基于中医机器人平台的脉诊技术研究*

陆苗苗，苏 昊，马梓祎，刘艳茹，王学民

(天津大学精密仪器与光电子工程学院，天津 300072)

脉诊作为中医四诊之一，具有无创高效的优点。但是脉诊主要凭借中医师的个人经验进行判断，存在“在心易了，指下难明”的问题，大大提高了脉诊的学习难度，在一定程度上阻碍了脉诊的推广与发展[1]。现有脉诊仪以医院里的大型设备居多，需要去固定的场所使用[2]。 随着脉诊客观化的发展和家庭医疗的普及，脉象采集系统将朝着便携化、易操作的方向发展[3-4]。 天津大学的孙飞等[5]设计了基于移动终端的便携式脉象设备，通过USB 接口将采集到的脉象数据上传到智能手机端；马俊淇等[6]研制了无线便携式脉象检测系统，使用蓝牙模块将采集到的脉象信号上传到手机。 这些便携设备已经能够满足基本的采集，但是在脉象数据的处理和存储能力上还需提升。

本文针对现有脉象采集系统的不足之处设计了适合家用的中医机器人中的脉诊系统，该系统不仅能够进行脉象信号的采集和分析，还能够将采集到的数据上传到云服务器上，云服务器对脉象信号进行分析并将诊断结果通过网络返回给中医机器人，这样可以针对每个患者进行个体化的信息记录，方便患者对自己的情况进行纵向比较，实现以病人为中心的治疗。同时，云服务器通过收集大量的数据，也方便集中中医师找出不同脉象和疾病之间的关联，并制定统一的标准，进而推动中医的发展和慢性病的治疗。

1 系统的总体设计

本系统整体框架如图1 所示，主要包括脉象采集装置、软件交互系统、数据库和云服务器四个部分。 首先，由硬件电路采集到人体脉搏数据，通过串口传输到机器人诊断系统，该交互系统可通过互联网将数据上传至云服务器，云服务器对脉象信号进行处理与分析得出诊断结果与疗养建议，下发给机器人诊断系统，用户可在系统界面上看到所有诊疗信息。 数据库作为软件系统与云服务器之间的桥梁，可以实现数据的保存与读取。

图1 系统整体设计框架

2 脉象采集装置

脉象采集装置的组成及各模块之间的关系如图2 所示。 由脉象传感器采集到的脉搏压力信号首先经过预处理电路进行滤波和放大，并分离出静压和动压，之后以差分方式输入微控制器进行AD 转换，转换后的数据通过串口传给上位机进行后续处理。微控制器根据返回信号的强度来控制取脉过程中的加压大小，以获取最佳取脉压力下的脉象信号。

图2 脉象采集装置信号传递图

2.1 脉象信号采集及预处理模块

脉象信号即脉搏跳动产生的压力变化信号，具有信号弱、噪声强、频率低的特点。 基于这些特性，本系统使用定制的SMF-500 压阻式压力传感器进行脉象信号的采集，该传感器使用全桥半导体应变片作为传感器芯片[7-8]，其参数如表1 所示。 该传感器具有高灵敏度和低迟滞的特性，在寻找最佳取脉压力时可实时反馈信息。

表1 传感器参数表

针对脉象信号的特点，先对其进行预处理以便后续进行分析，预处理流程如图3 所示。 由于压力传感器采集到的脉象信号通常为毫伏数量级，因此首先采用AD620 芯片对原始信号进行差分放大。之后，从放大后的信号中通过滤波分离出静压和动压，静压即取脉过程中施加的压力，在信号中表现为直流部分；动压即脉搏跳动产生的压力变化，有效信息所在频段为0.1 Hz ～20.0 Hz。 最后，将静压和动压信号分别输入微控制器进行AD 转换。

图3 脉象信号预处理流程

2.2 压力控制模块

脉象采集时需要先找到最佳取脉压力，在此压力下的脉象信号幅度最强，时域特征最明显，符合中医脉诊信息提取的要求。 本系统的压力控制模块由二相四线步进电机、齿轮和金属滑台组成。 步进电机通过全金属齿轮作为减速装置，减速过后再连接一个金属滑块用来提供压力。 金属滑块由步进电机通过齿轮控制上升和下降，以此来模拟中医师手指的上升和下降，滑块行程为10 mm，配合初始腕带张紧力的调节，可以在一次往复取到浮、中、沉压力下的脉象，上升和下降的速度由微处理器采集到的静压力的大小决定，通过改变脉冲的频率来控制速度[9]。

