脉诊客观化研究综述

摘 要： 在传统中医学中脉诊这项诊断方式已经成功沿用几千年，中医大夫利用手指感觉人体手腕脉搏的跳动，由于脉搏信号中包含了能够反映人身体健康程度的重要信息。因此，中医大夫能够利用这些信息判断患者的身体状况，然而，脉诊的准确性则要完全依赖于中医大夫的经验和技能，不同的大夫在诊断同一患者时可能会出现不同的诊断结果。因此，迫切需要发展一种标准化、客观化脉诊的方法。

关键词： 脉搏信号； 疾病诊断； 信号处理

中图分类号： TP39141 文献标识码： A 文章编号：2095-2163（2013）03-0020-05

0 引 言

中医有着数千年的悠久历史，是中华文化的奇玮瑰宝，为华夏民族的繁衍强盛做出了不可磨灭的巨大贡献。传统中医学中，脉诊又占据着非常重要的地位，脉诊的历史渊源流长。脉诊最初源起于经络，并且早期还包括有色诊的一部分，也就是针对“浮络”、“孙络”，诊经即诊脉“气”（脉动）与诊络共同组成当时通行的“脉法”，后来诊脉动逐步独立，成为脉诊，而诊络的方法则演变成为目前色诊的一部分。最终，通过长期的实践总结，逐步地将诊断方法和脉形表现确定下来，并进一步发展成为临床诊病不可缺少的有效手段。

从古至今，传统中医都是用手指感觉脉动获取人体脉搏信息，从而判断人体器官的健康状况，历代传统名医无不是诊脉高手，而那些“按寸不及尺，握手不及足”则常常被称为庸医。根据经典中医理论可知人体脉搏汇集于桡动脉处，其包含了大量的生理学和病理学信息，脉搏的搏动与心气的盛衰、气血的盈亏和脉道的通利有着直接的因果关系，所以通过诊脉能够得到人体全身阴阳、气血、内部脏腑功能的综合信息；从现在医学角度来看，脉诊实际上是对整个人体血脉的全面诊察，脉搏信号源于心脏，流经身体各个脏器，最终汇聚在桡动脉处，使其不但包含了心脏血流血管信息，而且还包含了其它脏器血流血管及相应微循环信息；由此可知，在临床诊断中脉诊将具有十分重大的研究意义和现实应用价值。

然而长期以来，在脉诊进行时，通常都是利用手指体会患者桡动腕处的脉搏跳动所提供信息，然后根据医者的主观判断再结合一些实际表现将其形象化，例如：“应指圆滑，如盘走珠”、“如微风吹鸟背”和“如绵裹砂”等，这种形象化的脉搏信息在传统中医学中称之为“脉象”。在临床诊断时，医生凭借其指下的体会，以及其有关对脉象概念的领会，对病人的脉象加以区分和鉴别。但由于脉象的概念本身较笼统并且具体的判别标准又很模糊，医者个体不同，就会由于个人经验和主观因素的影响而得到不同的判断结果，因此在中医脉象学中临床脉诊时分歧较多，从而制约了中医脉诊的进一步发展与应用。

随着社会的进步和科学技术的发展，脉诊技术也得到了相应的演进与提升，并且由于其诊断方式相对于西医来说，具有无痛、无创伤、简便易行等优点，更是得到了中外研究团队的推崇和重视。但是仅靠医生手指获取脉搏信息并给出诊断结论易受到医生经验、感觉和表述的限制，难免存在许多主观臆断因素，从而影响了对脉象的客观化判断。此外，由于医生对脉象的理解和感知无法得到有效的记录和保存，也将影响对脉象机理的深入研究。因此，利用现代科学技术方法客观地分析诊断脉搏信号已经成为一项重要的工作。本文将详细介绍国内外研究人员在脉诊客观化方面所做的工作。

1 国内外研究现状

国内外学者从事脉诊客观化的研究已经有将近70年的时间，国内如，北京[1]、大连[2]、香港和台湾[3]等地已经投入了可观的人力物力，通过结合西医诊断学、生物力学、数学和信息工程学等多学科的知识并利用现代化的先进技术设备在脉诊客观化的研究中取得了一些进展。国外，则如韩国、日本、印度、德国、加拿大和美国等多国学者也对其开展了大量的研究工作，并取得了一定的成果。

