基于中醫機器人平臺的脈診技術研究*

陸苗苗，蘇 昊，馬梓祎，劉艷茹，王學民

(天津大學精密儀器與光電子工程學院，天津 300072)

脈診作為中醫四診之一，具有無創高效的優點。但是脈診主要憑借中醫師的個人經驗進行判斷，存在“在心易了，指下難明”的問題，大大提高了脈診的學習難度，在一定程度上阻礙了脈診的推廣與發展[1]。現有脈診儀以醫院里的大型設備居多，需要去固定的場所使用[2]。 隨著脈診客觀化的發展和家庭醫療的普及，脈象采集系統將朝著便攜化、易操作的方向發展[3-4]。 天津大學的孫飛等[5]設計了基于移動終端的便攜式脈象設備，通過USB 接口將采集到的脈象數據上傳到智能手機端；馬俊淇等[6]研制了無線便攜式脈象檢測系統，使用藍牙模塊將采集到的脈象信號上傳到手機。 這些便攜設備已經能夠滿足基本的采集，但是在脈象數據的處理和存儲能力上還需提升。

本文針對現有脈象采集系統的不足之處設計了適合家用的中醫機器人中的脈診系統，該系統不僅能夠進行脈象信號的采集和分析，還能夠將采集到的數據上傳到云服務器上，云服務器對脈象信號進行分析并將診斷結果通過網絡返回給中醫機器人，這樣可以針對每個患者進行個體化的信息記錄，方便患者對自己的情況進行縱向比較，實現以病人為中心的治療。同時，云服務器通過收集大量的數據，也方便集中中醫師找出不同脈象和疾病之間的關聯，并制定統一的標準，進而推動中醫的發展和慢性病的治療。

1 系統的總體設計

本系統整體框架如圖1 所示，主要包括脈象采集裝置、軟件交互系統、數據庫和云服務器四個部分。 首先，由硬件電路采集到人體脈搏數據，通過串口傳輸到機器人診斷系統，該交互系統可通過互聯網將數據上傳至云服務器，云服務器對脈象信號進行處理與分析得出診斷結果與療養建議，下發給機器人診斷系統，用戶可在系統界面上看到所有診療信息。 數據庫作為軟件系統與云服務器之間的橋梁，可以實現數據的保存與讀取。

圖1 系統整體設計框架

2 脈象采集裝置

脈象采集裝置的組成及各模塊之間的關系如圖2 所示。 由脈象傳感器采集到的脈搏壓力信號首先經過預處理電路進行濾波和放大，并分離出靜壓和動壓，之后以差分方式輸入微控制器進行AD 轉換，轉換后的數據通過串口傳給上位機進行后續處理。微控制器根據返回信號的強度來控制取脈過程中的加壓大小，以獲取最佳取脈壓力下的脈象信號。

圖2 脈象采集裝置信號傳遞圖

2.1 脈象信號采集及預處理模塊

脈象信號即脈搏跳動產生的壓力變化信號，具有信號弱、噪聲強、頻率低的特點。 基于這些特性，本系統使用定制的SMF-500 壓阻式壓力傳感器進行脈象信號的采集，該傳感器使用全橋半導體應變片作為傳感器芯片[7-8]，其參數如表1 所示。 該傳感器具有高靈敏度和低遲滯的特性，在尋找最佳取脈壓力時可實時反饋信息。

表1 傳感器參數表

針對脈象信號的特點，先對其進行預處理以便后續進行分析，預處理流程如圖3 所示。 由于壓力傳感器采集到的脈象信號通常為毫伏數量級，因此首先采用AD620 芯片對原始信號進行差分放大。之后，從放大后的信號中通過濾波分離出靜壓和動壓，靜壓即取脈過程中施加的壓力，在信號中表現為直流部分；動壓即脈搏跳動產生的壓力變化，有效信息所在頻段為0.1 Hz ～20.0 Hz。 最后，將靜壓和動壓信號分別輸入微控制器進行AD 轉換。

圖3 脈象信號預處理流程

2.2 壓力控制模塊

脈象采集時需要先找到最佳取脈壓力，在此壓力下的脈象信號幅度最強，時域特征最明顯，符合中醫脈診信息提取的要求。 本系統的壓力控制模塊由二相四線步進電機、齒輪和金屬滑臺組成。 步進電機通過全金屬齒輪作為減速裝置，減速過后再連接一個金屬滑塊用來提供壓力。 金屬滑塊由步進電機通過齒輪控制上升和下降，以此來模擬中醫師手指的上升和下降，滑塊行程為10 mm，配合初始腕帶張緊力的調節，可以在一次往復取到浮、中、沉壓力下的脈象，上升和下降的速度由微處理器采集到的靜壓力的大小決定，通過改變脈沖的頻率來控制速度[9]。

