献标识码：Ａ 中图分类号：TP393.05 基金项目：国家自然科学基金（the National Natural Science Foundation of China under Grant No.60873129）；教育部重点实验室开放课题基金。 作者简介：张伟（1975-），男，博士，讲师，研究领域为无线传感器网络；颜仕星（1988-），男，硕士生，研究方向为在体传感器网络；李国正（1977-）， 男，博士，副研究员，研究领域为机器学习、中医信息学。 收稿日期：2010-04-15 修回日期：2010-09-27 Computer Engineering and Applications计算机工程与应用 231 Computer Engineering and Applications计算机工程与应用2010，46（35） 为是未来远程医疗和监护的关键技术之一[2-3]。由于传感器本 身体积较小且采用无线通信，因此可贴近被测区域方便佩戴 甚至植入人体，且无线传感器内部通常都直接集成变换、测量 和处理环节，在一定程度上也有助于提高测量结果的信噪比。 典型的在体传感网架构如图 1所示，多个微型无线传感器 可佩戴于被测部位，彼此间通过低功耗近距离无线通信技术 通信，组成一张微型无线体域网。根据需要测量结果数据，可 以直接在无线传感器结点中完成一些预处理，也可汇聚到数 据收集结点（sink），并由 sink再次通过无线方式传递给后台计 算机，进行进一步分析。 实验平台选取了HK-2000 PVDF压电薄膜微型震动传感 器来采集脉搏波信号，并利用中科院计算所宁波分所的 GAINZ无线结点实现A/D变换和近距无线通信，配套软件采 用本课题组的OpenWSN开源传感器网络操作系统[4]。所有在 体传感器的数据首先汇聚到一个数据收集结点，然后进一步 通过无线方式发送给后台计算机进行存储和分析。 基于在体传感网的脉搏波测量对人体正常生理和生 活活动影响较小，有助于实现连续在体测量，特别是捕获被测 对象在正常生活中的体征数据。缺点主要是对测量手段和测 量过程都提出了新挑战，数据噪音较大。这一点在实际实验 中，仍然是通过要求被测对象静休，避免剧烈活动并辅以小波 降噪算法改善。 3 脉搏波的特征提取 中医的脉象在本质上是对脉搏波各种模式的和抽 象，从模式识别的角度看，这也是一类典型的“特征提取+分 类”问题。中医中所陈述脉象的浮沉、虚实、长短、疾迟特征， 以及长期实践总结出来的 28种脉象与脉搏波的具体形态，也 是具有密切关联关系的。但是长期起来，基于计算机的自动 化脉象辨识还未得到中医界全体的广泛认可，主要原因还是 在于计算机测控和辨识手段在效果和可靠性上还无法代替经 验丰富的老中医，但是作为中医现代化、科学化和对中医科学 规律的探索，自动化脉象辨识的重要性也正在被中医界所认 识和关注。为什么先进的测控手段还无法代替老中医的切脉 过程呢?大致有如下几个原因： （1）人作为生物体具有生物体的典型特性，即各个个体的 离散性非常大，难以象非生命的物理和机械系统那样得到易 于重现的结果，特别是中医的判断结果目前仍是以定性为主， 这都导致样本判读结果差异很大； （2）现有的脉象仪传感器在模仿人的手指触觉传感器方 面尚有不足； （3）绝大多数脉象仪在模仿老中医的切脉过程上还有所 欠缺，单纯的接触力传感不能完全反映切脉的本质； （4）脉搏波数据分析的手段还不到位。 其中的（2）、（3）两点直接影响测量出的脉搏数据中所能携 带的信息量；第（4）点则主要与特征提取过程有关，所提取的特 征是否能保留最关键的脉象模式特征很值得深究，这需以大 量的数据积累和样本标定为工作基础。但是也应看到，以脉 象仪为代表的脉搏波测量和分析仪器，在脉象模式的化、 推动中医客观化和经验传承方面，具有不可忽视的重要作用。 3.1 脉搏波基本时域特征提取 脉搏波的特征提取方法有很多，但是从信号处理的角度 看，大致上可归结为时域特征、频域特征和时频联合特征。时 域特征主要关注波形方面的特征，例如脉搏波中的若干特征 点的位置[5]，常见的特征点包括波形中几个关键的波峰、波谷 点的位置和大小，以及它们之间的时间距离，通过这些关键点 可大致确定脉搏波的形状，因此可认为这些关键点保留了原 始脉搏波的最重要信息。为了自动化地抽取这些特征点，进 一步衍生出了高斯函数法等具体算法[6]。文献[7]提出了一种 K值法，K值在本质上可看作时域信息上的一个平均代表，故 作为一个整体级别的粗略脉象评估较为合适。