综述目前国内外脉诊客观化的研究成果可将其分为：脉搏信号的采集系统、脉搏信号预处理及特征提取研究、脉搏信号的模式分类研究和脉象的应用研究。下面对其分别以专节展开论述。

11 脉搏信号的采集系统

在对脉诊的客观化研究中，采集脉搏信号是首要环节，由于脉搏信息的采集质量将对其后续各阶段的效果产生直接影响。因此，研究人员对脉搏信号采集系统的研制经过了长期的打磨打造，并基于信号获取方式的不同而相继开发了压力、超声多普勒和光电等一系列脉搏信号的采集设备。第3期 刘磊，等：脉诊客观化研究综述 智能计算机与应用 第3卷

111 压力信号采集设备

世界上第一台压力信号采集设备是由Vierordt在1860年设计发明的，其采用杠杆和压力鼓式描记法记录脉搏波形图，随后，Mahomed又基于力学原理发明了描记器来描记脉搏压力信号的曲线图[4]。国内对压力信号采集设备的研究起步较晚，直到20世纪50年代才由朱颜首次将脉搏描记仪应用在中医脉诊的研究中。其后，随着科学技术和电子产品的不断进步和高端进化，国内上海、山东和北京等地的科研人员已相继研制出了一批压力信号采集设备，用以模拟中医诊脉的手获取脉搏信号。目前，已研制开发的压力信号采集设备中常用的传感器大体可分为压阻式、压磁式和压电式三种类型。

112 多普勒超声信号采集设备

多普勒效应是由奥地利物理学家多普勒（Doppler）在1842年发现的，并于1845年由荷兰气象学家巴洛特（Ballot）以实验的方式，验证了声波也同样具有多普勒效应。声波多普勒效应的表现主要是，当声音接收器和声源在连续的介质中作相对运动时，声源所辐射的声频率将不同于接收器所探测到的声频率，该现象的原因主要是由于相对运动速度的不同。20世纪50年代，人们将声波的多普勒效应用于医学中。在医学中，声波的多普勒效应通常可称之为彩色超音波（彩超）。简单说，彩色超音波就是彩色多普勒再加上高清晰度的黑白B超。通常，彩色多普勒超声是采用自相关技术进行多普勒信号处理，其后得到血流信号再经彩色编码，并实时地叠加在二维图像上，就形成了彩色多普勒超声血流图像。因此，彩色多普勒超声既具有二维超声结构图像的优点，同时又提供了血流动力的信息。根据超声多普勒效应的原理，在1957年日本科学家里村茂夫第一次由其研制成功可用于在体外测定血管内血流信息的仪器。在1961年，美国学者Rushmer、Frankldin和Baker又共同提出了利用多普勒频移对血流速度进行检测的方法，并在发明了出血流计的同时，还研制推出最早的连续式多普勒超声仪。这些早期研究的实际成就为多普勒超声技术的进一步发展奠定了坚实的基础。

进入20世纪90年代以后，医学中的多普勒超声设备处于井喷式的发展阶段，面世了各种超声探头，如：I形探头、T形探头和穿刺探头等，可为不同病人各类需求提供恰当的工具，同时，在各种疾病的诊断中，该设备的使用也取得了不俗的表现，例如，颅脑疾病诊断中的应用、心血管疾病诊断中的应用、浅表器官、纵隔及肌骨系统疾病中的应用和乳腺疾病的多普勒超声诊断应用。进一步地，除了在医学中的应用以外，也可将该设备应用在交通管理中。交通警察通过向行进中的车辆发射超声波，凭此测量反射波的频率，就可以根据反射波的频率变化量值测得行进中的车辆速度，同时如果多普勒测速仪的监视器安装在道路的上方时，不仅可测量车辆速度，还可以将车辆牌号拍摄下来，并将测得的速度打印在照片上；尤需指出的是，在脉搏信号诊断中，多普勒超声技术也正在占领广阔的研究应用空间，例如，柳文仪等利用彩色多普勒的方法直接观察脉管管径大小，同时测得脉管壁的厚度、充盈情况和血流频谱等情况[5]。又如，北京中医药大学牛欣教授等人采用多普勒传感器观察血流动力学的变化和血管的位移波，并作了较为详尽的分析。

