阅读说明：本技术 穴位判别模型的构建方法、穴位判别方法和判别系统 (Construction method of acupoint discrimination model, acupoint discrimination method and discrimination system ) 是由 高园 吴海涛 温川飙 高原 孙涛 罗悦 陈菊 宋海贝 姚光远 冯杰 于 2019-08-29 设计创作，主要内容包括：本发明公开了一种穴位判别模型的构建方法、穴位判别方法和判别系统,穴位判别模型的构建方法包括采集多个人体穴位及其附近皮肤的电位信号,经消噪处理和信号特征量提取处理后,与多个个体因素编码值构成多维信息数据库,将信息数据库的数据进行神经网络训练,得到穴位判别模型。穴位判别方法包括采集测试者穴位及其附近皮肤电位信号,以及确定测试者个体因素的取值,将电位信号经过消噪处理和信号特征量提取处理,得到信号特征量,个体因素的取值经过编码得到编码值,将信号特征量和编码值输入穴位判别模型,得到穴位判别结果。本发明考虑了个体化因素对穴位电位信号的影响,结合神经网络技术对穴位进行判别,提高了穴位定位的准确度。(The invention discloses a construction method of an acupuncture point discrimination model, an acupuncture point discrimination method and a discrimination system. The acupoint discrimination method comprises the steps of collecting potential signals of the acupoints and skin nearby the acupoints of a tester, determining values of individual factors of the tester, subjecting the potential signals to denoising processing and signal characteristic quantity extraction processing to obtain signal characteristic quantities, encoding the values of the individual factors to obtain encoding values, and inputting the signal characteristic quantities and the encoding values into an acupoint discrimination model to obtain an acupoint discrimination result. The invention considers the influence of individuation factors on the acupoint potential signals, and combines the neural network technology to distinguish the acupoints, thereby improving the accuracy of acupoint positioning.)

穴位判别模型的构建方法、穴位判别方法和判别系统

技术领域

本发明涉及人体穴位判别，特别涉及一种穴位判别模型的构建方法、穴位判别方法和判别系统。

背景技术

在中国传统治疗中，通常认为穴位区别于其他非穴位具有一定的特殊性，可以通过对穴位的针灸、推拿、点按或者艾灸刺激治疗相应的疾病。近年，人们主要从组织结构形态、物理特性(电学特性、电磁、热、声、光)、化学特性、脑区反应、左右同名穴位平衡等方面对穴位展开特异性研究。

在研究经络和穴位本质的过程中，许多学者发现穴位存在电学特性，并且主要围绕穴位电阻、伏安特性、电位、电流指标进行了研究，国内的大量研究表明皮肤低电阻点或高电位点多与传统穴位相符，但在实践中，仅根据穴位电学特性对穴位进行定位的结果准确度低。

发明内容

本发明的目的在于克服现有技术中所存在的利用穴位电学特性进行穴位定位时，定位结果的准确度低的不足，提供一种穴位判别模型的构建方法、穴位判别方法和判别系统，本发明能够对人体穴位做出较为精确的判别，提高穴位定位的准确度。

为了实现上述发明目的，本发明提供了以下技术方案：

一种穴位判别模型的构建方法，构建步骤为：

S1：采集多个样本人体穴位及其附近皮肤自发产生的电位信号；

S2：对所述电位信号进行消噪处理；

S3：对消噪处理后的所述电位信号进行分解和重构，划分为多个子信号分量，计算所述子信号分量的关联维数，得到信号特征量；

S4：将影响人体穴位电位信号的多个个体化因素分别进行编码，得到每个个体化因素对应的编码值；

S5：利用多个样本对应得到的所述信号特征量和所述编码值，构建穴位电学特性多维信息数据库；

S6：将步骤S5中所述穴位电学特性多维信息数据库中的数据按一定比例分为两组：学习组、检测组；所述学习组数据引入RBF神经网络，进行分类学习，对RBF神经网络进行迭代训练，不断完善修正权值，得到穴位判别模型；所述检测组数据对所述穴位判别模型进行检验，得出判断正确率。

