人体经穴电位信号处理与生理状态分类方法研究.pdf

《人体经穴电位信号处理与生理状态分类方法研究.pdf》由会员分享，可在线阅读，更多相关《人体经穴电位信号处理与生理状态分类方法研究.pdf（84页珍藏版）》请在三一文库上搜索。

1、摘要 摘要 人体生物电在某些方面的特性与中医理论的部分内容和解释有相似之 处，因此利用现代科技手段研究中医的课题被引入了学者们的视野。在这一 领域主要的研究方向为人体电阻抗特性的研究和人体电位特性的研究。本文 提出了属于后一种方向的，利用经穴电位信号处理与机器学习理论实现中风 病人与健康人体生理状态区别和分类的方法 全文的主要内容如下： 1 ) 采集人体的电位信号根据中医理论，“十二原穴”特性的变化能反 映人体内部脏腑状态的变化，因此本文利用M e d l a b 生物信息采集系统采集 了十二原穴之中的6 个原穴的电位信号进行处理和研究。这6 个原穴位于人 体的手部，穴位的位置根据中华人民共和

2、国国家标准G Bl2 3 4 6 9 0 确定 2 ) 对采集到的信号进行小波分解、去噪和重构小波分析可以提供多种 尺度下的时频分析，适合对主要分布在低频范围内的人体电位信号进行分 析经小波分解得到的小波系数，去除由噪声控制的那部分后，一方面直接 用来构造第1 类特征向量，另一方面用来重构降噪后的信号，并进而利用基 于B u r g 算法的A R 模型功率谱估计构造第1 I 类特征向量 3 ) 对两类特征向量，使用机器学习的方法进行分类。利用交叉检验方法 将所有特征向量分成训练集和测试集，使用了B P 神经网络、小波神经网络 和不同核函数的支持向量机进行分类的训练和测试，最后对测试的结果进行

3、了比较和分析结果显示支持向量机对于第1 l 类特征向量的分类正确率非常 高，说明了利用本方法对中风病人与健康人体生理状态进行区别和分类的合 理性和可行性 4 ) 回顾了各章节的主要内容，对本课题研究过程中出现的一些问题进行 了探讨，并对将来的研究方向做了展望 关键词：中医，十二原穴，中风，电位，小波分解，去噪，重构，B u r g 算法， A R 模型，功率谱估计，特征向量，交叉检验，B P 神经网络，小波神经网络， 支持向量机 一 塑垩奎茎堡圭兰堡垒奎 A B S T R A C T A B S T R A C T T h e r ea r eaf e ws i m i l a r i t

4、i e sb e t w e e ns o m ec h a r a c t e r i s t i c so fh u m a nb i o e l e c t r i c i t y a n ds o m ep a r to fT r a d i t i o n a lC h i n e s eM e d i c i n e ( T C M ) t h e o r yS Ot h es t u d yo f T C Mt h e o r yw i t hm o d e r ns c i e n c ea n d t e c h n o l o g y w a si n t r o d u

5、c e dt ot h e r e s e a r c h e r s T h es t u d yo fh u m a ns k i ne l e c t r i c a l i m p e d a n c ec h a r a c t e r i s t i c sa n d h u m a np o t e n t i a lc h a r a c t e r i s t i c sa r et w ov e r yi m p o r t a n tr e s e a r c hd i r e c t i o n si nt h i s a r e a T h i st h e s i

6、sp r o v i d eam e t h o dt od i s t i n g u i s ha n dc l a s s i f yt h ed i f f e r e n t p h y s i o l o g i c a ls t a t eo fs t r o k ep a t i e n t sa n dh e a l t h yp e r s o n sb ym e r i d i a np o t e n t i a l s i g n a lp r o c e s s i n ga n dm a c h i n el e a r n i n gt h e o r y ，w

7、 h i c hb e l o n g st ot h es e c o n d d i r e c t i o n T h em a i nc o n t e n t so ft h et h e s isa r ea sf o ll o w s ： I ) C o l l e c t i o no fh u m a np o t e n t i a ls i g n a l A c c o r d i n gt oT C Mt h e o r y , t h e p r o p e r t i e so f t w e l v eo r i g i n a la c u p u n c t