113 光电信号采集设备

将光电传感器应用在脉搏信号采集设备中是由日本研究人员Mikio Aritomo等人[6]首创完成的，并由其于1999年成功研制了基于光电传感器的脉搏记录系统。该系统的主要原理是，由于红外光可以穿透皮肤到达血管，而且红外光又能被血液充分地吸收，利用红外光电传感器检测并得到血流的变化。光电传感器获取脉搏信号的示意，如图1所示。当红外发光管发出红外光后经皮肤、组织和血液反射到光敏晶体管上，而当红外光敏晶体管在光照强度发生改变的时候，通过光敏晶体管的电流也会随之发生变化。研究中，将反射光分为两部分。第一部分为从皮肤和组织反射回收的红外光，另一部分则认为从血液中反射回收的红外光，从皮肤和组织反射回收的部分。可认定为是一个常量，从血液反射回收的部分则与血液的体积成正比。因此，光电传感器主要测量了手腕部桡动脉的血流体积变化。基于上述的原理，研究人员设计开发了不同的光电传感器，如红外光电传感器、光电容积式脉搏计和光纤位移传感器等以满足多样各异的需求。

12 脉搏信号预处理及特征提取研究

利用脉搏采集设备获取脉搏信号后，经过滤波处理、放大处理和A/D转换后，即成为可用于客观化分析的脉搏信号。但此时的脉象信号由于身体移动或呼吸影响，存在着基线漂移，同时由于电磁干扰，也存在着伪峰和高频噪声，需要对其进行预处理。此外，为了实现脉诊的客观化，还需要将不同脉搏信号的特征与疾病或症型的特异性建立起规则对应关系，目前，在脉搏信号特征提取研究中，主要方法为时域分析法、频域分析法和非线性动力学方法等。

121 脉搏信号预处理

脉搏信号中的干扰主要包括：信号采集过程中产生的高频噪声、伪峰、基线漂移等。徐礼胜等人归纳总结了干扰的特征性质，并且运用目前流行的信号处理方法，即相应提出了一套完整的预处理方法，分别提出了小波变化的方法去除噪声和基于能量比的自适应级联滤波器的方法去除基线漂移。郭庆丽等人也提出了利用时域的波峰高度比方法滤除信号伪峰。这些方法的有效应用为脉诊客观化的实现提供了基础性的技术支持。

122 脉搏信号特征提取研究

（1） 时域法

时域法分析脉搏信号主要是，定义一些具有生理学意义的波形基准点，再依据这些基准点并结合生理因素提出一些脉搏信号时域特征，为临床诊断提供有价值的理论依据。目前，常用的时域特征提取方法，主要包括多因素识脉法、直观形态法、脉图面积法、脉搏速率图法等。例如，北京中医药大学和上海中医学院分别定义了弦、滑、弦滑、细滑、沉细脉、平脉的脉象图，并根据此定义总结脉象图特征[7-8]。北京中医院张卫建等[9]根据40例患者脉案，定义了涩脉脉象图，发现其特征为主波低平、升支和降支的斜率减慢以及升支和主峰持续时间延长等特点。费兆馥等人特别针对弦脉的脉象图特征进行了深入的探讨。徐礼胜博士[10]依据这些基准点，提出了一个周期内标准脉搏波形的14维时域特征，主要包括主潮波幅值、波峰幅值、降中峡幅值、主波峡幅值等。此外，国内杨天权、傅骢远和李冰星等学者在时域分析脉搏信号方面也已取得了阶段性的可见成果。

虽然，利用时域特征分析脉搏信号取得了相当的研究进展，但仍存在一定不足，诸如标准不止一个，特征参数复杂等。因此，研究人员一直在寻求除时域特征提取方法以外的、更为理想的脉搏信号描述方法。

