用於對動脈nadi脈搏波形進行定量檢測的非侵入式設備naditarangini的製作方法

2023-05-29 05:28:41 1

專利名稱：：用於對動脈nadi脈搏波形進行定量檢測的非侵入式設備naditarangini的製作方法
技術領域：
：本發明涉及一種用於對動脈nadi脈搏波形進行定量檢測的非侵入式設備NadiTarangini。更具體地，本發明涉及一種用於獲得Nadi(動脈脈搏)的完整頻譜作為時間序列，並應用先進的機器學習算法來識別脈搏模式的裝置。根據本發明，將3個基於隔膜的應變器元件放置在手腕上拇指根部的準確拾取位置(稱為Vata、Pitta和Kapha位置)，這些元件受到橈動脈施加的壓力並給出等效的電學輸出。然後,使用數位化器對與發射機處應變器的激勵耦合的每個電學輸出進行數位化，該數位化器與個人計算機在USB埠處具有接口。這種壓力的壓力單位很小，並且以精確、可再現且無噪聲的波形來捕捉這種壓力，以執行精確的診斷。在每個感測元件與人的皮膚之間引入非常小的空氣間隙以捕捉準確值。使用嚴格的機器學習算法來提取脈搏中存在的典型的生理屬性,如節律、自相似性和混沌特性。隨後，將通過本發明獲得的6個脈搏波形(每隻手3個波形)分類為主要在阿育吠陀(Ayurvedic)文獻中定義的各種類型和子類型的nadi模式。本發明的系統旨在消除由阿育吠陀醫師手動執行的Nadi-Nidan中的所有人為差錯,並且可以基於精確且定量的信息來執行診斷。本發明還可以消除診斷中的任何主觀性。
背景技術：
：阿育吠陀(印度傳統醫學)認為，整個人體的功能由3種氣質(humor)來管理Vata.Pitta和Kapha,統稱為Tridosha(三要素)。這3個dosha(要素)的均衡保持了生理的每個方面的正確工作。比例上的任何失衡導致紊亂。失衡導致輸送血液的血管相對於其正常位置收縮或擴張。血管的這種收縮/擴張導致血流的調變，稱為Nadi。簡而言之，Nadi指示了血液循環的模式,而血液循環的模式無疑是由個體的生理狀態來管理的。根據阿育吠陀,這使得Nadi-Nidan(意為通過感測血流來診斷疾病)成為患者診斷的第一步,並且在大多數情況下是唯一的診斷工具。在人體中約有74000個位置可以獲得Nadi脈搏，其中只有2個位置彼此鄰近。然而,如圖1所示,根據阿育吠陀醫師的標準位置在手腕上拇指根部。阿育吠陀醫師的手(圖1中1)的3根手指,即食指(圖1中2)、中指(圖1中3)和無名指(圖1中4)放在患者的手(圖1中5)的拇指根部，可以在指尖處感測到脈搏。每根手指分別感測Vataprakriti(Vata體質，圖1中6)、Pittaprakriti(Pitta體質，圖1中7)以及Kaphaprakriti(Kapha體質，圖1中8)。這些脈搏的總體特性在表1中給出。傳統上，將指尖處感測到的所有脈搏進一步分類為Sukshma(微妙)、Tikshna(銳)、Kathina(艱苦)和Sama(定)作為主要類型，以及Vegavati(快)、Manda(慢)、Khol(深)作為幾種子類型，及其組合。上述分類主要基於偏移和脈搏運動。這些脈搏的本質可以以參數來表達,如頻率、深度、功率、節律。在每個指尖上的預定拾取位置處感測所有這些參數。這些特性的任何改變表示紊亂的類型。一些先前的相關參考文獻包括US6432060、US20031009105、US6364842、US5623933、US5755229、US5832924、US5938618、US6155983、US6159166、US6261235、US6364842、US6767329、US6293915、US6730040、US7074193、US7192402以及US7195596。這些方法中的一些從指尖而不是手腕位置捕捉脈搏波形。一些方法使用壓縮空氣對位置施加壓力以獲得脈搏(這改變了脈搏讀數)。此外，難以確定使用這些方法獲得的Nadi是否完整。