脈診客觀化研究綜述

摘 要： 在傳統中醫學中脈診這項診斷方式已經成功沿用幾千年，中醫大夫利用手指感覺人體手腕脈搏的跳動，由于脈搏信號中包含了能夠反映人身體健康程度的重要信息。因此，中醫大夫能夠利用這些信息判斷患者的身體狀況，然而，脈診的準確性則要完全依賴于中醫大夫的經驗和技能，不同的大夫在診斷同一患者時可能會出現不同的診斷結果。因此，迫切需要發展一種標準化、客觀化脈診的方法。

關鍵詞： 脈搏信號； 疾病診斷； 信號處理

中圖分類號： TP39141 文獻標識碼： A 文章編號：2095-2163（2013）03-0020-05

0 引 言

中醫有著數千年的悠久歷史，是中華文化的奇瑋瑰寶，為華夏民族的繁衍強盛做出了不可磨滅的巨大貢獻。傳統中醫學中，脈診又占據著非常重要的地位，脈診的歷史淵源流長。脈診最初源起于經絡，并且早期還包括有色診的一部分，也就是針對“浮絡”、“孫絡”，診經即診脈“氣”（脈動）與診絡共同組成當時通行的“脈法”，后來診脈動逐步獨立，成為脈診，而診絡的方法則演變成為目前色診的一部分。最終，通過長期的實踐總結，逐步地將診斷方法和脈形表現確定下來，并進一步發展成為臨床診病不可缺少的有效手段。

從古至今，傳統中醫都是用手指感覺脈動獲取人體脈搏信息，從而判斷人體器官的健康狀況，歷代傳統名醫無不是診脈高手，而那些“按寸不及尺，握手不及足”則常常被稱為庸醫。根據經典中醫理論可知人體脈搏匯集于橈動脈處，其包含了大量的生理學和病理學信息，脈搏的搏動與心氣的盛衰、氣血的盈虧和脈道的通利有著直接的因果關系，所以通過診脈能夠得到人體全身陰陽、氣血、內部臟腑功能的綜合信息；從現在醫學角度來看，脈診實際上是對整個人體血脈的全面診察，脈搏信號源于心臟，流經身體各個臟器，最終匯聚在橈動脈處，使其不但包含了心臟血流血管信息，而且還包含了其它臟器血流血管及相應微循環信息；由此可知，在臨床診斷中脈診將具有十分重大的研究意義和現實應用價值。

然而長期以來，在脈診進行時，通常都是利用手指體會患者橈動腕處的脈搏跳動所提供信息，然后根據醫者的主觀判斷再結合一些實際表現將其形象化，例如：“應指圓滑，如盤走珠”、“如微風吹鳥背”和“如綿裹砂”等，這種形象化的脈搏信息在傳統中醫學中稱之為“脈象”。在臨床診斷時，醫生憑借其指下的體會，以及其有關對脈象概念的領會，對病人的脈象加以區分和鑒別。但由于脈象的概念本身較籠統并且具體的判別標準又很模糊，醫者個體不同，就會由于個人經驗和主觀因素的影響而得到不同的判斷結果，因此在中醫脈象學中臨床脈診時分歧較多，從而制約了中醫脈診的進一步發展與應用。

隨著社會的進步和科學技術的發展，脈診技術也得到了相應的演進與提升，并且由于其診斷方式相對于西醫來說，具有無痛、無創傷、簡便易行等優點，更是得到了中外研究團隊的推崇和重視。但是僅靠醫生手指獲取脈搏信息并給出診斷結論易受到醫生經驗、感覺和表述的限制，難免存在許多主觀臆斷因素，從而影響了對脈象的客觀化判斷。此外，由于醫生對脈象的理解和感知無法得到有效的記錄和保存，也將影響對脈象機理的深入研究。因此，利用現代科學技術方法客觀地分析診斷脈搏信號已經成為一項重要的工作。本文將詳細介紹國內外研究人員在脈診客觀化方面所做的工作。

1 國內外研究現狀

國內外學者從事脈診客觀化的研究已經有將近70年的時間，國內如，北京[1]、大連[2]、香港和臺灣[3]等地已經投入了可觀的人力物力，通過結合西醫診斷學、生物力學、數學和信息工程學等多學科的知識并利用現代化的先進技術設備在脈診客觀化的研究中取得了一些進展。國外，則如韓國、日本、印度、德國、加拿大和美國等多國學者也對其開展了大量的研究工作，并取得了一定的成果。