典型的时域上 的脉搏波如图2所示。 如图 2，脉搏波呈现明显的周期性，通常与心脏的收缩舒 张频率相等，但与心电信号又有显著不同，呈现出脉搏波特有 的特点。一般认为脉搏波至少有这样 6个特征点：主动脉开放 点 b；主动脉压力最高点 c，此处是主波波峰；主动脉扩张降压 点 d；左心射血停止点 e，此处为重搏前波波峰；重搏波起点 f， 即为降中峡；主动脉弹性回缩点 g，即重搏波波峰[5]。为了最大 限度验证利用脉搏波进行性别区分的可行性，实验采用了上 述特征点法，为克服样本数据的离散性提高准确性起见，暂未 借助程序而是直接采用手工提取波形数据中的 b，c，f，g和 b'这 关键 5点，并根据它们计算出主波波峰时长 t1、降中峡时长 t2、 重搏波波峰时长 t3和脉搏周期 T以及主波幅值 h1、降中峡幅值 h2和重搏波幅值 h3作为 7个时域基本特征，见图 3。也就是说， 以如下7元组作为时域特征： 数据收集结点 在体传感网 分析终端 传感器 传感器 图1 基于在体传感网的脉搏波测量平台架构图 g f bbbb c c c g f g f 200 180 160 140 120 100 80 60 A m pl it ud e 40.0 40.5 41.0 41.5 42.0 42.5 43.0 43.5 44.0 Time/s 图2 典型实测脉搏波波形及若干关键点 b'h3 h2f T t3 t2 t1 b h1 g c200 180 160 140 120 100 80 A m pl it ud e 40.9 41.0 41.1 41.2 41.3 41.4 41.5 41.6 41.7 41.8 Time/s 40.85 41.85 图3 脉搏波时域特征示意图 232 2010，46（35） Ft - domain ={Th1h2h3.t1 t2 t3} （1） 3.2 脉搏波基本频域特征提取 人体是典型的拟周期系统，脉搏波的近似周期波动特征 隐含了血气循环系统的重要信息，因此考虑对原始测量得到 的时域信号进行时频变换，在频率域进行特征提取。通常认 为脉搏波信号 99%的能量信息在 1～10 Hz区间[8]，因此重点分 析10 Hz以下的频带。 首先，对原始信号进行小波包分解，然后通过重构提取出 脉搏波数据中N个目标频带的信号，计算其能量平均值作为 该频带的特征。更高的频率在重构时自然舍弃，因为其能量 非常有限，对整个波形的贡献很小，且目测具有较典型的白化 特征，被认为主要是噪音和干扰。然后按序排列这N个频带 的能量平均值作为频域特征向量 [8-9]。尽管由于小波基的存 在，这样得到的频带范围只能估算，但是所有被测对象的数据 分析都采用了相同的小波基，因此它们之间仍具有可比较性。 实际中，对每个被测对象的脉搏波测量数据，首先通过目 测排除明显的异常数据，如包含明显的野点、输出超限因而被 削顶的数据和因传感器佩戴不良无法正常接触输出 0值的数 据。然后选取150 s时长数据进行分析。为了更好地反映人体 在不同频带的能量分布非均匀特征，实验并未采取等分频带 的做法，而是针对感兴趣的 0.5～10 Hz这个大致频带采取细 分，而其他频带相对粗略划分的做法。具体过程如下： （1）对原始信号进行小波包分解和重构，小波包分解层次 为 6，最终可得到 64个频段的能量，依次记之为 n0，n1，n2，…， n63，其中，n0主要包含了基线数据，个体和测量离散性过大，对 分类无贡献，直接去除。 （2）按照如下方式进行频带合，并构造频域特征向量： F f - domain ={p1p2p16} （2） 其中： p1=n1；p2=n2；p3=n3；p4=n4；p5=n5；p6=n6；p7=accum（7，10）； p8=accum（11，14）；p9=accum（15，18）；p10=accum（19，22）； p11=accum（23，26）；p12=accum（27，30）；p13=accum（31，35）； p14=accum（36，40）；p15=accum（41，45）；p16=accum（45，64） accum(i j) = å k = i j nk （3） 式（3）计算的是从频带 i到 j的平均能量之和。这种非均匀的 频带划分方法使感兴趣的低频频段的信息得以保留更多，而 不至于因为频带划分过粗丢失有价值的信息。 