8、 u r ep o i n t s c h a n g et or e f l e c tc h a n g e so f t h es t a t eo fh u m a nb o d y Si n t e r n a lo r g a n s S ot h i st h e s i su s e dM e d l a bb i o l o g i c a l i n f o r m a t i o n a c q u i s i t i o ns y s t e m t oc o l l e c t p o t e n t i a l s i g n a l o f6 o r i g i

9、n a l a c u p u n c t u r ep o i n t so u to ft h et o t a l12o n e s ，w h i c ha r eo nt h eh a n d so fb o d ya n d c a nb el o c a t e da c c o r d i n gt ot h eC h i n e s eN a t i o n a lS t a n d a r d sG B12 3 4 6 - 9 0 ，f o r p r o c e s s i n ga n dr e s e a r c h 2 ) W a v e l e td e c o m

10、 p o s i t i o n ，d e - n o i s i n ga n dr e c o n s t r u c t i o no ft h ec o l l e c t e d s i g n a l W a v e l e ta n a l y s i sc a np r o v i d eat i m e - f r e q u e n c ya n a l y s i si nv a r i o u ss c a l e s a n di ss u i t a b l ef o ra n a l y s i st ot h eh u m a np o t e n t i a

11、ls i g n a l ，w h i c hi sd i s t r i b u t e d m a i n l yi nt h el o wf r e q u e n c yr a n g e A f t e rr e m o v i n gt h ep a r to fn o i s e c o n t r o l l e d c o e f f i c i e n t sf r o ma l lt h ew a v e l e tc o e f f i c i e n t sw h i c hw e r ea c h i e v e db yW a v e l e t d e c o

12、m p o s i t i o n ，t h el e f tc o e f f i c i e n t sw e r ed i r e c t l yu s e dt oc o n s t r u c tt h ec l a s s I f e a t u r ev e c t o ro rt or e c o n s t r u c tt h ed e n o i s e ds i g n a l ，w h i c hi st h e nu s e dt o c o n s t r u c tt h ec l a s sI If e a t u r ev e c t o rw i t hA

13、 Rm o d e lp o w e rs p e c t r u me s t i m a t i o n b a s i n go nt h eB u r ga l g o r i t h m s 3 ) C l a s s i f i c a t i o no ft h et w ot y p e so ff e a t u r ev e c t o r , u s i n gm a c h i n el e a r n i n g m e t h o d s A l lt h ef e a t u r ev e c t o r sw e r ed i v i d e dt ot r a

14、 i n i n gs e ta n dt e s t i n gs e tw i t h C r o s s - v a l i d a t i o nm e t h o df o rc l a s s i f i c a t i o na n d p r e d i c t i o n ，u s i n g B Pn e u r a l n e t w o r k ，w a v e l e tn e u r a ln e t w o r k a n ds u p p o r tv e c t o rm a c h i n ew i t hd i f f e r e n t k e r n

15、e lf u n c t i o n s T h ef i n a lr e s u l t so fp r e d i c t i o nw e r ec o m p a r e da n da n a l y z e da n d V 浙江大学硕士学位论文 i ts h o w e dt h a tt h ec l a s s i f i c a t i o na c c u r a c yr a t eo f s u p p o r tv e c t o rm a c h i n e sf o r t h e c l a s sI I f e a t u r ev e c t o ri

16、sv e r yh i g h ，i n d i c a t i n gt h er a t i o n a l i t ya n df e a s i b i l i t yo f t h i sm e t h o df o rd i s t i n g u i s h i n ga n dc l a s s i f i c a t i o no fd i f f e r e n tp h y s i o l o g i c a ls t a t e s f o rs t r o k ep a t i e n t sa n dh e a l t h y p e r s o n s 4 ) A