綜述目前國內外脈診客觀化的研究成果可將其分為：脈搏信號的采集系統、脈搏信號預處理及特征提取研究、脈搏信號的模式分類研究和脈象的應用研究。下面對其分別以專節展開論述。

11 脈搏信號的采集系統

在對脈診的客觀化研究中，采集脈搏信號是首要環節，由于脈搏信息的采集質量將對其后續各階段的效果產生直接影響。因此，研究人員對脈搏信號采集系統的研制經過了長期的打磨打造，并基于信號獲取方式的不同而相繼開發了壓力、超聲多普勒和光電等一系列脈搏信號的采集設備。第3期 劉磊，等：脈診客觀化研究綜述 智能計算機與應用 第3卷

111 壓力信號采集設備

世界上第一臺壓力信號采集設備是由Vierordt在1860年設計發明的，其采用杠桿和壓力鼓式描記法記錄脈搏波形圖，隨后，Mahomed又基于力學原理發明了描記器來描記脈搏壓力信號的曲線圖[4]。國內對壓力信號采集設備的研究起步較晚，直到20世紀50年代才由朱顏首次將脈搏描記儀應用在中醫脈診的研究中。其后，隨著科學技術和電子產品的不斷進步和高端進化，國內上海、山東和北京等地的科研人員已相繼研制出了一批壓力信號采集設備，用以模擬中醫診脈的手獲取脈搏信號。目前，已研制開發的壓力信號采集設備中常用的傳感器大體可分為壓阻式、壓磁式和壓電式三種類型。

112 多普勒超聲信號采集設備

多普勒效應是由奧地利物理學家多普勒（Doppler）在1842年發現的，并于1845年由荷蘭氣象學家巴洛特（Ballot）以實驗的方式，驗證了聲波也同樣具有多普勒效應。聲波多普勒效應的表現主要是，當聲音接收器和聲源在連續的介質中作相對運動時，聲源所輻射的聲頻率將不同于接收器所探測到的聲頻率，該現象的原因主要是由于相對運動速度的不同。20世紀50年代，人們將聲波的多普勒效應用于醫學中。在醫學中，聲波的多普勒效應通常可稱之為彩色超音波（彩超）。簡單說，彩色超音波就是彩色多普勒再加上高清晰度的黑白B超。通常，彩色多普勒超聲是采用自相關技術進行多普勒信號處理，其后得到血流信號再經彩色編碼，并實時地疊加在二維圖像上，就形成了彩色多普勒超聲血流圖像。因此，彩色多普勒超聲既具有二維超聲結構圖像的優點，同時又提供了血流動力的信息。根據超聲多普勒效應的原理，在1957年日本科學家里村茂夫第一次由其研制成功可用于在體外測定血管內血流信息的儀器。在1961年，美國學者Rushmer、Frankldin和Baker又共同提出了利用多普勒頻移對血流速度進行檢測的方法，并在發明了出血流計的同時，還研制推出最早的連續式多普勒超聲儀。這些早期研究的實際成就為多普勒超聲技術的進一步發展奠定了堅實的基礎。

進入20世紀90年代以后，醫學中的多普勒超聲設備處于井噴式的發展階段，面世了各種超聲探頭，如：I形探頭、T形探頭和穿刺探頭等，可為不同病人各類需求提供恰當的工具，同時，在各種疾病的診斷中，該設備的使用也取得了不俗的表現，例如，顱腦疾病診斷中的應用、心血管疾病診斷中的應用、淺表器官、縱隔及肌骨系統疾病中的應用和乳腺疾病的多普勒超聲診斷應用。進一步地，除了在醫學中的應用以外，也可將該設備應用在交通管理中。交通警察通過向行進中的車輛發射超聲波，憑此測量反射波的頻率，就可以根據反射波的頻率變化量值測得行進中的車輛速度，同時如果多普勒測速儀的監視器安裝在道路的上方時，不僅可測量車輛速度，還可以將車輛牌號拍攝下來，并將測得的速度打印在照片上；尤需指出的是，在脈搏信號診斷中，多普勒超聲技術也正在占領廣闊的研究應用空間，例如，柳文儀等利用彩色多普勒的方法直接觀察脈管管徑大小，同時測得脈管壁的厚度、充盈情況和血流頻譜等情況[5]。又如，北京中醫藥大學牛欣教授等人采用多普勒傳感器觀察血流動力學的變化和血管的位移波，并作了較為詳盡的分析。