为了脉象采集设备的便携性，本系统将传感器和压力控制模块封装于腕带中，腕带剖析图如图4所示，实物如图5 所示，传感器外壳为直径13 mm的圆柱体，封装盒尺寸为22 mm×22 mm×30 mm，内部含有USB 插头可与中医机器人进行通讯。

图4 腕带剖析图

图5 腕带实物图

2.3 微处理器控制模块

脉象信号的AD 转换、取脉过程中的压力控制及串口通讯的数据传输等工作由微处理器模块来完成，其主要功能如表2 所示。 本系统选取Silicon Labs 公司的C8051F350 微控制器作为控制核心，该芯片含有一个24 位的Sigma-Delta ADC，分辨率高，包含最高可达128 倍的可编程片内增益，方便进行微弱信号的测量，同时有多达8 路输入通道，可选取单端输入和差分输入两种方式进行输入。 该芯片的UART 接口可用于和上位机进行串口通信，片内有8KB 的FLASH 可以进行编程，方便存储脉象参数。

表2 微处理器主要模块功能

2.4 串口通讯模块

通讯模块使用CP2102 芯片将微控制输出的TTL电平转为USB 信号从而实现上下位机的通讯，通讯流程如图6 所示，左侧为上位机。 下位机接收上位机初始参数设置和对压力控制的指令，并且将AD 采集到的脉象信号传给上位机进行进一步处理。

图6 系统软件流程图

3 软件交互系统

中医机器人的流程如图7 所示。 该机器人为家庭使用设计，采用较好的语音提示、友好的交互界面，将“望、闻、问、切”四诊功能集于一体，且体积较小，可移动；操作流程智能化，无需具备专业知识，将中医诊断与云服务器结合，节约了机器人的资源，降低成本，实现以人为中心的治疗[10]。

图7 中医机器人使用流程

中医机器人在.NET 环境下用C＃语言开发了软件交互系统[11]，它可以对使用者进行一次包括舌诊、面诊、问诊和脉诊的全面的中医检查，机器人界面可以实时显示采集到的数据，并将最终的诊断结果和建议其呈现在交互界面上。 中医机器人的外形结构如图8 所示。

图8 中医机器人

数据的保存和处理通过SQL Server 数据库来完成。 数据管理模块用SqlConnection 类下的函数实现数据库的连接断开和使用sql 命令进行数据库的控制；USB 模块使用开源类库LibUSBDotNet 中的函数，进行USB 设备的检测、连接和数据的传输；脉象信号显示模块使用Graphic 类下的DrawLine 函数将脉象数据数组中的所有数据进行描点和连线，最终达到在屏幕上实时显示脉象波形的效果，如图9 所示。

图9 脉图显示界面

4 云服务器和信号处理

4.1 云服务器

云服务器完成四诊数据的处理，处理后的结果保存在数据库中并下发给中医机器人。 中医机器人通过TCP/IP 协议连接云服务器上的数据库，利用云服务器强大的计算能力实现脉诊的自动分析[12-13]。

随着数据量的增大和人工智能的技术的发展，四诊的辨证诊断技术也在不断修改，云服务器上所有四诊数据的处理都由独立的DLL 库实现，脉诊DLL 库中的函数实现分析上传的脉象数据、计算脉象信号的时域特征参数及频域谐波幅值比和进行脉类诊断的功能。

采集到的脉象数据上传至云服务器后，云服务器自动计算出脉象数据的时域特征参数，并将脉类结果显示出来。 如果计算过程中出现异常错误会报警提示，此时可进行人工校正。 除了脉象诊断，云服务器还提供其他中医方面的诊断，比如在舌面象分析上，云服务器对通过摄像头拍摄的舌部和面部图像进行分析，并将舌色、舌型、苔色、面色和面部光泽等分析结果显示在机器人交互界面上。 四诊综合诊断结果界面如图10 所示。 对所有的数据采集分析完之后云服务器会综合所有信息对使用者进行整体的健康状况评估，并给出接下来的疗养建议，同时基于SQL Server 数据库实现对数据的保存，在云服务器上保存此次诊断的结果，用户也可以直接从机器人中打印此次诊断的结果。

