基于物联网的便携式脉象检测系统

戴启军，赵宇平，王倩倩，吕涛，孙玉麟，段虎飞，刘美丽，杨金娜，王洪浩

1 郑州大学 电气工程学院，郑州市，450001

2 中国中医科学院，北京市，100700

0 引言

脉诊是中医的重要组成部分，是古代劳动人民反复实践积累的一种独特的诊断方法。《脉经》中“在心易了，指下难明”道出了中医医师在交流脉诊感受时的困难[1]。中医医师之所以难以交流脉诊的感受，主要是因为脉诊结果很容易受到医师主观因素的影响，对于同样的脉象，不同医师的描述各不相同。脉象中包含有非常多已知的或是未知的生理信息，它们反映了人体的生理和病理状态，中医几千年的实践经验已经充分证实了中医脉诊的诊断价值[2]。

目前国内已经有许多专家学者从事脉象仪的研究，获得了一大批研究成果。刘明林[3]发明的中医脉诊仪可以模仿传统中医诊脉的方式，利用传感器获取寸、关、尺三个位置的脉象信号。LUO等[2]采用聚偏氟乙烯（polyvinylidene fluoride，PVDF）设计了一套可以模拟中医指法的脉象仪，利用应变片记录医师脉诊技巧。柳海华等[4]设计的利用光电式脉搏传感器和无线通信模块来实现一套无线脉搏检测系统，可以检测脉搏频率、强度等特征。

国外的研究要早于国内，早在1860年法国的vierordt就研制出了第一台弹簧杠杆式脉搏描记器[5]。加拿大Concordia University采用PVDF薄膜研制了脉象检测系统[6]。YOO等[7]设计了一种利用热敏电阻进行温度补偿的压阻式脉搏传感器，克服传统压阻式脉博传感器对温度变化敏感的弱点。

我们设计了一套便携式脉象检测系统，可以同时检测寸、关、尺三个部位的脉象信号。在有稳定的网络连接时，系统会自动与云服务器建立连接，通过客户端软件可以控制数据采集系统采集信号，并上传到云服务器进行数据分析与处理。为了应对没有网络连接或网络连接不稳定的情况，设计了本地工作模式，此时系统依然可以采集数据并自动存储，使用FIR滤波器滤除干扰，进行特征识别。无论有无网络连接，系统都可以实时保存脉象信号。在联网时可以在较短时间内完成数据处理，适合临床医师的辅助诊断；无网络连接时适合进行高密度的脉象信号采集工作，可以为科研工作者提供原始的脉象数据。

1 系统设计

便携式脉象检测系统采用小巧的树莓派3B+作为上位机，将树莓派3B+与数据采集系统相连，就可以实现所有功能。使用时用户与运行在树莓派3B+上的客户端程序进行交互，客户端会通过串口向数据采集系统发送命令进行脉象信号的采集，采集完成后通过网络将数据发送到服务器进行数据处理，最终将结果显示在客户端界面。系统结构如图1所示。

图1 便携式脉象检测系统结构框图Fig.1 Portable pulse detection system structure diagram

2 系统硬件设计

便携式脉象检测系统的硬件系统分为模拟和数字两部分，模拟部分包括传感器和信号调理电路，数字部分包括主控MCU电路、USB转串口电路等。硬件实物图如图2所示。

图2 便携式脉象检测系统硬件实物图Fig.2 Physical diagram of portable pulse detection system

脉象信号的微弱性、低频性及易受干扰的特性，对传感器提出了很高的要求。本系统采用HK-2000B+脉搏传感器作为脉象信号的采集前端。此传感器将PVDF薄膜、温度补偿电路等集成在传感器探头内部，探头直径为15 mm，灵敏度高达2 mV/mmHg。该传感器外置了信号调理电路模块，其内部电路可实现信号的放大、滤波、幅度调整、基线调整等功能，输出信号已经得到了很好的调理，可直接送入模数转换芯片转换为数字信号输出。还具有抗干扰能力强、性能可靠、使用寿命长等优点[8]。