113 光電信號采集設備

將光電傳感器應用在脈搏信號采集設備中是由日本研究人員Mikio Aritomo等人[6]首創完成的，并由其于1999年成功研制了基于光電傳感器的脈搏記錄系統。該系統的主要原理是，由于紅外光可以穿透皮膚到達血管，而且紅外光又能被血液充分地吸收，利用紅外光電傳感器檢測并得到血流的變化。光電傳感器獲取脈搏信號的示意，如圖1所示。當紅外發光管發出紅外光后經皮膚、組織和血液反射到光敏晶體管上，而當紅外光敏晶體管在光照強度發生改變的時候，通過光敏晶體管的電流也會隨之發生變化。研究中，將反射光分為兩部分。第一部分為從皮膚和組織反射回收的紅外光，另一部分則認為從血液中反射回收的紅外光，從皮膚和組織反射回收的部分。可認定為是一個常量，從血液反射回收的部分則與血液的體積成正比。因此，光電傳感器主要測量了手腕部橈動脈的血流體積變化。基于上述的原理，研究人員設計開發了不同的光電傳感器，如紅外光電傳感器、光電容積式脈搏計和光纖位移傳感器等以滿足多樣各異的需求。

12 脈搏信號預處理及特征提取研究

利用脈搏采集設備獲取脈搏信號后，經過濾波處理、放大處理和A/D轉換后，即成為可用于客觀化分析的脈搏信號。但此時的脈象信號由于身體移動或呼吸影響，存在著基線漂移，同時由于電磁干擾，也存在著偽峰和高頻噪聲，需要對其進行預處理。此外，為了實現脈診的客觀化，還需要將不同脈搏信號的特征與疾病或癥型的特異性建立起規則對應關系，目前，在脈搏信號特征提取研究中，主要方法為時域分析法、頻域分析法和非線性動力學方法等。

121 脈搏信號預處理

脈搏信號中的干擾主要包括：信號采集過程中產生的高頻噪聲、偽峰、基線漂移等。徐禮勝等人歸納總結了干擾的特征性質，并且運用目前流行的信號處理方法，即相應提出了一套完整的預處理方法，分別提出了小波變化的方法去除噪聲和基于能量比的自適應級聯濾波器的方法去除基線漂移。郭慶麗等人也提出了利用時域的波峰高度比方法濾除信號偽峰。這些方法的有效應用為脈診客觀化的實現提供了基礎性的技術支持。

122 脈搏信號特征提取研究

（1） 時域法

時域法分析脈搏信號主要是，定義一些具有生理學意義的波形基準點，再依據這些基準點并結合生理因素提出一些脈搏信號時域特征，為臨床診斷提供有價值的理論依據。目前，常用的時域特征提取方法，主要包括多因素識脈法、直觀形態法、脈圖面積法、脈搏速率圖法等。例如，北京中醫藥大學和上海中醫學院分別定義了弦、滑、弦滑、細滑、沉細脈、平脈的脈象圖，并根據此定義總結脈象圖特征[7-8]。北京中醫院張衛建等[9]根據40例患者脈案，定義了澀脈脈象圖，發現其特征為主波低平、升支和降支的斜率減慢以及升支和主峰持續時間延長等特點。費兆馥等人特別針對弦脈的脈象圖特征進行了深入的探討。徐禮勝博士[10]依據這些基準點，提出了一個周期內標準脈搏波形的14維時域特征，主要包括主潮波幅值、波峰幅值、降中峽幅值、主波峽幅值等。此外，國內楊天權、傅驄遠和李冰星等學者在時域分析脈搏信號方面也已取得了階段性的可見成果。

雖然，利用時域特征分析脈搏信號取得了相當的研究進展，但仍存在一定不足，諸如標準不止一個，特征參數復雜等。因此，研究人員一直在尋求除時域特征提取方法以外的、更為理想的脈搏信號描述方法。