3.3 脉搏波时频组合特征 基本的时域特征和频域特征在保留原始信号信息方面都 是不完备的，因此进一步考察了时频基本特征的各种变化和 组合： （1）时域取相对特征，即 Ft - relative ={h2/h1h3/h1 t1/T t2/T t3/T} （4） （2）频域取相对特征，即 F f - relative ={p1/sp2/sp16 /s} （5） 其中 s = å k = 1 16 pk 。 然后对以上时、频特征排列组合，得到如下几种组合特征： F ft1 =[Ft - domainF f - domain] （6） F ft2 =[Ft - relativeF f - domain] （7） F ft3 =[Ft - domainF f - relative] （8） F ft4 =[Ft - relativeF f - relative] （9） 具体做法是将各种频域特征向量和时域特征向量拼在一 起，形成一个更长的向量作为被测对象的脉搏波特征。 4 脉搏波测量在性别区分中的实验 4.1 数据采集 数据采集对象为 18～24岁的身体健康的大学本科生和研 究生，脉搏波测量位置为双手的手腕关脉（挠骨茎突为准，其 稍为内方部位为关）位置，每只手的测量时间为 200 s，采样频 率 500 Hz。脉搏传感器以绑带固定在手腕上，被测对象保持 静息状态，在每次正式测量开始前首先启动测量软件观察波 形输出是否比较规范，否则重新调整测量位置和腕带松紧程 度。被测对象的基本生理体征也作为原始数据留存，包括身 高（分矮三档）、体重（胖中瘦）、脉搏强度（强中弱）。最后 实测22人，其中男13例，女9例。 4.2 基于支持向量机的性别分类器 由于特征数量较多而有效样本相对不足，中医数据分析 经常是一个典型的小样本分析问题。统计学习理论及其实现 工具支持向量机（SVM）可较好地支持小样本学习和分类 [10]， 且性别分类是一个典型的二值分类问题，故选取基于Matlab 的SVM工具包——Spider作为分类工具。 4.3 性别区分实验 实验的目的是判断基于脉搏波进行性别区分的可行性， 以及如果可行的话，哪些特征对于性别区分有较大贡献。这 一尝试既是对中医学中男女脉象区分的可行性探查，也有助 于从中医的原理了解性别之间的区分。为了达到这一目的， 分别选用时域特征、频域特征和时频组合特征进行分类，3种 特征向量的提取方法见第3章。 分类器采用留一法验证，即每次学习都采用N－1个样例 （N为样例总数）进行训练，然后用剩余的一个样例进行测试， 如此 N次，再对结果进行平均以获取最终的分类统计结果。 考虑到中医界素有男女切脉的左右手之分，实际实验时测量 了被测对象的左右手脉搏波数据，并分别进行特征提取，然后 拼在一起形成一个完整的特征向量。为避免数据过于离散影 响分类效果，在送入分类器之前将所有特征向量归一化，缩放 到[0，1]区间，然后再送入分类器进行分类。分类器选用了 Spider软件包中的SVM函数，其中核函数选择RBF，参数C取 10，gamma取0.5。 留一法分类得到的平均正确率：时域特征为 51%；频域特 征为56%；时频特征为56%。 以上结果经多次重复实验证实，反映了时域特征对性别分 类无显著指示作用，几乎等同于随机分类；频域特征的正确率在 56%，虽差强人意但毕竟还是给出了正面的指示；时频组合特 征的改进效果不明显，这可由时域特征中未包含能区分性别 的信息解释。总体上看，频域特征（这里频域特征实际上是能 量在各典型频带上的分布比例）对最后分类准确度贡献最大。 5 总结 基于可灵活佩戴的体域传感网测量技术，采用多种时频 特征和支持向量机分类器，发现脉搏波在男女性别分类方面 张 伟，颜仕星，李国正：无线脉搏波测量及性别区分 233 Computer Engineering and Applications计算机工程与应用2010，46（35） 有一定的启示作用，以频率域特征的贡献最大，时域特征基本 无贡献，这也从实验的角度验证了老中医仅靠切脉判断性别 的可行性。已有的研究进展绝大部分都是将脉搏波分类用于 区分病人和正常人，或者区分不同的疾病，但是正常人的性别 区分少有问津，事实上这一问题比区分病人和正常人更加困难。 实验结果给出了较为正面的结果，说明频域特征对于性别区 分还是有一定的启示作用，但从准确率来看，仅比随机判断高出 平均 5个百分点，效果还不好。