[發明專利]一種橈動脈檢測與人體體質識別系統和方法

有效

• 申請號: 201711178800.2
• 申請日: 2017-11-23
• 公開（公告）號: CN107970027B
• 公開（公告）日: 2020-12-29
• 發明（設計）人: 張以文;楊培全;熊陽輝;吳金濤;郭星
• 申請（專利權）人: 安徽大學
• 主分類號: A61B5/02
• 分類號: A61B5/02
• 代理公司: 合肥市浩智運專利代理事務所(普通合伙) 34124
• 代理人: 丁瑞瑞

1.一種橈動脈檢測與人體體質識別系統，其特征在于，包括脈搏檢測人員信息錄入模塊、多點觸控壓力傳感器、信號過濾單元、信號控制器、模數轉換器、數模轉化器、特征處理模塊、信號分類模型、處理器；

脈搏檢測人員信息錄入模塊，用于將脈搏檢測人員的個人信息錄入；

多點觸控壓力傳感器，與脈搏檢測人員信息錄入模塊連接，用于檢測脈搏檢測人員脈搏振動信號；

信號過濾單元，與多點觸控壓力傳感器連接，用于將多點觸控壓力傳感器檢測到的脈搏振動信號進行過濾、篩選，選出最強脈搏振動信號；

信號控制器，與信號過濾單元連接，用于將脈搏震動信號進行放大處理；

模數轉換器，與信號控制器連接，用于將脈搏振動信號轉換成數字化脈搏信號；

數模轉化器，與模數轉換器連接，用于將數字化脈搏信號轉換成圖像脈搏信號；

特征處理模塊，與模數轉換器連接，用于將數字化脈搏信號進行脈搏特征信號處理，轉換過程為：定義脈搏特征信號為其中a，b，M∈N⁺,M表示經過模數轉換器得到的數字化脈搏信號，按周期T提取M個均等時間間隔點的點數，即一個脈搏特征信號樣本的特征總數為M，表示第b個數字化脈搏信號的第a個間隔點所對應的數字化脈搏信號數字，x_b表示第b個脈搏特征信號樣本，特征處理模塊將數字化脈搏信號轉換成脈搏特征信號，并傳入到信號分類模型中；

信號分類模型，與特征處理模塊連接和脈搏檢測人員信息錄入模塊連接，用于將特征處理模塊傳入的脈搏特征信號進行分類并根據脈搏檢測人員個人信息匹配對應健康建議信息，具體分類過程包括：

人體體質分為陰虛者、陽虛者、正常人三種，抽取數量均等的三種人體體質樣本，三種人體體質樣本數量之和為n，正常人標簽信息為第1類，陽虛者標簽信息為第2類，陰虛者標簽信息為第3類；

預先將均等的三種體質人員經過系統檢測，即檢測信息通過多點觸控壓力傳感器、信號過濾單元、信號控制器、模數轉換器、特征處理模塊，用來收集正常人、陰虛者和陽虛者的脈搏特征信號并存儲到信號分類模型的樣本數據庫，且樣本容量為n；

進行脈搏檢測時，信號分類模型收到特征處理模塊傳入的脈搏特征信號，將樣本數據庫中脈搏特征信號和剛傳入的脈搏特征信號輸入到信號分類模型中的均值分類模塊；

均值分類模塊接收到n+1個脈搏特征信號樣本，假設第n+1個樣本為信號分類模型接收到特征處理模塊傳入的脈搏特征信號，均值分類模塊運用均值算法對脈搏特征信號分類；

信號分類模型中的健康信息數據庫根據在測脈搏檢測人員個人信息和檢測到的人體體質狀態，對健康信息數據庫進行檢索，搜索到符合該脈搏檢測人員人體體質的健康建議信息；

信號分類模型將搜索到符合該脈搏檢測人員人體體質的健康建議信息、人體體質狀態信息以及脈搏檢測人員個人信息傳遞到處理器；

處理器，與數模轉換器和信號分類模型連接，用于接收數模轉化器和信號分類模型傳送的圖像脈搏信號、人體體質信息、健康建議信息以及脈搏檢測人員個人信息。

2.根據權利要求1所述的一種橈動脈檢測與人體體質識別系統，其特征在于，還包括顯示器，顯示器連接到處理器，用于顯示圖像脈搏信號、人體體質信息、健康建議信息以及脈搏檢測人員個人信息。

3.根據權利要求1所述的一種橈動脈檢測與人體體質識別系統，其特征在于，還包括脈搏檢測人員信息數據庫，脈搏檢測人員信息數據庫建立在處理器中，用于將對應脈搏檢測人員個人信息、圖像脈搏信號、人體體質信息以及健康建議信息進行存儲。

4.根據權利要求1所述的一種橈動脈檢測與人體體質識別系統，其特征在于，所述多點觸控壓力傳感器包含多個壓力感應元件，用于對橈動脈皮膚區域部位進行多點脈搏振動信號進行檢測。

5.根據權利要求1所述的一種橈動脈檢測與人體體質識別系統，其特征在于，所述均值分類模塊運用均值算法對脈搏特征信號分類的過程為：

均值算法目標函數為：

其中，U表示脈搏特征信號樣本到各聚類中心距離集合，V表示聚類中心集合，m∈(1，∞)是加權指數；u_ij表示樣本x_j屬于第i類的概率；d_ij為樣本x_j到第i類聚類中心v_i的距離；

約束條件為：u_ij∈[0，1],1≤j≤n+1,1≤i≤c,c表示三種人體體質類別，其值為3；

d_ij＝||x_i-v_i||，其中v_i表示第i類的聚類中心；

步驟7.3.1：分別初始化聚類中心v₁，v₂，v₃；

步驟7.3.2：計算樣本x_j到第i類聚類中心v_i的距離d_ij；

由歐氏距離計算得：d_ij＝||x_i-v_i||

步驟7.3.3：計算樣本x_j屬于第i類的概率u_ij

步驟7.3.4：將樣本x_j到第i類聚類中心v_i的距離d_ij和樣本x_j屬于第i類的概率u_ij帶入目標函數，判斷目標函數值是否收斂，如果收斂算法結束；否則更新聚類中心，繼續從步驟7.3.2開始運算，直到目標函數值收斂；

步驟7.3.5：均值算法的目標函數值收斂

分別得到u_1(n+1)，u_2(n+1)，u_3(n+1),比較三個數值大小，如果u_1(n+1)值最大，那么系統檢測人體體質為正常；如果u_2(n+1)值最大，那么系統檢測人體體質為陽虛；如果u_3(n+1)值最大，那么系統檢測人體體質為陰虛，將得到的人體體質狀態傳入到健康信息數據庫。