（2） 頻域法

頻域法的主要思想是，將脈搏信號通過小波變換、傅里葉變換和Z變換等數學分析理論計算推導至頻域內，再依據脈搏信號的頻譜提取特征，建立其與人體病理與生理的關系。

自上個世紀八十年代，國內外的研究學者就開始利用不同的頻域變換方法，對脈搏信號進行分析并取得了一系列成果。劉廣斌等[11]利用功率譜比較了兩名有滑脈現象的婦女與健康婦女的區別，并研究發現關于健康婦女功率譜的能量脈搏分布在0-20Hz范圍內，而有滑脈現象婦女的功率譜則不存在規律性。在能量角度上，王炳和等[12]又提出了利用脈搏信號頻域特征和差異對幾種不同疾病進行對比分析，并估算得到人體脈搏系統的傳遞函數。趙承筠等發現滑脈在頻譜諧波的數目和相對幅度上均存在明顯差異。Lee等[13]利用頻譜分析人體的脈搏波信號，并得知在頻譜圖（PSG）上健康人與涉病人脈搏波信號有著明顯區別。郭慶麗等利用小波包變換的方法分析膽囊炎和腎病綜合征，其分類精度能夠達到76.44%。張冬雨等[14]又利用希爾伯特-黃變換的方法分析33名健康人、25名膽囊炎患者和25名腎病患者的脈搏信號，并得出結論，該方法能從不同角度反映信號的特征，而且得到了較理想的識別效果。

顯然，在頻域內對脈搏信號的研究才剛剛起步。但是，利用這種方法研究脈診有助于脈搏信號的多維度、多方面的觀測，在今后的研究中有望將其量化的指標與實際疾病及癥型建立邏輯上的精確聯系。

（3） 非線性動力學方法

非線性動力學方法主要為了描述信號的非線性性質，并更深刻地揭示信號的機理，常用的非線性動力學方法主要包括統計熵、信息熵、Kolmogrov熵、非廣延熵、最大Lyapunov指數、相關維、近似熵等。近十年，該方法已經成為生物醫學信號中的重要分析工具，并日漸取得了豐碩的研究成果。隨著該方法的不斷趨于成熟，越來越多的研究人員將其應用在脈搏信號的分析中，從非線性的角度實現對脈搏信號與癥型和疾病關系的提取研究。

在脈搏分析方面，意大利科學家Rauchberger等利用非線性動力學方法，分析正常人每天脈搏的生理變化。在脈型分類上，徐禮勝等[15]提出利用脈搏波的節律特征來實現健康脈搏波與涉病脈搏波形的合理分類；另外，還利用近似熵的方法分析脈搏信號，評估患有冠狀動脈粥樣硬化病人的典型狀態[16]。張冬雨和徐禮勝等用時間編輯距離的方法度量脈搏信號的距離，并采用該距離對脈搏信號進行分類。還有一些學者分別采用自動回歸模型[17]和高斯模型[18]來擬合脈搏波形，從而以計算得到函數參數為脈搏波形的特征診斷疾病。日本科研人員Maniwa等也已初步嘗試利用非線性系統中動力學特征對加速度脈搏波的混沌特性建立了一個分析過程。利用分形和遞歸圖，Naschitz等人分析了脈搏的傳輸時間。

此外，在其它生理學信號中非線性動力學方法同樣得到了廣泛的應用。在對正常和病人的心臟進行了深入研究后，Gldberger發現健康人生理系統的可變性是有規律的，如果這種可變性出現了不規律，則預示著健康系統已然受損。Andreadis等[19]利用近似熵的方法分析腦電信號，從而診斷甄別患有閱讀障礙疾病的程度。為了分析阻塞性睡眠呼吸暫停綜合癥，A1varez等人[20]利用cross近似熵的方法分析夜間血氧飽和度信號。在其后的研究中，這些方法均可應用在脈搏信號中以確定其動態結構規律。

13 脈搏信號的模式分類研究

脈診自動識別和分類的實現是脈診客觀化的重要環節。脈搏信號經過了自動識別后，就可以更為完整地構建疾病與傳統脈診中癥型間的關系。因此，國內外研究人員對脈搏信號的模式分類進行了精深細致的研究工作，其中涉及到的模式識別方法主要有，多因素脈圖識別法、句法模式識別法、神經網絡、模糊邏輯和聚類分析方法等。