（2） 频域法

频域法的主要思想是，将脉搏信号通过小波变换、傅里叶变换和Z变换等数学分析理论计算推导至频域内，再依据脉搏信号的频谱提取特征，建立其与人体病理与生理的关系。

自上个世纪八十年代，国内外的研究学者就开始利用不同的频域变换方法，对脉搏信号进行分析并取得了一系列成果。刘广斌等[11]利用功率谱比较了两名有滑脉现象的妇女与健康妇女的区别，并研究发现关于健康妇女功率谱的能量脉搏分布在0-20Hz范围内，而有滑脉现象妇女的功率谱则不存在规律性。在能量角度上，王炳和等[12]又提出了利用脉搏信号频域特征和差异对几种不同疾病进行对比分析，并估算得到人体脉搏系统的传递函数。赵承筠等发现滑脉在频谱谐波的数目和相对幅度上均存在明显差异。Lee等[13]利用频谱分析人体的脉搏波信号，并得知在频谱图（PSG）上健康人与涉病人脉搏波信号有着明显区别。郭庆丽等利用小波包变换的方法分析胆囊炎和肾病综合征，其分类精度能够达到76.44%。张冬雨等[14]又利用希尔伯特-黄变换的方法分析33名健康人、25名胆囊炎患者和25名肾病患者的脉搏信号，并得出结论，该方法能从不同角度反映信号的特征，而且得到了较理想的识别效果。

显然，在频域内对脉搏信号的研究才刚刚起步。但是，利用这种方法研究脉诊有助于脉搏信号的多维度、多方面的观测，在今后的研究中有望将其量化的指标与实际疾病及症型建立逻辑上的精确联系。

（3） 非线性动力学方法

非线性动力学方法主要为了描述信号的非线性性质，并更深刻地揭示信号的机理，常用的非线性动力学方法主要包括统计熵、信息熵、Kolmogrov熵、非广延熵、最大Lyapunov指数、相关维、近似熵等。近十年，该方法已经成为生物医学信号中的重要分析工具，并日渐取得了丰硕的研究成果。随着该方法的不断趋于成熟，越来越多的研究人员将其应用在脉搏信号的分析中，从非线性的角度实现对脉搏信号与症型和疾病关系的提取研究。

在脉搏分析方面，意大利科学家Rauchberger等利用非线性动力学方法，分析正常人每天脉搏的生理变化。在脉型分类上，徐礼胜等[15]提出利用脉搏波的节律特征来实现健康脉搏波与涉病脉搏波形的合理分类；另外，还利用近似熵的方法分析脉搏信号，评估患有冠状动脉粥样硬化病人的典型状态[16]。张冬雨和徐礼胜等用时间编辑距离的方法度量脉搏信号的距离，并采用该距离对脉搏信号进行分类。还有一些学者分别采用自动回归模型[17]和高斯模型[18]来拟合脉搏波形，从而以计算得到函数参数为脉搏波形的特征诊断疾病。日本科研人员Maniwa等也已初步尝试利用非线性系统中动力学特征对加速度脉搏波的混沌特性建立了一个分析过程。利用分形和递归图，Naschitz等人分析了脉搏的传输时间。

此外，在其它生理学信号中非线性动力学方法同样得到了广泛的应用。在对正常和病人的心脏进行了深入研究后，Gldberger发现健康人生理系统的可变性是有规律的，如果这种可变性出现了不规律，则预示着健康系统已然受损。Andreadis等[19]利用近似熵的方法分析脑电信号，从而诊断甄别患有阅读障碍疾病的程度。为了分析阻塞性睡眠呼吸暂停综合症，A1varez等人[20]利用cross近似熵的方法分析夜间血氧饱和度信号。在其后的研究中，这些方法均可应用在脉搏信号中以确定其动态结构规律。

13 脉搏信号的模式分类研究

脉诊自动识别和分类的实现是脉诊客观化的重要环节。脉搏信号经过了自动识别后，就可以更为完整地构建疾病与传统脉诊中症型间的关系。因此，国内外研究人员对脉搏信号的模式分类进行了精深细致的研究工作，其中涉及到的模式识别方法主要有，多因素脉图识别法、句法模式识别法、神经网络、模糊逻辑和聚类分析方法等。