目前所述的現有技術的缺點可以概括如下以上描述本身認為,Nadi-Nidan中涉及的技術來自許多實踐和經驗。再次，信息內容僅是定性的,開始時不能獲得定量結論。此外,在所述的過程中存在主觀性。·在所公開的大多數先前的嘗試中，方法涉及對橈動脈施加某種恆定壓力(以獲得最大幅度)。但是，已知Nadi-Nidan不支持任何這種對動脈的外部壓力，這是由於它影響血液循環並從而影響Nadi本身。·此外,對於任何診斷方法，必須知道完整性以及未被提及的不精確性(在本情況中為波形的噪聲內容)。·所公開的大多數先前的嘗試僅呈現脈搏波形或計算脈搏速率，而未呈現針對診斷的進一步處理。因此，本發明的發明人認識到，需要開發一種基於阿育吠陀的系統,可以克服所有這些問題。因此,期望具有--種系統,可以將Nadi脈搏作為時間序列數據給出，並且還容易使用。在本公開中，已經去除了所有限制，因此，將從本實施例獲得的波形用於基於定量信息的診斷。此外，已經識別了所有主要類型和子類型的Nadi脈搏，從而支持從本公開可獲得的波形的精度。本發明的系統旨在提供--種方便、廉價、無痛和非侵入式的方法，以消除由阿育吠陀醫師手動執行的Nadi-Nidan中的所有人為差錯，並且可以基於精確且定量的信息來執行診斷。本發明還可以消除診斷中的任何主觀性。
發明內容本發明的主要目的是提供一種方便、廉價、無痛和非侵入式的計算機輔助設備，能夠消除由阿育吠陀醫師手動執行的Nadi-Nidan中的所有人為差錯，以對紊亂和人體健康參數進行診斷。本發明的另--目的是提供一種易於使用的設備和快速響應系統,通過基於精確且定量的信息執行操作來去除主觀性。本發明的又一目的是提供一種能夠將rmdi脈搏作為時間序列數據給出並且還易於使用的設備。本發明的另一目的是提供--種將各種機器學習算法應用於nadi波形以對主要類型和子類型的nadi脈搏進行分類的設備，該設備支持從本公幵可獲得的波形的精度。本發明所採用的方法涉及將壓力感測元件放置在感測nadi脈搏的、指尖的準確拾取點，並且對其中產生的模擬壓力信號進行數位化。然後，使用現代機器學習技術來分析波形，然後將波形分類為阿育吠陀文獻中定義的各種類型和子類型的nadi。這裡，以F給出本發明中使用的術語的定義"Ayurveda"-Ayurveda是從兩個詞根導出的梵文:ayur,意為生命；以及veda，意為知識。它起源於古吠陀文獻。阿育吠陀作為一種飲食、治療和健康維護系統，與瑜珈科學一樣，可能是最古老的生命科學。「Nadi」-指脈搏。對於許多人而言,進入阿育吠陀的古老科學領域的起點在三種要素的關係Vata、Pitta禾ΠKapha。阿育吠陀將生命視為這3個基本力量的和諧流動和動態平衡·Vata(風、空氣)移動和衝力的原理·Pitta(膽汁、火)同化和變換的原理·Kapha(粘液、水)穩定性的原理這些力量作用於每個人。當它們平衡時，它們帶來舒適和健康，不平衡時，它們導致感覺不適並隨後導致疾病。每個人都是唯一的，阿育吠陀尊重這種唯一性。這就是在人體中存在個體組成類型(Dosha)的原因。從這3種基本力量中,可以形成7類個體1.風主導的個體(vata)2.膽汁主導的個體(pitta)3.粘液主導的個體(kapha)4.風和膽汁主導的個體(vata和pitta)5.風和粘液主導的個體(vata和kapha)6.膽汁和粘液主導的個體(pitta和kapha)7.風、膽汁和粘液主導的個體(等比例的vata和pitta和kapha)"vegavati"-如果脈搏速率非常高,並且移動較大,則將脈搏檢測為Vegavati脈搏。「manda」-如果脈搏速率低，並且在潮波(Tidalwave)和重搏波(Dicroticwave)中具有非常少的移動,則將脈搏檢測為Manda脈搏。「sukshma」-如果脈搏具有非常低的斜率,並且潮波和重搏波的寬度較寬,則將脈搏檢測為Sukshma脈搏。