脈象自動識別的實現方法，最早是由魏韌在20世紀80年代提出的多因素脈圖識別法，該方法將中醫切脈時的手指感應分成8份，每份不同的組合即構成脈象。此外，李景唐利用自主研發的MX-5 型多功能中醫脈象儀，對多因素脈圖識脈法開展了進一步論證，分別利用寸、關、尺三個部位上的脈位趨勢圖、脈搏波圖、脈道形態示意圖和脈率趨勢圖，設計得到了27種中醫脈象圖，而且所得的脈象圖的大部分得到了中醫的首肯認可。

全黎明等提出句法模式識別法來處理脈象識別，其中設計使用基元表示脈搏，并引用樹分類器。該方法的基本思想是，首先對脈搏波進行采樣，然后抽取基元和提取基元屬性等，再利用樹分類器完成分類，由于該方法摒棄了人工量測定義脈象圖指標的思路，就為發掘提升醫生診斷水平提供了有利契機。另外，陳榮山等[21]還利用模糊集的概念來識別脈象。Lee等[22]提出模糊聚類法識別人體脈象，并獲得了較高的正確率。

隨著研究進程的展開和深入，神經網絡、模糊邏輯和聚類分析等方法也陸續加入到脈象的分類研究中。例如，Bratteli和Murthy等將提取的臨床數據特征向量輸入到神經網絡中，并訓練得到神經網絡分類器，對脈搏進行分類。胡家寧等提出將弦、滑、沉脈的特性用于訓練網絡，而且也用于識別，識別結果證明了采用人工神經網絡識別脈象的現實可行性。另外，Allen等[23]比較了分別采用線性判別、K近鄰和神經網絡來對正常人和外周血管疾病病人進行有效識別，實驗表明神經網絡識別效果為最佳。

近年來，隨著一些新近方法理論的提出和完善，其中已有一部分方法也逐漸地出現在脈搏特征分析與識別的相關研究中。例如，徐禮勝等提取改進的DTW分類器識別弦脈、澀脈、平脈、滑脈和芤脈，同時還提出了粗粒化方法和Lempel-Ziv（LZ）分解方法的分類器[15]，識別七種以節律進行區分的脈象。張冬雨等針對脈搏的形狀提出了基于GEMK核函數與支持向量機分類器的脈搏信號形狀分類方法。Chen等[18]提出模糊C均值分類器識別健康人和患病人的橈動脈超聲血流信號。此外，Zhang等利用線性判別分析分類器識別健康人和亞健康人的脈搏信號。截止到目前，雖然已有許多識別方法進入到脈搏信號的自動識別隊列中，但還未能達到計算機完全自動識別的效果，仍需進一步推動研究向高端、智能發展。

14 脈象的應用研究

追溯至上個世紀70年代，人們就利用脈象統計分析其與人體身高、年齡和體重的關系，并得到了一系列研究結論。費兆馥等通過統計分析了185例脈象圖得到：青年多為平脈和滑脈、中年人的脈象逐漸趨向弦而老年多為見弦脈；第四軍醫大學的研究人員發現在306位健康男性飛行員的脈象圖中沉脈和弦、滑脈象圖居多；鄭曉南等分析了200例正常大學生的脈象圖并按性別分組，發現男生的脈位略淺于女生，而脈勢則強于女生；趙冠英等分析了健康人的脈象圖，經過統計處理發現其年齡與各種脈象圖形特征的關系；宣文武等通過對青年男性和女性脈象圖的研究發現，青年女性中平細脈出現的機會比男性多，而緩滑脈則極少，在男性中緩滑脈還是比平細脈多。在妊娠反應上，解放軍總醫院發現通過與未孕婦女的脈象圖相比較妊娠26周以上孕婦脈象圖中的滑脈比例要多于未孕婦女的脈象圖可達數十倍之多，藉此根據脈象圖就可初步診斷是否妊娠；張忠惠等還用脈象圖儀和病理學方法，同步檢查并分析了205例臨床診斷為早孕者的脈象和子宮內膜組織，發現滑脈是診斷早期妊娠的一種客觀指標；另外，通過長期觀察一年四季的脈搏，張伯納等發現人體脈搏在冬季偏沉，而在夏季偏浮。同時，山東、上海、貴州等地的很多學者長期跟蹤測試并分析正常人的四季脈搏和晝夜脈搏，發現人體脈搏是隨著晝夜陰陽而消長、隨著四季氣候的改變而變化。在此期間，國外也實現了研究工作的重要推進，諸如，Richard[24]等研究了脈搏同年齡、代謝的關系。Lawrence等對上肢動脈與大動脈脈搏的關系也進行了相關的研究。此外，對于運動和脈象的關系方面，國內外的學者也進行了深度、有益的研究和探索。