最主要的原因应该在于男性和 女性都作为生理意义上的人，绝大部分脉搏波规律都是一致 的，其中能指示男女区分的成分可能非常微弱或不易提取，因 此男女性别分类的效果普遍远远差于正常人和病人的区分。 在后续工作中，将进一步探索脉搏波信号分析和体征提取技 术，探索脉搏波中隐含的规律，为中医信息化服务。 致谢 感谢上海中医药大学基础医学院中医诊断教研室燕海 霞博士，在中医脉象分类方面给予的指导！ 参考文献： [1] 赵恩俭.中医脉诊学[M].天津：天津科学技术出版社，1990：12-14. [2] Ullah S，An X，Kwak K S.Agent and multi-agent systems：Tech- nologies and applications-towards power efficient MAC proto- col for in-body and on-body sensor networks[M].Berlin/Heidel- berg：Springer，2009：335-345. [3] Hao Y，Foster R.Wireless body sensor networks for health-moni- toring applications[J].Physiological Measurement，2008，29（11）： 27-56. [4] 张伟，何斌，赵霞，等.开放的无线传感器网络平台OpenWSN[J].计 算机研究与发展，2008，45（1）：97-103. [5] 李震，肖行贯.脉搏波特征点的自动识别[J].信息与控制，1989，18 （5）：59-64. [6] 钱伟立，徐兰义.高斯函数分解法提取脉搏波特征[J].中国生物医 学工程学报，1994，13（1）：1-7. [7] 罗志昌，杨子彬.脉搏波波形特征信息的研究[J].北京工业大学学 报，1996，22：71-79. [8] 王炳和，罗建.人体脉搏功率谱分析与中医脉诊机理研究[J].西北 大学学报：自然科学版，2001，31：21-25. [9] 吴萍.脉搏波时、频域特征提取与识别技术研究[D].天津：天津大 学，2008. [10] 李国正，王猛，曾华军.支持向量机导论（译著）[M].北京：电子工 业出版社，2004. [3] 李庆中，张漫，汪懋华.基于遗传神经网络的苹果颜色实时分级方 法[J].中国图象图形学报，2000，5（9）：779-784. [4] 包晓安，张瑞林，钟乐海.基于人工神经网络与图像处理的苹果识 别方法研究[J].农业工程学报，2004，20（30）：109-112. [5] Shafter G，Logan R.Implementing dempster’s rule for hierarchi- cal evidence[J].Artificial Intelligence，1987，33（3）：271-298. [6] Qu Dongcai，Meng Xiangwei，Huang Juan.Research of artificial neural network intelligent recognition technology assisted by dempster-shafer evidence combination theory[C]//Proceedings of 7th International Conference on Signal Processing，31 Aug-4 Sept，2004：46-49. [7] 张池平，张英俊，苏小红.一种基于神经网络和证据理论的信息融 合算法[J].计算机工程与应用，2006，42（1）：174-176. （上接204页） 图像检索可以获得更好的检索效果，具有一定优越性。实验 表明，通过改进的模型对纹理图像库建模，平均检索率高出 7%~46%。 参考文献： [1] 刘丽，匡纲要.图像纹理特征提取方法综述[J].中国图象图形学报， 2009，14（4）：622-635. [2] Crouse M S，Nowak R D，Baraniuk R G.Wavelet_based statisti- cal signal processing using hidden Markov models[J].IEEE Transactions on Signal Processing，1998，46（4）：886-902. [3] 焦李成，孙强.