17、 tl a s t ，t h em a i nc o n t e n t so fa l ls e c t i o n so ft h et h e s i sw e r er e v i e w e d S o m ep r o b l e m so ft h er e s e a r c hp r o c e s sw e r ed i s c u s s e d ，a sw e l la st h e f u t u r e r e s e a r c hd i r e c t i o n s K e y w o r d s ：T C M ，t w e l v eo r i g i n

18、a la c u p u n c t u r ep o i n t s ，s t r o k e ，p o t e n t i a l ，w a v e l e t d e c o m p o s i t i o n ，d e - n o is i n g ，r e c o n s t r u c t i o n ，B u r ga l g o r i t h m ，A Rm o d e l ，p o w e r s p e c t r u me s t i m a t i o n ，f e a t u r ev e c t o r , c r o s s - v a l i d a t i

19、o n ，B Pn e u r a ln e t w o r k ，w a v e l e t n e u r a ln e t w o r k ，s u p p o r tv e c t o rm a c h i n e 目录 目录 致谢i 摘要i i i A B S T R A C T v 目录v i i 1 绪论1 1 1 引言l 1 2 课题背景和研究意义2 1 2 1 经络与穴位2 1 2 2 信号处理与分析4 1 2 3 分类和识别5 。 1 3 研究方法和现状7 1 3 1 人体电阻抗特性的研究8 1 3 2 人体电位特性的研究9 1 4 本文的主要内容及各章节介绍9 1 5 本

20、文创新点1 0 1 6 本章小结1 1 2 人体经穴电位信号的采集及处理1 3 2 1 引言13 2 2 信号的采集1 4 2 2 1 采集设备1 4 2 2 2 经穴测量点的选取l7 2 2 3 电位信号的采集18 2 3 信号的处理2 0 2 3 1 小波变换2 0 2 3 2 多分辨率分析2 1 v i i 浙江大学硕士学位论文 2 3 3 小波去噪与重构一2 3 2 4 本章小结一2 6 3 特征向量的构造2 9 3 1 引言2 9 3 2 直接构造特征向量的方法2 9 3 2 1 特定层次小波系数的提取2 9 3 2 2 小波能量系数法构造第l 类特征向量2 9 3 3 闻接构造特征

21、向量的方法3 0 3 3 1 功率谱估计3 0 3 3 2A R 模型及Y u l e W a l k e r 方程3 1 3 3 3A R 模型参数的计算3 2 3 3 4A R 模型的定阶3 4 3 3 5A R 模型的P S D 的计算3 6 3 3 6A R 谱特性法构造第u 类特征向量3 7 3 4 本章小结3 8 4 针对电位信号特征信息的分类方法3 9 4 1 引言一- 一3 9 4 2 基于A N N 的分类方法3 9 4 2 1 感知机学 - - - j 3 9 4 2 2 反向传播网络及其算法4 0 4 2 3W N N 及其算法4 2 4 2 4W N N 的训练4 5

22、4 2 5A N N 分类的测试结果4 8 4 3 基于S V M 的分类方法。4 8 4 3 1S V M 的S L T 基础4 8 4 3 2 广义最优分类面一5 2 目录 4 3 3 支持向量机S V M 5 5 4 3 4 核函数与S V M 的算法5 8 4 3 5S V M 的训练6 0 4 3 6S V M 分类的测试结果6 3 4 4 两种分类方法的比较6 3 4 4 1 对于第1 类特征向量的分类方法的比较6 3 4 4 2 对于第1 l 类特征向量的分类方法的比较6 4 4 4 3 总体比较6 4 4 5 本章小结6 5 5 总结与展望6 7 参考文献6 9 附录7 3 攻

23、读硕士学位期间主要的研究成果7 5 浙江大学硕士学位论文 X I 绪论 1 绪论 摘要：本章介绍了一种利用经穴电位信号处理与机器学习理论实现中风 病人与健康人体生理状态区别和分类的思想和方法。首先，介绍了经络及腧 穴的电特性分析研究课题的背景知识和研究意义。其次，对本文将要使用到 的小波分析、功率谱估计、神经网络和支持向量机的理论和算法做了简要的 说明。然后，介绍了本文各章节的主要内容。最后，总结了全文主要的研究 成果和创新点。 关键词：经络，腧穴，小波分析，功率谱估计，神经网络，支持向量机。 1 1 引言 中医是我国传统文化及知识体系中的瑰宝，它是在长期的探索和实践过 程中逐渐形成的一套理论