除以上研究外，對于脈象同中醫癥型和疾病的關系，國內外研究人員也做了大量的探索性研究。在中醫癥型與脈象的研究中，國內研究人員實現了各類分析，諸如對經期、妊娠、濕熱等情況下滑脈的分析，對陰虛陽亢、肝郁氣滯、肝陽上亢等情況下弦脈脈搏波的分析，還對外感表癥的浮脈、心陽不振、心血瘀阻及心氣虧損、氣虛病人的虛脈與弱脈等病人的澀、結、代、促等脈象的分析；在1983年，《陜西中醫學院學報》報道了關于蘭州軍區軍醫學校對脾胃虛癥患者虛脈脈象的研究，1987年，湖南中醫學院的李紹芝給出了關于心氣虛癥病人的脈象圖參數。此外，美國加州大學Michall[25]和加拿大滑鐵盧大學Wei[26]對寸、關、尺三部候脈方面也完成了為數不少的工作，并得到了一些具有診斷意義的脈象。

在疾病與脈象關系的研究中，研究人員的研究工作也已經獲得了充分的展開，其中涉及到消化系統、泌尿系統、心血管系統、呼吸系統和神經系統等疾病的診治。例如，張鏡人發現，如果患者有氣虛，則左心室的收縮功能減損70.3%；通過研究虛癥患者的脈象圖并對陽虛、氣虛者脈象圖參數進行多元回歸分析，李冰星發現了虛癥患者脈象圖總面積、舒張期面積、上升時間均出現了增大，而升支斜率卻因其減少的現象；而且，在血管順應性與脈象的關系中，Izzo等也對此做了相關研究；Yu等利用脈搏波的形狀，估計了血液輸出量。

2 結束語

作為中醫四診中最具特色的一種診斷方法，脈診已有幾千年的歷史，然而在利用其完成診療時，“在心易了，指下難明”的問題卻仍然時有發生。因此，如何利用現代科學技術為傳統中醫脈診注入生機活力，從而實現脈診客觀化，已經引起國內外學界越來越廣泛的關注。近年來，雖然已有大量的研究人員利用不同的現代化設備和方法對脈診客觀化進行了不懈的努力鉆研，并取得了一定量研究成果，但仍存在如下主要問題，現提出以待后續研究的有效、圓滿解決與實現。

（1）在利用脈搏采集設備獲取脈搏信號時，仍然根據操作人員主觀標準判斷信號的質量，迫切需要一種脈搏信號實時獲取的評價方法；

（2）在脈搏信號的模式分類中，還未見較好的方法，能夠解決脈搏信號特征冗余的問題；

（3）對同樣都來自于心臟的脈搏信號和ECG信號在臨床診斷中的意義還未達到明確，因此需要對兩個信號的存在價值進行綜合比較分析；

（4）針對某些疾病，脈搏信號在病理方面的分析還未及得上全面、透徹。

參考文獻：

[1]傅驄遠，牛欣. 中醫脈象今釋[M]. 北京：華夏出版社，1993.

[2]黃世林，孫明異. 中醫脈象研究[M]. 北京：人民衛生出版社，1995.

[3]LU W A， WANG L Y Y， WANG W K. Pulse analysis of patients with severe liver problems. Studying pulse spectrums to determine the effects on other organs[J]. Engineering in Medicine and Biology Magazine， IEEE， 1999， 18（1）： 73-75.

[4]MAHOMED F. The physiology and clinical use of the sphygmograph[J]. Med Times Gazette， 1872， 1： 62-64.

[5]柳文儀，賴仲平. 彩色脈沖多普勒超聲儀對高血壓病弦脈與非弦脈的研究[J]. 中醫雜志， 1993， 34（11）： 684-685.

[6]ARITOMO M， YONEZAWA Y， CALDWELL W M. A wrist-mounted activity and pulse recording system[C]//Proceedings of the First Joint BMES/EMBS Conference Serving Humanity， IEEE， 1999： 693.