脉象自动识别的实现方法，最早是由魏韧在20世纪80年代提出的多因素脉图识别法，该方法将中医切脉时的手指感应分成8份，每份不同的组合即构成脉象。此外，李景唐利用自主研发的MX-5 型多功能中医脉象仪，对多因素脉图识脉法开展了进一步论证，分别利用寸、关、尺三个部位上的脉位趋势图、脉搏波图、脉道形态示意图和脉率趋势图，设计得到了27种中医脉象图，而且所得的脉象图的大部分得到了中医的首肯认可。

全黎明等提出句法模式识别法来处理脉象识别，其中设计使用基元表示脉搏，并引用树分类器。该方法的基本思想是，首先对脉搏波进行采样，然后抽取基元和提取基元属性等，再利用树分类器完成分类，由于该方法摒弃了人工量测定义脉象图指标的思路，就为发掘提升医生诊断水平提供了有利契机。另外，陈荣山等[21]还利用模糊集的概念来识别脉象。Lee等[22]提出模糊聚类法识别人体脉象，并获得了较高的正确率。

随着研究进程的展开和深入，神经网络、模糊逻辑和聚类分析等方法也陆续加入到脉象的分类研究中。例如，Bratteli和Murthy等将提取的临床数据特征向量输入到神经网络中，并训练得到神经网络分类器，对脉搏进行分类。胡家宁等提出将弦、滑、沉脉的特性用于训练网络，而且也用于识别，识别结果证明了采用人工神经网络识别脉象的现实可行性。另外，Allen等[23]比较了分别采用线性判别、K近邻和神经网络来对正常人和外周血管疾病病人进行有效识别，实验表明神经网络识别效果为最佳。

近年来，随着一些新近方法理论的提出和完善，其中已有一部分方法也逐渐地出现在脉搏特征分析与识别的相关研究中。例如，徐礼胜等提取改进的DTW分类器识别弦脉、涩脉、平脉、滑脉和芤脉，同时还提出了粗粒化方法和Lempel-Ziv（LZ）分解方法的分类器[15]，识别七种以节律进行区分的脉象。张冬雨等针对脉搏的形状提出了基于GEMK核函数与支持向量机分类器的脉搏信号形状分类方法。Chen等[18]提出模糊C均值分类器识别健康人和患病人的桡动脉超声血流信号。此外，Zhang等利用线性判别分析分类器识别健康人和亚健康人的脉搏信号。截止到目前，虽然已有许多识别方法进入到脉搏信号的自动识别队列中，但还未能达到计算机完全自动识别的效果，仍需进一步推动研究向高端、智能发展。

14 脉象的应用研究

追溯至上个世纪70年代，人们就利用脉象统计分析其与人体身高、年龄和体重的关系，并得到了一系列研究结论。费兆馥等通过统计分析了185例脉象图得到：青年多为平脉和滑脉、中年人的脉象逐渐趋向弦而老年多为见弦脉；第四军医大学的研究人员发现在306位健康男性飞行员的脉象图中沉脉和弦、滑脉象图居多；郑晓南等分析了200例正常大学生的脉象图并按性别分组，发现男生的脉位略浅于女生，而脉势则强于女生；赵冠英等分析了健康人的脉象图，经过统计处理发现其年龄与各种脉象图形特征的关系；宣文武等通过对青年男性和女性脉象图的研究发现，青年女性中平细脉出现的机会比男性多，而缓滑脉则极少，在男性中缓滑脉还是比平细脉多。在妊娠反应上，总医院发现通过与未孕妇女的脉象图相比较妊娠26周以上孕妇脉象图中的滑脉比例要多于未孕妇女的脉象图可达数十倍之多，藉此根据脉象图就可初步诊断是否妊娠；张忠惠等还用脉象图仪和病理学方法，同步检查并分析了205例临床诊断为早孕者的脉象和子宫内膜组织，发现滑脉是诊断早期妊娠的一种客观指标；另外，通过长期观察一年四季的脉搏，张伯纳等发现人体脉搏在冬季偏沉，而在夏季偏浮。同时，山东、上海、贵州等地的很多学者长期跟踪测试并分析正常人的四季脉搏和昼夜脉搏，发现人体脉搏是随着昼夜阴阳而消长、随着四季气候的改变而变化。在此期间，国外也实现了研究工作的重要推进，诸如，Richard[24]等研究了脉搏同年龄、代谢的关系。Lawrence等对上肢动脉与大动脉脉搏的关系也进行了相关的研究。此外，对于运动和脉象的关系方面，国内外的学者也进行了深度、有益的研究和探索。