优选的，所述步骤S4能够在所述步骤S5之前的任意时刻进行实施。

优选的，所述步骤S1中，所述电位信号的采集时间大于或等于1分钟。本发明将数据采集形式与中国传统医学理念相结合，数据采集不再局限于静态点的采集与比较，而是涉及动态连续化采集，每次采集时间保证在1分钟及以上，采集到的电位信号具备中医信号分析基础。

优选的，所述步骤S2中，进行消噪处理的方法为小波变换法。

优选的，所述步骤S3中，采用小波包分析方法对消噪处理后的电位信号进行分解和重构。

优选的，所述步骤S3中，通过G-P算法计算所述子信号分量的关联维数。

优选的，所述步骤S4中，所述个体化因素包括体质因素、BMI因素和穴位敏化因素。

本发明还公开了一种穴位判别方法，包括以下步骤：

步骤一：按照上述构建方法构建穴位判别模型；

步骤二：采集测试者人体穴位及其附近皮肤自发产生的电位信号，以及确定测试者的个体化因素的取值；

步骤三：采用小波变换方法对所述电位信号进行消噪处理；

步骤四：采用小波包分析方法对消噪处理后的电位信号进行分解和重构，划分为多个子信号分量，计算所述子信号分量的关联维数，得到测试者的信号特征量；

步骤五：将测试者的个体化因素的取值进行编码，得到测试者的编码值；

步骤六：将得到的测试者的信号特征量和编码值输入穴位判别模型，得到穴位判别结果。

优选的，所述步骤一能够在步骤六之前的任意时刻进行实施。

优选的，所述步骤五能够在步骤二之后，步骤六之前的任意时刻进行实施。

本发明还公开了一种穴位判别系统，包括至少一个处理器，以及与至少一个所述处理器通信连接的存储器；所述存储器存储有能够被至少一个所述处理器执行的指令，所述指令被至少一个所述处理器执行，以使得至少一个所述处理器能够执行上述的穴位判别方法。

与现有技术相比，本发明的有益效果：

本发明考虑了个体化因素对穴位电位信号的影响，将个体化因素与穴位电位信号结合构建穴位判别模型，该模型在穴位判别上具有广泛的适用性，规避了个体差异所带来的皮肤电位差异的影响，可实现较为精准的穴位判别，提高穴位定位的准确度。

本发明采用现代信号处理手段(抗干扰、信号特征提取)和神经网络模型结合对穴位进行判别，可应用在针灸临床上，代替人工寻穴，为穴位客观定位提供新思路和方法。

附图说明：

图1为本发明实施例1所述的穴位判别模型的构建方法的框图。

图2为本发明实施例2所述的穴位判别方法的框图。

具体实施方式

下面结合试验例及具体实施方式对本发明作进一步的详细描述。但不应将此理解为本发明上述主题的范围仅限于以下的实施例，凡基于本发明内容所实现的技术均属于本发明的范围。

实施例1

如图1所示，一种穴位判别模型的构建方法，构建步骤为：

S1：采集多个样本人体穴位及其附近皮肤自发产生的电位信号。

《黄帝内经》记载了160个穴位名称，本实施例主要针对内关穴(位于人体前臂)进行研究，采集时，要求人体处于静坐，环境温度最好在20度至26度间，采集内关穴附近皮肤电位信号的位置最好距离内关穴2cm左右，利用Medlab生物信号采集处理系统对内关穴与及附近皮肤电位信号连续采集1分钟，每天可多次采集，以增大数据量，多通路同时采集电位信号数据，共采集5000份电位信号数据，每份数据包括1组穴位电位信号和4组非穴位电位信号，将电位信号数据存储为数据文件。