為了脈象采集設備的便攜性，本系統將傳感器和壓力控制模塊封裝于腕帶中，腕帶剖析圖如圖4所示，實物如圖5 所示，傳感器外殼為直徑13 mm的圓柱體，封裝盒尺寸為22 mm×22 mm×30 mm，內部含有USB 插頭可與中醫機器人進行通訊。

圖4 腕帶剖析圖

圖5 腕帶實物圖

2.3 微處理器控制模塊

脈象信號的AD 轉換、取脈過程中的壓力控制及串口通訊的數據傳輸等工作由微處理器模塊來完成，其主要功能如表2 所示。 本系統選取Silicon Labs 公司的C8051F350 微控制器作為控制核心，該芯片含有一個24 位的Sigma-Delta ADC，分辨率高，包含最高可達128 倍的可編程片內增益，方便進行微弱信號的測量，同時有多達8 路輸入通道，可選取單端輸入和差分輸入兩種方式進行輸入。 該芯片的UART 接口可用于和上位機進行串口通信，片內有8KB 的FLASH 可以進行編程，方便存儲脈象參數。

表2 微處理器主要模塊功能

2.4 串口通訊模塊

通訊模塊使用CP2102 芯片將微控制輸出的TTL電平轉為USB 信號從而實現上下位機的通訊，通訊流程如圖6 所示，左側為上位機。 下位機接收上位機初始參數設置和對壓力控制的指令，并且將AD 采集到的脈象信號傳給上位機進行進一步處理。

圖6 系統軟件流程圖

3 軟件交互系統

中醫機器人的流程如圖7 所示。 該機器人為家庭使用設計，采用較好的語音提示、友好的交互界面，將“望、聞、問、切”四診功能集于一體，且體積較小，可移動；操作流程智能化，無需具備專業知識，將中醫診斷與云服務器結合，節約了機器人的資源，降低成本，實現以人為中心的治療[10]。

圖7 中醫機器人使用流程

中醫機器人在.NET 環境下用C＃語言開發了軟件交互系統[11]，它可以對使用者進行一次包括舌診、面診、問診和脈診的全面的中醫檢查，機器人界面可以實時顯示采集到的數據，并將最終的診斷結果和建議其呈現在交互界面上。 中醫機器人的外形結構如圖8 所示。

圖8 中醫機器人

數據的保存和處理通過SQL Server 數據庫來完成。 數據管理模塊用SqlConnection 類下的函數實現數據庫的連接斷開和使用sql 命令進行數據庫的控制；USB 模塊使用開源類庫LibUSBDotNet 中的函數，進行USB 設備的檢測、連接和數據的傳輸；脈象信號顯示模塊使用Graphic 類下的DrawLine 函數將脈象數據數組中的所有數據進行描點和連線，最終達到在屏幕上實時顯示脈象波形的效果，如圖9 所示。

圖9 脈圖顯示界面

4 云服務器和信號處理

4.1 云服務器

云服務器完成四診數據的處理，處理后的結果保存在數據庫中并下發給中醫機器人。 中醫機器人通過TCP/IP 協議連接云服務器上的數據庫，利用云服務器強大的計算能力實現脈診的自動分析[12-13]。

隨著數據量的增大和人工智能的技術的發展，四診的辨證診斷技術也在不斷修改，云服務器上所有四診數據的處理都由獨立的DLL 庫實現，脈診DLL 庫中的函數實現分析上傳的脈象數據、計算脈象信號的時域特征參數及頻域諧波幅值比和進行脈類診斷的功能。

采集到的脈象數據上傳至云服務器后，云服務器自動計算出脈象數據的時域特征參數，并將脈類結果顯示出來。 如果計算過程中出現異常錯誤會報警提示，此時可進行人工校正。 除了脈象診斷，云服務器還提供其他中醫方面的診斷，比如在舌面象分析上，云服務器對通過攝像頭拍攝的舌部和面部圖像進行分析，并將舌色、舌型、苔色、面色和面部光澤等分析結果顯示在機器人交互界面上。 四診綜合診斷結果界面如圖10 所示。 對所有的數據采集分析完之后云服務器會綜合所有信息對使用者進行整體的健康狀況評估，并給出接下來的療養建議，同時基于SQL Server 數據庫實現對數據的保存，在云服務器上保存此次診斷的結果，用戶也可以直接從機器人中打印此次診斷的結果。