除以上研究外，对于脉象同中医症型和疾病的关系，国内外研究人员也做了大量的探索性研究。在中医症型与脉象的研究中，国内研究人员实现了各类分析，诸如对经期、妊娠、湿热等情况下滑脉的分析，对阴虚阳亢、肝郁气滞、肝阳上亢等情况下弦脉脉搏波的分析，还对外感表症的浮脉、心阳不振、心血瘀阻及心气亏损、气虚病人的虚脉与弱脉等病人的涩、结、代、促等脉象的分析；在1983年，《陕西中医学院学报》报道了关于军医学校对脾胃虚症患者虚脉脉象的研究，1987年，湖南中医学院的李绍芝给出了关于心气虚症病人的脉象图参数。此外，美国加州大学Michall[25]和加拿大滑铁卢大学Wei[26]对寸、关、尺三部候脉方面也完成了为数不少的工作，并得到了一些具有诊断意义的脉象。

在疾病与脉象关系的研究中，研究人员的研究工作也已经获得了充分的展开，其中涉及到消化系统、泌尿系统、心血管系统、呼吸系统和神经系统等疾病的诊治。例如，张镜人发现，如果患者有气虚，则左心室的收缩功能减损70.3%；通过研究虚症患者的脉象图并对阳虚、气虚者脉象图参数进行多元回归分析，李冰星发现了虚症患者脉象图总面积、舒张期面积、上升时间均出现了增大，而升支斜率却因其减少的现象；而且，在血管顺应性与脉象的关系中，Izzo等也对此做了相关研究；Yu等利用脉搏波的形状，估计了血液输出量。

2 结束语

作为中医四诊中最具特色的一种诊断方法，脉诊已有几千年的历史，然而在利用其完成诊疗时，“在心易了，指下难明”的问题却仍然时有发生。因此，如何利用现代科学技术为传统中医脉诊注入生机活力，从而实现脉诊客观化，已经引起国内外学界越来越广泛的关注。近年来，虽然已有大量的研究人员利用不同的现代化设备和方法对脉诊客观化进行了不懈的努力钻研，并取得了一定量研究成果，但仍存在如下主要问题，现提出以待后续研究的有效、圆满解决与实现。

（1）在利用脉搏采集设备获取脉搏信号时，仍然根据操作人员主观标准判断信号的质量，迫切需要一种脉搏信号实时获取的评价方法；

（2）在脉搏信号的模式分类中，还未见较好的方法，能够解决脉搏信号特征冗余的问题；

（3）对同样都来自于心脏的脉搏信号和ECG信号在临床诊断中的意义还未达到明确，因此需要对两个信号的存在价值进行综合比较分析；

（4）针对某些疾病，脉搏信号在病理方面的分析还未及得上全面、透彻。

参考文献：

[1]傅骢远，牛欣. 中医脉象今释[M]. 北京：华夏出版社，1993.

[2]黄世林，孙明异. 中医脉象研究[M]. 北京：人民卫生出版社，1995.

[3]LU W A， WANG L Y Y， WANG W K. Pulse analysis of patients with severe liver problems. Studying pulse spectrums to determine the effects on other organs[J]. Engineering in Medicine and Biology Magazine， IEEE， 1999， 18（1）： 73-75.

[4]MAHOMED F. The physiology and clinical use of the sphygmograph[J]. Med Times Gazette， 1872， 1： 62-64.

[5]柳文仪，赖仲平. 彩色脉冲多普勒超声仪对高血压病弦脉与非弦脉的研究[J]. 中医杂志， 1993， 34（11）： 684-685.

[6]ARITOMO M， YONEZAWA Y， CALDWELL W M. A wrist-mounted activity and pulse recording system[C]//Proceedings of the First Joint BMES/EMBS Conference Serving Humanity， IEEE， 1999： 693.

