浏览全部资源
扫码关注微信
中医脉诊智能化设备数据标注的研究述评
Research review on data annotation for intelligent pulse diagnosis devices in traditional Chinese medicine
- 上海中医药杂志 2024年58卷第10期 页码：5-10
- 作者机构：
1.辽宁中医药大学（辽宁 沈阳 110847）
2.北京市利康医院（北京 102600）
3.沈阳市中医智能医疗装备产业技术研究院（辽宁 沈阳 110170）
4.辽宁中医药大学附属医院（辽宁 沈阳 110033）
- 作者简介：
衣凯，男，博士研究生，主要从事中医人工智能科学与技术研究工作
许斌，主任医师，教授，博士研究生导师；E-mail：lnzyxubin@163.com
李京，主任医师，硕士研究生导师；E-mail：lijing86826@163.com
- 基金信息：国家工业和信息化部、国家卫生健康委员会5G+医疗健康应用试点项目(工信厅联通信函〔2021〕220号);辽宁省揭榜挂帅科技攻关专项(2023JH1/104000374);教育部供需对接就业育人项目(2023010549);辽宁省科技厅应用基础研究计划项目(2023JH2/101600028;2023JH2/101700229);辽宁省科技厅2024年联合基金项目博士科研启动项目(2023011905-JH3/4500);辽宁省研究生教育教学改革研究项目(辽教通〔2022〕249号);辽宁省科技厅中医人工智能装备专业技术创新中心项目(辽科发〔2021〕37号);沈阳市中医药产业技术创新研究院项目(沈科办发〔2023〕30号);辽宁省教育厅高校基本科研项目(2024-JYTCB-06)
DOI：10.16305/j.1007-1334.2024.z20240620006
中图分类号：纸质出版日期：2024-10-10，
收稿日期：2024-06-20，
- 稿件说明：
移动端阅览
衣凯,张梦笛,郭沈,等.中医脉诊智能化设备数据标注的研究述评[J].上海中医药杂志,2024,58(10):5-10.
YI Kai,ZHANG Mengdi,GUO Shen,et al.Research review on data annotation for intelligent pulse diagnosis devices in traditional Chinese medicine[J].Shanghai Journal of Traditional Chinese Medicine,2024,58(10):5-10.
衣凯,张梦笛,郭沈,等.中医脉诊智能化设备数据标注的研究述评[J].上海中医药杂志,2024,58(10):5-10. DOI： 10.16305/j.1007-1334.2024.z20240620006.
YI Kai,ZHANG Mengdi,GUO Shen,et al.Research review on data annotation for intelligent pulse diagnosis devices in traditional Chinese medicine[J].Shanghai Journal of Traditional Chinese Medicine,2024,58(10):5-10. DOI： 10.16305/j.1007-1334.2024.z20240620006.
摘要
近年来中医诊断智能化的研究火热，其中脉诊的智能化更是研究重点。脉诊的智能化主要集中在采脉与数据处理两个方面，采脉的难点主要集中在传感器及采集指，其数据来源以及处理方式目前行业内无统一标准，目前相关研究主要聚焦在脉图变化以及桡动脉超声方面。介绍基于脉诊八要素（脉位、脉力、至数、脉律、脉长、脉宽、流利度及紧张度）的数据标注的方法，比较脉图及桡动脉超声的优缺点，并提出三维脉图作为脉诊数据标注形式的可行性，进一步探讨目前对于脉图的前端处理方法及人工智能、机器学习等应用于脉图数据标注的现状以及建议，以期为脉诊客观化提供新的研究思路。
Abstract
In recent years， there has been a surge of interest in the research on the intelligentization of traditional Chinese medicine （TCM） diagnostics， with intelligent pulse diagnosis being a focal point. The intelligentization of pulse diagnosis primarily focuses on pulse acquisition and data processing. The challenges in pulse acquisition mainly lie in sensors and pulse acquisition tools， and there is currently no unified industry standard for data sources or processing methods. Present research predominantly focuses on pulse waveform variations and radial artery ultrasound data. This paper introduces data annotation methods based on the eight key elements of pulse diagnosis （pulse position， pulse strength， pulse beats， pulse rhythm， pulse length， pulse width， fluency and tension）， compares the advantages and disadvantages of pulse waveform and radial artery ultrasound， and explores the feasibility of using three-dimensional pulse waveforms as a form of pulse diagnosis data annotation. It further discusses the current front-end processing methods for pulse waveforms and the application of artificial intelligence and machine learning in pulse waveform data annotation， aiming to provide new research perspectives for the objectification of pulse diagnosis.