24、体系。中医的形成是中国古人自发地运用控制论中 的黑箱理论和方法，进行辩证和施治的过程 由于古人的科学技术水平有限，无法对人体进行类似现代生理学和解剖 学那样精确的研究，但同时又发现人体内部的病患和外部的体征之间有着对 应关系，因此在基于“有诸内必形诸外”的假说和长期的实践基础上，人们 总结经验，渐渐整理出一整套系统的分析理论及方法在这一过程中，遗留 下来许多成果，如中国传统医学四大经典著作( ( ( 黄帝内经、难经、伤寒 杂病论、( - j 惯上，功率谱密度也称功率谱。 由于实际信号并不是无限的，因此人们利用观测到信号的一定数量的样 本数据，根据一定的理论和算法来估计出一个平稳信号的功率谱，此

25、即为功 率谱估计。 谱估计的方法可以分为两大类：经典谱估计法和现代谱估计法经典谱 估计是以F T 为基础的线性方法，其代表性方法是周期图法( 又称直接法) 、 相关图法( 又称B T 法或间接法) 和由它们改进而来的一些算法。现代谱估 计则是基于非线性运算的方法，主要包括参数模型法、M U D R 法和特征分解 法等。经典谱估计法的方差性能较差，分辨率较低【2 1 ，而现代谱估计能够克 服这些缺陷，因此在实际应用中，一般使用现代谱估计 1 2 3 分类和识别 1 ) 人工神经网络 人工神经网络( A r t i f i c i a lN e u r a lN e t w o r k ，A N

26、N ) 简称为神经网络( N e u r a l N e t w o r k ，N N ) ，是对动物神经网络进行抽象和建模，利用类似大脑神经突触 连接的结构，对输入信息进行处理的数学模型它是人工智能学科的重要组 成部分，具有从环境中进行“智能”学 - - j 的能力，这为利用神经网络技术解 决复杂问题和实现高度智能的自动控制相关问题提供了有效的途径 1 9 4 3 年，心理学家W M c c u l l o c h 和数理逻辑学家W P i t t s 在分析、总结 神经元基本特性的基础上首先提出神经元的数学模型，现在一般称为M P 神 经元模型 图1 3M P 神经元模型 1 9 4 9

27、年，心理学家赫布提出突触连接强度可变假设。这一规则一般被称 为赫布规则，现在多数的学习规则都遵循这一规则1 9 5 7 年，F R o s e n b l a t t 设计制作了“感知机”( P e r c e p t r o n ) 这项工作首次把人工神经网络的研究从 浙江大学硕士学位论文 理论探讨付诸工程实践。 输 入 输 出 SAK 图1 4 感知机结构【3 】 其后，神经网络的研究进入一个相对低潮期，直到19 8 2 年和l9 8 4 年， 物理学家H o p f i e l d 陆续发表了两篇关于人工神经网络研究的论文，引起了巨 大的反响，形成了8 0 年代中期以来人工神经网络的研究

28、热潮。1 9 8 6 年， R u m e l h a r t 和M c C l e l l a n d 等人提出并行分布处理( P a r a l l e lD i s t r i b u t e d P r o c e s s i n g ，P D P ) 的理论，并提出了多层网络的误差传播学 - - j 法，或称反传 ( B a c k P r o p a g a t i o n ，B P ) 算法 人们还提出了不同类型的神经网络模型，按照网络拓扑结构不同可以分 为层次型结构网络和互联型结构网络，按照网络信息流向不同又可以分为前 馈型网络和反馈型网络。根据神经网络中所使用的激励函数不同又