多尺度变换域图像的感知与识别：进展和展望[J].计 算机学报，2006，29（2）：177-193. [4] Fan G L，Xia X G.Improved hidden Markov models in wavelet- domain[J].IEEE Transactions on Signal Processing，2001，49（1）： 115-120. [5] Po D D Y，Do M N.Directional multiscale modeling of images using the contourlet transform[J].IEEE Transactions on Image Processing，2006，15（6）：1610-1620. [6] 梅雪，李久贤，夏良正.改进的contourlet变换域隐马尔可夫树模型[J]. 电路与系统学报，2008，13（4）：65-69. [7] Romberg J K，Choi H，Baraniuk R G.Bayesian tree-stured image modeling using wavelet-domain hidden Markov models[J].IEEE Transactions on Image Processing，2001，10（7）：1056-1068. [8] Cover T M，Thomas J A.Elements of information theory[M].New York，NY：Wiley Interscience，1991. （上接198页） 了该方法的准确性和高效率。曲面重建作为从线框模型到 B-rep模型过程中的重要一环，在此所进行的研究具有重要意义。 参考文献： [1] Shashua A，Toelg S.The quadric reference surface：Theory and appli- cations[J].Computer Vision，1997，23（2）：185-198. [2] Kuo M H.Reconstruction of quadric surface solids from three-view engineering drawings[J].Computer-Aided Design，1998，30（7）：517-527. [3] 张爱军，薛勇.基于工程图的二次曲面体重建[J].计算机研究与发 展，2004，141（17）：1207-1212. [4] 文雅玫，龚洁晖，张慧.基于投影特征识别的斜截切二次曲面重建 算法[J].计算机辅助设计与图形学学报，2009，21（6）：789-795. [5] Vanco M，Hamann B，Brunnett G.Surface reconstruction from unorganized point data with quadrics[J].Computer Graphics Fo- rum，2008，27（6）：1593-1606. [6] Chen Y H，Liu C Y.Quadric surface extraction using genetic algorithms[J].Computer-Aided Design，1999，31（22）：101-110. [7] Oh B S，Kim C H.Systematic reconstruction of 3D curvilinear ob- jects from two-view drawings[J].Computers & Graphics，1999，23 （3）：343-352. [8] Kuo M H.Automatic extraction of quadric surfaces from wire-frame models[J].Computers & Graphics，2001，25（11）：109-119. [9] 陶涛，朱仁芝，刘磊，等.任意摆放的二次曲面体的三维重建[J].小 型微型计算机系统，1999，20（2），121-125. [10] Cross G.Surface reconstruction from image sequences[D].UK：Ox- ford University，2000. [11] 吕林根，许子道.解析几何[M].4版.北京：高等教育出版社，2006. （上接201页） 234