中医脉诊信号的无监督聚类分析研究
随着中医客观化工作的推进,脉诊技术也越来越走向客观化和仪器化.然而,如何对仪器所检测和收集到的信息进行解读,却还是回到了原来脉诊诊断主观化的问题上.因为传统的机器学习方法,依赖于对大量的脉诊数据进行标注.但是在临床诊断和教学中,医生与医生之间对于脉象的体会不同,会导致他们对病人脉象的区分标注不同.在对比了多种特征提取方法和聚类方案之后,提出了一个较好的无监督脉诊客观化方法,在双树复小波变换(DTCWT)对数据进行预处理的基础上,以梅尔倒谱系数(MFCC)进行特征提取,在中医专家对数据进行标注之前,先根据信号的特征,使用Fuzzy c-means(FCM)聚类算法进行粗线条的分类,使得在此基础之上,可以开展进一步的细化分类研究.实验结果表明:该方法可取得较好的分类效果,为中医脉诊提供了进一步客观化的依据.
脉诊、机器学习、无监督学习、聚类分析、双树复小波变换、中医客观化、梅尔倒谱系数、模糊C均值聚类
13
TP391.4(计算技术、计算机技术)
国家自然科学基金项目61572409,61402386;中医健康管理福建省2011协同创新中心项目闽教科201575号;福建省2011协同创新中心—中国乌龙茶产业协同创新中心专项项目闽教科201575号
2018-08-15(万方平台首次上网日期,不代表论文的发表时间)
共7页
564-570