关键词
中医诊断人工智能脉诊仪智能化设备算法模型
Keywords
traditional Chinese medicine diagnosisartificial intelligencepulse diagnosis devicesintelligent equipmentalgorithm models
references
黄金连，赵世举，张婷，等.单纯收缩期高血压人群不同年龄和血压梯度的脉图分析研究［J］.上海中医药杂志， 2024， 58（3）： 37-41.
张琦. 缺血性中风病中医证型与寸口部桡动脉彩色多普勒超声各参数的相关性研究［D］. 济南：山东中医药大学， 2021.
崔骥，许家佗.中医脉诊现代化研究述评［J］.中华中医药杂志， 2023， 38（2）： 463-469.
陈松晔. 基于深度学习和集成学习的脉象信号分析识别研究［D］. 上海： 华东理工大学， 2020.
张炜. 气虚血瘀型冠心病患者脉象与桡动脉血流动力学参数的相关性研究［D］. 济南： 山东中医药大学， 2021.
周雪. 缺血性中风病患者中医体质分布规律研究及其与寸口部桡动脉彩色多普勒超声参数的相关性探讨［D］. 济南：山东中医药大学， 2021.
朱可，李炜弘. 基于超声技术研究中医脉象方法探讨［J］. 西部中医药， 2021， 34 （1）： 43-45.
李灿东.中医诊断学［M］.北京：中国中医药出版社， 2016： 7.
罗赞，刘旺华，李金菊，等.从“八维度”探讨脉象客观化［J］.世界中西医结合杂志， 2023， 18（2）： 410-414.
费兆馥.现代中医脉诊学［M］.北京：人民卫生出版社， 2003： 10.
MAO J ， HUANG Y L， ZHU X，et al.Intelligent detection of pulse position in traditional Chinese medicine based on bionic pulse diagnose robotics［C］//IEEE.Conference proceedings of 2022 14th international conference on intelligent human-machine systems and cybernetics （IHMSC）. Hangzhou： IEEE， 2022：165-168.
金伟．金氏脉学［M］.济南：山东科学技术出版社， 2000： 106-114.
王欣榕. 基于寸关尺三通道脉诊信息预测血压及虚实证的人工智能方法学初探［D］.北京： 北京中医药大学， 2021.
纪泽云. 老年骨关节炎的脉象图特征分析［D］. 昆明：云南中医药大学， 2020.
秦越人. 难经［M］. 北京：科学技术文献出版社， 2010： 3.
王石，唐蜀华. 唐蜀华论脉象七要素［J］. 江苏中医药， 2021， 53 （11）： 21-23.
吴培.寸关尺部位与长度考［J］. 中华中医药杂志， 2019， 34（10）： 4597-4600.
汤伟昌，刘聪颖，赵宇平，等. 中医长短脉检测方法的研究［J］. 中国中医基础医学杂志， 2008， 14（8）： 618-620.
CHEN C L， LI Z Q ， ZHANG Y T， et al. A 3D wrist pulse signal acquisition system for width information of pulse wave［J］. Sensors， 2019， 20 （1）： 11.
王钒宇，祝兴，黄羽霖，等. 基于有限元分析法的中医脉宽模型高相关参数探究［J］. 中医药信息， 2023， 40（7）： 23-29.
BI Z J， CUI J， YAO X H， et al. Objective evaluation of pulse width using an array pulse diagram［J］. J Evid Based Integr Med， 2024， 29：2515690X241241859.
李永春，吕英，宫凤英，等.试论寸口脉诊中基本要素的采集［J］.中华中医药杂志， 2020， 35（10）： 4887-4891.
曹淼，刘明，肖凡，等.试论中医脉率标准问题及其完全“客观化”［J］.中华中医药杂志， 2022， 37（11）：6320-6323.
沈无瑕，王天芳，霍艳明，等.论促、结、代脉与心律失常的关系［J］.北京中医药大学学报， 2018， 41（6）： 455-458.