[7]上海中醫學院生理教研室. 對幾種脈象的初步探討[J]. 上海中醫藥雜志， 1979， 10（3）： 43-45.

[8]北京中醫學院生理教研室. 弦、滑、細等脈象的脈搏圖特征初探[J]. 上海中醫藥雜志， 1980， 5（2）： 8-11.

[9]張衛建. 澀脈的脈搏圖特征與心血管功能狀態[J]. 中國醫藥學報， 1988， 3（2）： 19-21.

[10]徐禮勝. 中醫脈象數字特征研究[D]. 哈爾濱：哈爾濱工業大學， 2006.

[11]劉廣斌， 樊小力， 黃洛秀. 兩種滑脈患者與健康婦女指端容積脈搏波的功率譜分析[J]. 西安醫科大學學報， 1990， 11（3）： 199-201.

[12]王炳和，楊颙. 脈搏聲信號檢測系統實驗設計及功率譜特征[J]. 中華物理醫學雜志， 1998， 39（8）： 117-120.

[13]LEE C T， WEI L Y. Spectrum analysis of human pulse[J]. IEEE Transactions on Biomedical Engineering， 1983， BME-30（6）： 348-352.

[14]ZHANG D Y， ZUO W M， ZHANG D， et al. Wrist blood flow signal-based computerized pulse diagnosis using spatial and spectrum features[J]. Journal of Biomedical Science and Engineering， 2010， 3（4）： 361-366.

[15]WANG L， WANG K， XU L. Lempel-ziv decomposition based arrhythmic pulses recognition[C]// Engineering in Medicine and Biology Society， 2005. IEEE-EMBS 2005. 27th Annual International Conference of the. IEEE， 2006： 4606-4609.

[16]WANG K， XU L， LI Z， et al. Approximate entropy based pulse variability analysis： Computer-based medical systems[C]//2003. Proceedings. 16th IEEE Symposium. IEEE， 2003： 236-241.

[17]CHEN Y， ZHANG L， ZHANG D. Computerized wrist pulse signal diagnosis using modified auto-regressive models[J]. Journal of Medical Systems， 2011， 35（3）： 321-328.

[18]CHEN Y， ZHANG L， ZHANG D. Wrist pulse signal diagnosis using modified Gaussian models and Fuzzy C-Means classification[J]. Medical engineering physics， 2009， 31（10）： 1283-1289.

[19]ANDREADIS I I， GIANNAKAKIS G A， PAPAGEORIGIOU C， et al. Detecting complexity abnormalities in dyslexia measuring approximate entropy of electroencephalographic signals[C]//Engineering in Medicine and Biology Society， 2009. EMBC 2009. Annual International Conference of the IEEE. IEEE， 2009： 6292-6295.

[20]LVAREZ D， HORNERO R， GARCA M， et al. Cross approximate entropy analysis of nocturnal oximetry signals in the diagnosis of the obstructive sleep apnea syndrome： [C]//Engineering in Medicine and Biology Society， 2006. EMBS'06. 28th Annual International Conference of the IEEE. IEEE， 2006： 6149-6152.

[21]陳榮山，陳東漢. 模糊數學在中醫脈象模式識別中應用[J]. 醫學信息， 1998， 3： 20-21.

[22]LEE H-L， SUZUKI S， ADACHI Y， et al. Fuzzy theory in traditional Chinese pulse diagnosis[C]//Neural Networks， 1993. IJCNN'93-Nagoya. Proceedings of 1993 International Joint Conference on. IEEE， 1993： 774-777.

[23]ALLEN J， MURRAY A. Comparison of three arterial pulse waveform classification techniques[J]. Journal of medical engineering technology， 1996， 20（3）： 109-114.

[24]RICHARD J P， KENNETH W H. Pulse wave changes with aging[J]. Journal of the American Geriatrics Society， 1967， 15（2）： 153-165.

[25]MICHAEL F， O'ROURKE. Pulse wave mechanics revisited： relevance to therapy of cardiovascular disease with calcium antagonists[J]. Heart and vessels， 1992， 7（3）： 113-122.

[26]WEI L Y， CHOW P. Frequency distribution of human pulse spectra[J]. Biomedical Engineering， IEEE Transactions on， 1985， BME-32（3）： 245-246.