图10 四诊综合诊断结果界面

云服务器能够纵向分析个人的脉诊结果，患者每次采集之后，若之前曾在数据库中保存有脉诊数据，云服务器再次进行完脉诊之后会对比上次的脉诊结果，根据诊断的结果，给出疾病的发展趋势，并在中医机器人上给出提示。 若患者发现是采集时出了问题则患者可以主动删除该组数据，否则患者需要重新采集一次数据，如果两次采集系统判定是一种脉且和数据库中记录的不同则认为身体出现了新的状况，这时需要根据具体情况结合中医知识进行进一步的分析。

4.2 脉象信号处理及分析

4.2.1 时域特征参数提取

脉搏信号中包含着丰富的人体生理信息，比如心脏的泵血能力和脉搏波搏动的强弱相关，心脏的泵血速率和脉搏波的频率相关。 同时血液沿血管流向全身各器官时血管的弹性、血管的外周阻力和血液的粘性等因素也会影响主动脉压力[14]。

图11 所示为一个脉象周期中各个脉象特征参数在脉图中的表示，表3 对其中部分时域特征参数的意义做了进一步说明[15]。

表3 脉图时域特征参数及其生理学意义

图11 脉象信号时域特征参数图

正常人脉搏信号的频率在20 Hz 以下，云服务器接收到脉象数据后，首先，采用db6 小波对信号进行分解并去除20 Hz 以上的噪声信号，去除工频干扰等高频噪声带来的影响。 其次，采用三次样条插值法对基线进行校正，去除呼吸、抖动等因素的低频噪声引起的基线漂移。 最后，采用ILP 算法对时域特征参数进行提取， 其原理为检测直线与归一化后的单周期信号之间的交点，根据交点个数的变化情况来确定特征点。

4.2.2 高血压患者脉图参数分析

表3 展示了部分单独参数的生理学意义，除此之外，一些特征参数的比值也可反映血管特性，比如h3/h1、h5/h1 主要反映血管壁的顺应性和外周阻力，h3/h1 增大，h5/h1 减小，表明血管顺应性变差，外周阻力增加，这些参数与高血压息息相关[16]。 为了验证系统的可靠性，在中医师切脉诊断过的患者中挑选高血压患者和健康人各30 例，男女比例1 ∶1，年龄59～75 岁。 使用该系统对受试者进行脉象采集，处理之后给出脉类判别结果。 其中，系统计算出的脉象特征参数如表4 所示。

表4 高血压组与健康组脉象特征参数对比

高血压患者的一个特征是血管硬化，弹性变差，血液在血管中流动时受到的外周阻力增大，此原理可解释表4 中的结果:高血压患者的脉象相较于健康人h3/h1 显著增高(P＜0.05)，h5/h1 显著降低(P＜0.05)，该结果与以往研究一致[17-18]。 此外，该系统的脉象分类结果与中医师的诊断相比，诊断结果一致性达85%。

4.2.3 特征参数变化分析

机器人除了会对当前采集到的数据进行诊断之外，还会把当前采集和之前采集所获得的参数放在一起进行比较，以健康人的数据范围作为参考值，根据每次采集到的参数偏离中心值的程度来判断病情的发展趋势以及治疗方法的临床效果。

一患者治疗前后两次检测所得脉象参数和脉象判定结果的对比如表5 所示，通过表格可知该患者的脉象由沉滑脉转为沉弦缓脉，各参数趋于正常值，判断该患者正处于正气恢复阶段，痰湿情况有所改善，但肝气郁滞症状应予重视。 该分析方法可应用于临床上的疗效判定，比如，根据针刺治疗前后脉图参数的变化，来判断针刺疗法对失眠现象的治愈效果等[19]。

表5 脉象参数前后对比

5 总结与展望

本文设计了基于家用中医机器人平台的脉象采集和分析系统，采用符合生物工学的腕带结构来控制脉象采集时施加的压力，下位机和机器人之间通过USB 进行通讯，基于C＃编写了机器人的交互界面，可显示采集到的数据与诊疗结果。 该系统可将采集到的脉象信息通过互联网传至云服务器，经云服务器分析计算之后再将结果下发至客户端，这样可以针对每个患者进行个体化的信息记录，根据参数变化情况来分析病情发展趋势，实现以病人为中心的治疗，有利于中医在家庭中的普及。 选取高血压与非高血压患者各30 例进行测试，与中医师的脉象诊断结果一致性达到85%，证明了本系统的可靠性。