S2：对所述电位信号进行消噪处理。

由于采集到的电位信号比较微弱，极易受到环境的干扰，因此要想得到电位信号的真实特性，有效的去除噪声信号是最关键的前提条件。利用MATLAB对上述数据文件进行读取，读取完成后，采用小波变换方法对电位信号进行消噪处理，包括三个步骤：(1)小波分解，选择一个小波并确定一个小波分解的层次为3层，然后对采集到的原始电位信号进行3层小波分解；(2)小波分解高频系数的阈值量化，对第1层到第3层的每一层高频系数，选择一个阈值进行软阈值量化处理；(3)小波重构，根据小波分解的第3层的低频系数和经量化处理的第1层到第3层的高频系数，进行一维信号的小波重构，得到消噪后的信号。

S3：采用MATLAB小波工具箱，对消噪处理后的电位信号进行分解和重构，划分为多个子信号分量，计算所述子信号分量的关联维数，得到信号特征量。

采用小波包分析技术对消噪处理后的电位信号进行分解和重构，进行2层分解，并对第2层的小波系数进行重构得到4个子信号分量。

利用G-P算法对这4个子信号分量求取关联维数，即得到信号特征量，每个穴位信号形成4个信号特征量。

S4：将影响人体穴位电位信号的多个个体化因素分别进行编码，得到每个个体化因素对应的编码值。

在实施过程，所考虑的影响穴位电位信号的个体因素有3个：体质因素、BMI因素和穴位敏化因素。不同人体的体质、BMI指数和病症不同，都会影响内关穴电位的变化。将体质因素分为9种：平和、气虚、阳虚、阴虚、特禀、气郁、血瘀、湿热、痰湿；BMI因素(按照中国标准)分为：偏瘦(BMI<18.5)、正常1(18.5≤BMI<20.6)、正常2(20.6≤BMI<24)、偏胖(24≤BMI<28)、肥胖(BMI≥28)；穴位敏化因素考虑到穴位的主要对症情况，没有出现影响穴位敏化的病症视为无症状，出现影响穴位敏化的病症包括胸痹、心悸、神志异常、胃脘痛、失眠、咳嗽、气喘。对应编码表见表1。

表1个体化因素编码表

S5：利用多个样本对应得到的所述信号特征量和所述编码值，构建穴位电学特性多维信息数据库。

S6：将所述步骤S5中所述穴位电学特性多维信息数据库中的数据按一定比例分为两组：学习组、检测组；所述学习组数据引入RBF神经网络，进行分类学习，对RBF神经网络进行迭代训练，不断完善修正权值，得到穴位判别模型；所述检测组数据对所述穴位判别模型进行检验，得出判断正确率。

学习组数据的占比为70％，检测组数据的占比为30％。

实施例2

如图2所示，一种穴位判别方法，包括以下步骤：

步骤一：按照实施例1的构建方法构建穴位判别模型；

步骤二：采集测试者人体内关穴位及其附近皮肤自发产生的电位信号，以及确定测试者的个体化因素的取值；

步骤三：采用小波变换方法对所述电位信号进行消噪处理；

步骤四：采用小波包分析方法对消噪处理后的电位信号进行分解和重构，划分为多个子信号分量，计算所述子信号分量的关联维数，得到测试者的信号特征量；

利用G-P算法计算所述子信号分量的关联维数，能够得到信号特征量。

步骤五：将测试者的个体化因素的取值进行编码，得到测试者的编码值；

步骤六：将得到的测试者的信号特征量和编码值输入穴位判别模型，得到内关穴位判别结果。

判别模型输出的判别结果为0或1，0代表不是穴位，1代表是穴位。

本实施例还公开了一种穴位判别系统，包括至少一个处理器，以及与至少一个所述处理器通信连接的存储器；所述存储器存储有能够被至少一个所述处理器执行的指令，所述指令被至少一个所述处理器执行，以使得至少一个所述处理器能够执行所述的穴位判别方法。

以上实施例仅用以说明本发明而并非限制本发明所描述的技术方案，尽管本说明书参照上述的各个实施例对本发明已进行了详细的说明，但本发明不局限于上述具体实施方式，因此任何对本发明进行修改或等同替换；而一切不脱离发明的精神和范围的技术方案及其改进，其均应涵盖在本发明的权利要求范围当中。