[7]上海中医学院生理教研室. 对几种脉象的初步探讨[J]. 上海中医药杂志， 1979， 10（3）： 43-45.

[8]北京中医学院生理教研室. 弦、滑、细等脉象的脉搏图特征初探[J]. 上海中医药杂志， 1980， 5（2）： 8-11.

[9]张卫建. 涩脉的脉搏图特征与心血管功能状态[J]. 中国医药学报， 1988， 3（2）： 19-21.

[10]徐礼胜. 中医脉象数字特征研究[D]. 哈尔滨：哈尔滨工业大学， 2006.

[11]刘广斌， 樊小力， 黄洛秀. 两种滑脉患者与健康妇女指端容积脉搏波的功率谱分析[J]. 西安医科大学学报， 1990， 11（3）： 199-201.

[12]王炳和，杨颙. 脉搏声信号检测系统实验设计及功率谱特征[J]. 中华物理医学杂志， 1998， 39（8）： 117-120.

[13]LEE C T， WEI L Y. Spectrum analysis of human pulse[J]. IEEE Transactions on Biomedical Engineering， 1983， BME-30（6）： 348-352.

[14]ZHANG D Y， ZUO W M， ZHANG D， et al. Wrist blood flow signal-based computerized pulse diagnosis using spatial and spectrum features[J]. Journal of Biomedical Science and Engineering， 2010， 3（4）： 361-366.

[15]WANG L， WANG K， XU L. Lempel-ziv decomposition based arrhythmic pulses recognition[C]// Engineering in Medicine and Biology Society， 2005. IEEE-EMBS 2005. 27th Annual International Conference of the. IEEE， 2006： 4606-4609.

[16]WANG K， XU L， LI Z， et al. Approximate entropy based pulse variability analysis： Computer-based medical systems[C]//2003. Proceedings. 16th IEEE Symposium. IEEE， 2003： 236-241.

[17]CHEN Y， ZHANG L， ZHANG D. Computerized wrist pulse signal diagnosis using modified auto-regressive models[J]. Journal of Medical Systems， 2011， 35（3）： 321-328.

[18]CHEN Y， ZHANG L， ZHANG D. Wrist pulse signal diagnosis using modified Gaussian models and Fuzzy C-Means classification[J]. Medical engineering & physics， 2009， 31（10）： 1283-1289.

[19]ANDREADIS I I， GIANNAKAKIS G A， PAPAGEORIGIOU C， et al. Detecting complexity abnormalities in dyslexia measuring approximate entropy of electroencephalographic signals[C]//Engineering in Medicine and Biology Society， 2009. EMBC 2009. Annual International Conference of the IEEE. IEEE， 2009： 6292-6295.

[20]LVAREZ D， HORNERO R， GARCA M， et al. Cross approximate entropy analysis of nocturnal oximetry signals in the diagnosis of the obstructive sleep apnea syndrome： [C]//Engineering in Medicine and Biology Society， 2006. EMBS'06. 28th Annual International Conference of the IEEE. IEEE， 2006： 6149-6152.

[21]陈荣山，陈东汉. 模糊数学在中医脉象模式识别中应用[J]. 医学信息， 1998， 3： 20-21.

[22]LEE H-L， SUZUKI S， ADACHI Y， et al. Fuzzy theory in traditional Chinese pulse diagnosis[C]//Neural Networks， 1993. IJCNN'93-Nagoya. Proceedings of 1993 International Joint Conference on. IEEE， 1993： 774-777.

[23]ALLEN J， MURRAY A. Comparison of three arterial pulse waveform classification techniques[J]. Journal of medical engineering & technology， 1996， 20（3）： 109-114.

[24]RICHARD J P， KENNETH W H. Pulse wave changes with aging[J]. Journal of the American Geriatrics Society， 1967， 15（2）： 153-165.

[25]MICHAEL F， O'ROURKE. Pulse wave mechanics revisited： relevance to therapy of cardiovascular disease with calcium antagonists[J]. Heart and vessels， 1992， 7（3）： 113-122.

[26]WEI L Y， CHOW P. Frequency distribution of human pulse spectra[J]. Biomedical Engineering， IEEE Transactions on， 1985， BME-32（3）： 245-246.