29、可以进行 新的不同的划分 图1 5 多层前馈神经网络模型 A N N 较早就在临床疾病诊断领域得到了应用1 9 8 9 年，有人用A N N 来 诊断心肌梗塞；华中科技大学的施侣元等设计了“人工神经网络在糖尿病筛 查中的应用研究”，作为正式诊断糖尿病的依据1 4 1 ；中国医科大学孙高等利用 6 1 绪论 人工神经网络模型，建立了用于肺癌诊断的神经网络模型来诊断病人是否确 实患肺癌l ”。 2 ) 支持向量机 统计学习理论( S t a t i s t i cL e a r n i n gT h e o r y ，S L T ) 是由V a p n i k 等人提出的一 种小样本统计理论，着重

30、在小样本情况下研究数据的统计规律及学习方法、 性质。S L T 为机器学习问题建立了一个较好的理论框架，在此基础上发展出 了一种通用学习算法支持向量机( S u p p o r tV e c t o rM a c h i n e ，S V M ) S V M 能够较好的解决小样本学习问题。 S V M 建立在S L T 的V C 维理论和结构风险最小化( S t r u c t u r a lR i s k M i n i m i z a t i o n ，S R M ) 原理基础之上，有着严格的数学依据，得到了严格的数 学证明，能够有效避免神经网络学习过程中陷入局部最优的问题，并且有着 良好

31、的推广能力和较好的分类精确性，并能有效地解决过学习问题 S V M 从线性可分情况下的最优分类面发展而来，基本内容涵盖了超平 面、函数间隔、几何间隔、线性分类器、核函数、最优间隔分类器、不等式 约束的极值问题、松弛变量、惩罚因子等等部分 S V M 有着严格的数学依据，得到了严格的数学证明，能够有效避免神经 网络学习过程中陷入局部最优的问题，并且有着良好的推广能力 S V M 在解决小样本、非线性及高维模式识别问题中表现出的许多特有的 优势，使它成为一种优秀的机器学习算法。目前：S V M 已经成为国际上人工 智能领域和机器学习领域新的研究热点 1 3 研究方法和现状 多年以来人们利用各种现代

32、科学技术对中医理论及其实践进行研究，其 中一个很重要的领域就是经络及腧穴的电特性分析研究对于这一领域，主 要有两个不同的研究方向：关于人体经穴的电阻抗特性分析和电位特性分析 人们曾经陆续发现经络及腧穴有着诸如高电导率、低阻抗、高电容和高电位 特性以及循经感传【6 l 等现象 不管是电阻抗特性还是电位特性，生物电反映的都是电特性与生命体的 关系，都是生命体内部生理状况的一种外在表现形式 7 浙江大学硕士学位论文 1 3 1 人体电阻抗特性的研究 l9 5 5 年，日本的中谷一雄等人将电压为1 2 伏特的直流电通过某些患者 的皮肤时，发现其皮肤上的某些点的导电量比其他一般的部位明显高，他将 这些导

33、电量高的点称为良导点1 7 】。将这些点用一条假想的线联结起来后，称 为良导络通过观察，他发现这些良导点的在人体体表的位置和中国中医理 论里面涉及到的穴位所在的位置很相似，而良导络则和经脉循行线符合这 个发现将中医理论里很多的内容如经络、穴位、针灸等引入了现代科技研究 者的视线其后有人曾经试图通过解剖的方法找到那些据猜测隐藏在组织里 的经络或者穴位，虽然一度有令人振奋的消息传出，但后来一一被验证是错 误的结果。尽管实体的经穴没有被找到，但仍然不断有来自中外各地的临床 报告反映经穴处电阻抗比皮肤上其他部位的电阻抗低。 意大利学者L u c aL a n z a n o 等人根据频率响应的方法，测