数据采集系统的主控MCU选用STM32F103RCT6，该芯片内置12位模数转换器，其采样速率高达1 MHz。而要采集的脉象信号的有效频率主要集中在0～20 Hz内，由奈奎斯特采样定理可知，MCU内置ADC的采样速率足以完成脉象信号采集的任务。

客户端采用树莓派3B+作为开发平台，树莓派3B+体积小巧、功耗低、价格低廉满足设计要求。采用7英寸(1 in=25.4 mm)液晶触摸屏进行数据的显示，通过HDMI接口与树莓派3B+连接。

3 系统软件设计

3.1 数据采集系统软件设计

为了灵活地采集数据，数据采集系统接收上位机的命令来控制采集的开始与停止。使用一个LED灯来反应数据采集系统的工作状态，进行数据采集时，点亮LED灯，采集完成后，熄灭LED灯。当串口接收到开始采集指令时会在中断过程中将采集状态标志设置为真，系统开始连续采集三个通道的数据，将结果转换为十进制形式并使用串口上传至上位机，随后等待一段时间后进行下一次采集。当串口接收到停止采集指令时会在中断过程中将采集状态标志设置为假，系统将停止采集脉象信号。图3为数据采集系统的程序流程图。

图3 数据采集系统程序流程图Fig.3 Flowchart of data acquisition system

3.2 网络通信

本研究采用TCP协议进行网络通信。客户端采集数据完成通知服务器并上传原始数据文件，服务器接收文件并处理，服务器完成数据处理后通知客户端并发送处理后的结果。图4为客户端与服务器通信过程流程图。

图4 网络通信流程图Fig.4 Flowchart of network communication

3.3 算法设计与实现

算法的设计与实现分为两部分：一是脉象信号的去噪；二是脉象信号的特征识别。

3.3.1 脉象信号的去噪

脉象信号易受周围环境噪声的影响，主要是工频干扰和电源纹波。对于传感器探头与数据采集系统之间导线引入的工频干扰，采用屏蔽线的方式来屏蔽干扰。对于电源纹波引入的干扰，采用在各个芯片的供电端连接滤波电容来减少纹波。此外信号调理电路中还设有模拟滤波器来抑制噪声。即便如此，获取的数字信号仍存在一定的噪声干扰，不能直接用于特征识别，需要通过数字滤波方法进一步去除噪声。

在无网络连接或网络连接不稳定时，利用树莓派自身资源完成数据的去噪。通过多次试验发现使用小波变换去除噪声耗时约为使用FIR滤波器去除噪声的20倍左右。因此将在客户端程序内使用FIR滤波器来滤除噪声，以应对无网络连接时处理数据的需求。刘玥伽等[9]的研究表明通过32阶FIR滤波器滤波后的信号可以满足进一步处理的要求。而在服务器程序中使用多分辨率离散小波变换的方法来完成信号的去噪，提高滤波效果。图5是使用小波变换法与32阶FIR滤波器对同一脉象信号进行滤波的效果对比图。由图5不难看出小波变换更适合处理非平稳信号，而脉象信号就是典型的非平稳信号，适合使用小波变换法去除噪声[10]，因此优先考虑使用小波变换来滤除噪声。

图5 使用小波变换法与32阶FIR滤波器对同一信号的滤波结果对比Fig.5 Comparison of the filtering results of the same signal using wavelet transform and 32-order FIR filter

3.3.2 脉象信号特征点识别

正常人的脉象信号中有多个特征点，每个特征点都有不同的生理意义，图6为各个特征点的分布情况。

（1）B点是主动脉的开放点，也是整个周期的最低点。

（2）C点是主波波峰，是脉搏波中的最大值点，该点处动脉压力达到最大并停止增加。

（3）D点是主动脉开放的终点。

（4）E点时左心室射血结束，左心室压力与主动脉压力相同。（5）F点是心脏收缩与舒张的分界点，又称为降中峡。

（6）G点位于F点之后，此时心室舒张，其压力小于动脉压力，主动脉血液回流撞击主动脉瓣，造成主动脉压力再次升高。

图6 脉象信号特征点示意图Fig.6 Characteristic point diagram of pulse signal

H1是主波高度、H3是潮波高度、H4是降中峡高度，H3/H1反映血管的弹性扩张系数，H4/H1反映动脉外周阻力。T1代表左心室射血期、T4对应左心室收缩期、T5对应左心室收缩期，T1/T4反映了心脏射血能力。