圖10 四診綜合診斷結果界面

云服務器能夠縱向分析個人的脈診結果，患者每次采集之后，若之前曾在數據庫中保存有脈診數據，云服務器再次進行完脈診之后會對比上次的脈診結果，根據診斷的結果，給出疾病的發展趨勢，并在中醫機器人上給出提示。 若患者發現是采集時出了問題則患者可以主動刪除該組數據，否則患者需要重新采集一次數據，如果兩次采集系統判定是一種脈且和數據庫中記錄的不同則認為身體出現了新的狀況，這時需要根據具體情況結合中醫知識進行進一步的分析。

4.2 脈象信號處理及分析

4.2.1 時域特征參數提取

脈搏信號中包含著豐富的人體生理信息，比如心臟的泵血能力和脈搏波搏動的強弱相關，心臟的泵血速率和脈搏波的頻率相關。 同時血液沿血管流向全身各器官時血管的彈性、血管的外周阻力和血液的粘性等因素也會影響主動脈壓力[14]。

圖11 所示為一個脈象周期中各個脈象特征參數在脈圖中的表示，表3 對其中部分時域特征參數的意義做了進一步說明[15]。

表3 脈圖時域特征參數及其生理學意義

圖11 脈象信號時域特征參數圖

正常人脈搏信號的頻率在20 Hz 以下，云服務器接收到脈象數據后，首先，采用db6 小波對信號進行分解并去除20 Hz 以上的噪聲信號，去除工頻干擾等高頻噪聲帶來的影響。 其次，采用三次樣條插值法對基線進行校正，去除呼吸、抖動等因素的低頻噪聲引起的基線漂移。 最后，采用ILP 算法對時域特征參數進行提取， 其原理為檢測直線與歸一化后的單周期信號之間的交點，根據交點個數的變化情況來確定特征點。

4.2.2 高血壓患者脈圖參數分析

表3 展示了部分單獨參數的生理學意義，除此之外，一些特征參數的比值也可反映血管特性，比如h3/h1、h5/h1 主要反映血管壁的順應性和外周阻力，h3/h1 增大，h5/h1 減小，表明血管順應性變差，外周阻力增加，這些參數與高血壓息息相關[16]。 為了驗證系統的可靠性，在中醫師切脈診斷過的患者中挑選高血壓患者和健康人各30 例，男女比例1 ∶1，年齡59～75 歲。 使用該系統對受試者進行脈象采集，處理之后給出脈類判別結果。 其中，系統計算出的脈象特征參數如表4 所示。

表4 高血壓組與健康組脈象特征參數對比

高血壓患者的一個特征是血管硬化，彈性變差，血液在血管中流動時受到的外周阻力增大，此原理可解釋表4 中的結果:高血壓患者的脈象相較于健康人h3/h1 顯著增高(P＜0.05)，h5/h1 顯著降低(P＜0.05)，該結果與以往研究一致[17-18]。 此外，該系統的脈象分類結果與中醫師的診斷相比，診斷結果一致性達85%。

4.2.3 特征參數變化分析

機器人除了會對當前采集到的數據進行診斷之外，還會把當前采集和之前采集所獲得的參數放在一起進行比較，以健康人的數據范圍作為參考值，根據每次采集到的參數偏離中心值的程度來判斷病情的發展趨勢以及治療方法的臨床效果。

一患者治療前后兩次檢測所得脈象參數和脈象判定結果的對比如表5 所示，通過表格可知該患者的脈象由沉滑脈轉為沉弦緩脈，各參數趨于正常值，判斷該患者正處于正氣恢復階段，痰濕情況有所改善，但肝氣郁滯癥狀應予重視。 該分析方法可應用于臨床上的療效判定，比如，根據針刺治療前后脈圖參數的變化，來判斷針刺療法對失眠現象的治愈效果等[19]。

表5 脈象參數前后對比

5 總結與展望

本文設計了基于家用中醫機器人平臺的脈象采集和分析系統，采用符合生物工學的腕帶結構來控制脈象采集時施加的壓力，下位機和機器人之間通過USB 進行通訊，基于C＃編寫了機器人的交互界面，可顯示采集到的數據與診療結果。 該系統可將采集到的脈象信息通過互聯網傳至云服務器，經云服務器分析計算之后再將結果下發至客戶端，這樣可以針對每個患者進行個體化的信息記錄，根據參數變化情況來分析病情發展趨勢，實現以病人為中心的治療，有利于中醫在家庭中的普及。 選取高血壓與非高血壓患者各30 例進行測試，與中醫師的脈象診斷結果一致性達到85%，證明了本系統的可靠性。