牛淑冬. 可视化脉诊信息获取与识别技术的应用与比较研究［D］. 北京：北京中医药大学， 2007.
王一飞. 基于深度学习的脉象特征提取与分类识别研究［D］. 太原：太原理工大学， 2022.
温丽娟. 基于脉诊客观化探讨慢性荨麻疹的脉象图特征及与临床分型的相关性研究［D］. 成都：成都中医药大学， 2020.
任亚娟，肖沪生，徐芳，等. 基于超声瞬时波强技术的生理性弦脉及高血压弦脉的三部脉诊能量学研究［J］. 中国中西医结合影像学杂志， 2020， 18（6）： 575-578.
周智慧，崔骥，许家佗. 阵列式脉图采集分析技术研究进展［J］. 中国中医药信息杂志， 2023， 30（6）： 176-180.
JI Z Z， WANG Y ， HUANG Y L， et al. Research on haptic feedback control system of bionic pulse diagnosis equipment［C］//IEEE. Conference proceedings of 2022 12th international conference on CYBER technology in automation， control， and intelligent systems （CYBER）. Baishan： IEEE， 2022： 963-968.
ZOU H J， ZHANG Y T， ZHANG J， et al. A novel multi-dimensional composition method based on time series similarity for array pulse wave signals detecting［J］. Algorithms， 2020， 13 （11）： 297.
CUI J ， TU L P， ZHANG J F， et al. Analysis of pulse signals based on array pulse volume［J］. Chin J Integr Med， 2018， 25 （2）： 103-107.
田紫微，贾芸芳. 脉象仪中的智能分类算法研究［J］. 中国医疗设备， 2024， 39（3）： 146-153， 159.
WANG H Y， CHENG Y Y.A quantitative system for pulse diagnosis in traditional Chinese medicine［C］//IEEE.Conference proceedings of annual international conference of the IEEE engineering in medicine and biology society. Shanghai： IEEE， 2005： 5676-5679.
石玉琳，刘嘉懿，胡晓娟，等. 基于舌脉象数据的决策树算法的非小细胞肺癌证候分类方法［J］. 世界科学技术-中医药现代化，2022， 24（7）： 2766-2775.
王江月.基于不均衡样本的脉象信号分类方法研究［D］. 哈尔滨：哈尔滨工业大学，2018.
颜建军，陈松晔，燕海霞，等. 基于递归图和卷积神经网络的脉象分析识别［J］. 计算机工程与应用， 2020， 56（7）： 170-175.
CHEN Z H，HUANG A， QIANG X L. Improved neural networks based on genetic algorithm for pulse recognition［J］. Comput Biol Chem， 2020， 88： 107315.
QUAN Y E . Pulse signal analysis based on deep learning network［J］. Biomed Res Int， 2022， 2022： 6256126.
朱光耀，颜建军，郭睿，等. 基于时间序列和时序卷积网络的脉象信号识别研究［J］. 世界科学技术-中医药现代化， 2021， 23（9）： 3056-3064.
LUO Z Y，CUI J， HU X J， et al. A study of machine-learning classifiers for hypertension based on radial pulse wave［J］. Biomed Res Int， 2018， 2018： 2964816.
YAN J J， CAI X L ，ZHU G Y， et al. A non-invasive blood pressure prediction method based on pulse wave feature fusion［J］. Biomed Signal Proc Control， 2022， 74：103523.
陈仁波. 基于XGboost算法的高血压病肝火亢盛证诊断预测模型研究［D］. 北京：中国中医科学院， 2018.
金陈玲. 便携式三部脉象采集系统与脉象信号处理研究［D］. 上海：华东理工大学， 2019.
0
浏览量
0
下载量
0
CSCD
0
CNKI被引量
- 网络PDF下载
- BibTeX下载
- Endnote下载
- RefMan 下载
- NoteExpress下载
- NoteFirst下载
关联资源
相关文章
相关作者
相关机构
- 技术支持由北京北大方正电子有限公司提供 沪ICP备13044091号
沪公网安备 31011502015228号 - 本系统建议在Chrome、 IE9+ 以上版本浏览器阅读本站内容，360浏览器请切换至极速模式
- Cookies帮助我们提供服务并提供个性化体验。使用本网站，即表示您同意我们使用Cookies
- 总访问量：181401 今日访问量：111