本研究采用时域识别方法进行特征点的识别，对脉象信号求一阶微分或二阶微分，根据微分结果中的极值点或过零点与脉搏波信号特征点之间的对应关系来进行特征点的识别。图7为脉象信号与其一阶微分波形。由图可知，B点出现在一阶微分波形最大正脉冲前的过零点处，C点出现在最大正脉冲后的过零点处，F点则与负脉冲周围的极值点和过零点相关。

图7 脉象信号及一阶微分波形Fig.7 Pulse signal and first order differential waveform

对于特征点的识别，首先对整段脉象信号数据求一阶微分，利用在过零点前后做差的方法找出所有极大值点，使用幅度阈值和周期阈值两个条件来筛选出C点。B点是一阶微分最大正脉冲前的第一个过零点，也是C点前的极小值点。根据这些特性可以识别出B点。F点通常出现在一阶微分波形负脉冲后过零点所在的位置。利用识别C点的方法识别一阶微分中的最大负脉冲点，则负脉冲后的第一个极小值点即为要找的F点。图8是对来自四个不同个体的脉象信号进行特征点识别的效果图。特征点识别算法可以较为准确地识别出完整周期内的B点、C点和F点。

图8 B点、C点和F点识别效果图Fig.8 Recognition effect map of points B,C and F

4 系统测试结果

4.1 硬件测试结果

设计出的数据采集系统与上海中医药大学[11]研制的中医智能脉象仪ZM-III的脉象信号采集效果对比如图9所示。可以看到设计出的数据采集系统相比中医脉象仪ZM-III，采集的脉象信号既很好地保留了需要识别的特征点，又滤除了一些干扰，有利于后续对特征点进行识别。

图9 中医脉象仪ZM-III与数据采集系统采集效果对比Fig.9 Comparison of collection effect between Chinese medicine pulse monitor ZM-III and data collection system

4.2 算法准确性检测结果

为了验证特征点识别算法的准确性，采集了若干组数据，剔除有明显问题（如剧烈的抖动）的数据，保留27条数据用于验证不同人在不同时刻采集的结果，每条数据记录了10 s的脉象信号变换。采用查准率（precision）和查全率（recall）两个特征来反映算法的准确性，查准率是指检出正确特征点占全部检出点的百分比，查全率是指检出特征点占全部特征点的百分比。表1为三个特征点的检测结果（TP—该点是特征点且被算法识别；FP—该点不是特征点但被算法识别；FN—该点是特征点但没有被算法识别）。

表1 三个特征点的检测结果Tab.1 Test results of three feature points

由表1可知B点、C点和F点的查准率和查全率都在97%以上，算法准确性较高。

5 总结

设计的基于物联网的便携式脉象检测系统，采用HK-2000B+脉象传感器、STM32系列单片机等实现脉象信号的采集，通过串口通信将3路脉象数据实时传输给树莓派3B+或PC机，进行数据处理与特征点识别。系统分为客户端与云服务器两部分。客户端秉承物联网的思维，完成数据的采集、存储、显示及简单的数据处理，在有网络连接的情况下与云服务器建立TCP连接，并上传数据。云服务器端秉承云计算的思想：接收客户端上传的数据、利用小波变换实现信号的去噪、利用微分方法识别特征点。将需要大量运算的工作交给高性能的云服务器完成，多个客户端共享一个云服务器，实现资源的充分利用。本设备体积小、成本低、操作简单；能够准确采集脉象信号，对脉象信号的主要特征点的识别准确率高于97%，适合用于家庭、社区、科研机构等场所。