34、量并计算了人体 郗门穴和劳宫穴两点在l0 0 H z lk H z 下的阻抗频谱，发现无论是阻抗频谱的 实部还是虚部，穴位点处的电阻抗都比非穴位点的电阻抗小 在穴位的阻抗研究中，一般使用如下图所示的模型来描述人体皮肤阻 抗。 陬 图1 6 皮肤电阻抗模型 与此同时，另外一些学者在验证穴位点低阻抗特性时得到的实验数据却 并不支持这一论点哈佛医学院的A n d r e wC A h n 等人2 0 0 8 年的一篇研究论 文对有关穴位电特性的文章作了综述，在检索出的1 6 篇文章的l8 个研究项 目中，有9 项研究穴位，其中5 项研究结果得出穴位点与低阻抗有相关性的 结论；9 项研究经络其中7 项

35、研究结果得出经络与低阻抗、高电容有相关 性的结论I 们 8 l 绪论 因此，总的来说，关于穴位点电特性中的低阻抗特性的存在与否问题， 目前学界并没有得出一致的结论。 1 3 2 人体电位特性的研究 在对人体电阻抗特性的研究中，需要对人体施加各种不同特性( 频率、 幅度) 的电刺激，观察和研究人体在此刺激下表现出来的阻抗特性。由于人 体是有生命力的活体，其生命活动会造成身体组织特性的变化，若将人体当 作普通物体以“黑箱法”研究，施加激励后的电特性可能会因为激励与人体 自身变化造成的互相影响表现出很高的混杂性及较强的随机性，因此这可能 是造成电阻抗特性测量结果重复性较差的一个原因。 而对于人体电位

36、特性的研究，人们可以直接采集人体自发产生的电信号 进行分析，避免外加激励的影响，因此更可能接近穴位点电特性的“真相” 在此过程中，一些学者发现穴位点电阻抗与电位波形之间存在某种极大的相 关性【3 1 ，而且经过实验得出结论：穴位点的电位相对于电阻抗而言更能客观 反映穴位点的特性 人体穴位电位具有一定的带宽范围，一般认为当穴位电位处在这个常数 范围内时，人体自身经络的生理功能才基本正常运行【9 1 经络两侧同名穴位 的电位存在着电位差，理想化的平衡几乎是不可能的此电位差与年龄有关， 可以定为指标值，作为生理功能紊乱和器官病变的依据【1 0 】 在现代科技发达的今天，人们已经认识到皮肤电位对疾病诊

37、断的作用， 尤其是一些特定部位、特定形式的电位信号对临床检测和诊断有着非常好的 效果，诸如心电图、脑电图等临床检测和诊断方法已经被广泛地运用了 根据1 2 1 节中所述中医理论，如果人体内部有某些疾患，则人体皮肤 上相应穴位电位就可能有某种变化如果对这种可以比较方便地采集到的电 位信号进行分析，就可以对人体所患疾病进行诊断甚至是预测 1 4 本文的主要内容及各章节介绍 中风是以猝然昏仆，不省人事，伴1 ：3 眼歪斜，半身不遂，或肢体瘫痪、 言语不利为主症的一种疾病中医认为中风的发生，多与心、肝、脾、肾等 脏腑功能失调有关。如前所述，当脏腑发生疾患时，人体经穴处会出现皮肤 电特性的变化，因此可进

38、而通过这种电特性的变化来辅助疾病诊断 9 淅江大学硕士学位论文 本文以中风病人与健康人的生理状态区别和辨识为背景，使用小波分析 和功率谱估计对病人和健康人体十二原穴处电位信号进行处理，提取和构造 其特征信息向量，利用神经网络和支持向量机的学习能力进行分类。 本文的主要研究内容及各章节如下： 第一章为背景情况介绍。对本文课题所涉及到的中医理论、小波分析、 功率谱估计、人工神经网络和支持向量机的相关知识作了简要介绍，并对目 前的研究现状、本文的基本思路和内容和研究意义等作了说明。 第二章说明了人体经穴电位信号采集与处理的过程和方法。利用M e d l a b 生物信息采集系统采集人体皮肤穴位点处电

39、位信号，并利用小波分析在 M A T L A B 环境下对采集到的信号进行分解、滤波和重构。 第三章阐述了特征向量的构造和提取过程和方法。针对信号处理后得到 的信息，一方面可以直接使用分解后所得小波系数进行特征向量的构造，另 一方面可以在重构后的信号基础上进行基于B u r g 法的A R 功率谱估计，从而 间接获取特征信息向量。 第四章叙述了电位信号分类的方法、过程和分类结果的比较与分析。利 用第三章中所得到的结论，分别使用B P 神经网络( B a c kP r o p a g a t i o nN e u r a l N e t w o r k ，B P N N ) 、小波神经网络( W

40、 a v e l e tN e u r a lN e t w o r k ，W N N ) 和支持 向量机( S u p p o r tV e c t o rM a c h i n e ，S V M ) 对特征向量进行分类，并对分类的 结果作了比较和分析，从而说明利用人体经穴电位信号是可以进行人体生理 状态的检测和诊断，且能取得令人满意的结果的 最后对全文进行了总结，并探讨了本方法以及本方法所属的领域现阶段 存在的问题和以后可能的发展方向 1 5 本文创新点 、 本文主要有以下几个创新点： 1 ) 将一般应用于非生物对象和领域中的现代信号处理与分析技术与中 国中医理论结合起来，提出了利用小波分

41、析、功率谱估计、小波神 经网络和支持向量机的综合对中风病人与健康人的生理状态进行区 别和分类的方法，拓宽了中医研究的途径，丰富了中医研究的方法， 为现代科技与传统理论的沟通提供了新的桥梁 1 0 l 绪论 2 ) 在人体经穴信号的采集上，提出了一种新的测量方式( 12 原穴作为 采集点) 。 3 ) 在对人体经穴信号分类的过程中，提出了两个新的构造特征信息向 量的方法，并对其效果进行了比较和分析。 1 6 本章小结 本章主要介绍了与全文内容相关的背景情况，说明了本文所涉及内容的 研究方法和现状，并对本文的主要内容和各章节情况做了说明，最后提出了 本文的若干创新点。 浙江大学硕士学位论文 1 2

42、 2 人体经穴电位信号的采集及处理 2 人体经穴电位信号的采集及处理 摘要：十二原穴特性的变化能反映人体内部脏腑状态的变化，因此利用 M e d l a b 生物信息采集系统，配合医用电极，根据国家标准定位手部6 个原穴 的位置，从上述位置采集人体电位信号，并通过小波变换及多分辨率分析的 方法进行分析和处理，为后续环节做准备 关键词：十二原穴，M e d l a b ，小波交换，多分辨率分析。 2 1 引言 黄帝内经记载，“五脏有疾，应出十二原”；“五脏有疾，当取之十 二原”。十二原穴是十二经脉的源起之处，当人体内部脏腑发生病变时，原穴 会有某种形式的表现根据原穴部位出现的异常变化，可以推测判

43、断脏腑功 能的盛衰、气血的盈亏之变化，因此在临床上可用于脏腑疾病的诊断和治疗。 综合考虑十二原穴的特性和实际操作的方便性，本文使用小波分析对采集到 的中风病人和健康人体十二原穴处中手部的6 个原穴电位信号进行分解、去 噪和重构等处理 本章内容框图如下： 图2 1 本章内容框图 浙江大学硕士学位论文 2 2 信号的采集 本文实验对象为杭州市中医院针灸科的住院病人从中选取了2 0 位5 6 岁到7 2 岁之间，年龄相差范围在1 6 岁之内，病征相同、程度相近的中风病 人作为病人样本，另取2 0 位年龄相仿的健康人作为健康样本进行测量。 2 2 1 采集设备 选用南京美易科技有限公司生产的M e d L a b U 5 0 1 H 生物信号采集处理 系统作为实验仪器设备 图2 2M e d L a b U 5 0 1 H 生物信号采集处理系统 M e d L a b 生物信号采集处理系统是根据电生理实验的特点，将传统仪器 的优点与计算机的强大处理功能相结合而设计的，多C P U 并行工作，集信号 放大、数据采集、显示、存储、处理