「tikshna」-如果脈搏在脈首波(Percussionwave)處具有尖銳的斜率，則將脈搏檢測為Tikshrm脈搏。它提升了理解的銳度和速度。「kathina」-如果在潮波和重搏波處的形狀看似等邊三角形，則將脈搏檢測為kathina脈搏。它增加了強度、剛性。"sama"-如果脈搏在所有3個要素中表現出均等的性態，則將脈搏檢測為Sama脈搏。如早先提到的，通過阿育吠陀醫師在手腕上拇指根部的3根手指來感測Nadi脈搏，這實際上測量了動脈施加的壓力。實際上，這種壓力的壓力單位非常微小(-0.00124Pa至+0.00124Pa)。在本發明中，使用類似的方法。將與3個發射機(每個針對一個感測元件，可以放大電信號)耦合的3個壓力感測元件放置在預定位置來代替3根手指,這3個壓力感測元件產生與這3個壓力感測元件所受到的壓力成比例的3個電信號。然後,使用數位化器對這3個電信號中的每一個進行數位化，該數位化器與個人計算機在USB埠處具有接口。使用數據獲取軟體(還控制數位化)，可以針對預定時間長度、針對信號值的任何改變,在計算機上獲得數據。可以測量的信號的最小改變完全取決於ADC的解析度。針對一隻手上的一個時間信息存儲3個這種脈搏數據。針對人的第二隻手獲得類似的脈搏數據。按照這種方式獲得的數據通常是受損的，這是由於隱式和顯式的電子和電學幹擾(稱為噪聲)對信息內容進行了調整。在適當的屏蔽之後,在所開發的本系統中獲得的噪聲電平幾乎為O。因此，以純粹的形式獲得Nadi,不需要對從數位化器獲得的信號進行任何數字濾波。一旦將脈搏數據存儲在計算機上，對每個脈搏數據序列施加基音同步小波變換，以提取平均屬性。然後,使用如傅立葉分析、混沌分析、可變性分析之類的各種特徵提取方法來計算重要的生理屬性。最後，基於這些參數來檢測脈搏的類型和子類型。相應地，本發明提供了一種用於對動脈「nadi」脈搏波形進行定量檢測的非侵入式設備NadiTarangini，其中，所述組件包括[a]至少3個基於隔膜的壓力傳感器電路(圖2中的1),並排放置在用戶手腕上的3個預定準確拾取點(圖1中的6、7、8),以感測「nadi」脈搏；[b]至少一個氯丁橡膠條帶(圖3中的5)，提供在所述壓力傳感器的底部；[c]所述條帶具有至少3個孔(圖3中的3)，以引入厚度在1至5mm範圍內的空氣間隙，以捕捉動脈跳動；[d]提供與以上提供的所述壓力傳感器中的每一個相對應的至少一個換能器(圖2中的1)以及DC電源(圖4中的4)，用於將壓力信號轉換為等效的電信號；[e]提供至少一個數位化器(圖4中的5)，使用至少一個模數轉換器(ADC)(圖4中的5)來將步驟[d]中獲得的電信號轉換為數字形式，以及提供用於最小化噪聲的屏蔽布置(圖5中的7)；[f]提供連接至所述數位化器的計算設備(圖2中的7)，用於獲得脈搏壓力波形的視覺顯示。圖1示出了阿育吠陀醫師的指尖在患者手....Ll的位置，用於感測3個位置Vata、Pitta和Kapha處的脈搏。圖2提供了本發明的示意圖。圖3示出了用於在傳感器與患者的皮膚之間引入空氣間隙的氯丁橡膠布置。圖4是根據本發明的電線路圖。圖5是根據本發明的系統的感測單元之一的電路圖(其它兩個傳感器使用相同的電路)。圖6針對3個拾取位置示出了來自本資料庫的較小持續時間內的採樣脈搏數據。圖7示出了指示重要時域特徵的採樣要素波形(3者之一)。圖8示出了Vegavati脈搏的示例。圖9示出了Manda脈搏的示例。圖10描述了在計算平均值以使用基音同步小波變換(PSWT)來捕捉脈搏數據序列的本質時涉及的步驟。圖11示出了TikshnaNadi的示例。圖12示出了KathinaNadi的示例。圖13示出了SamaNadi的示例。圖14示出了SukshmaNadi的示例。圖1.5示出了3個年齡組的人的vata數據序列的多分形頻譜中的變化。圖16示出了採樣無節律脈搏,其中缺少1/3的跳動，並且是通過脈搏間隔的可變性捕捉的。圖17通過遞歸圖分析示出了正常和發熱的pitta脈搏之間的比較。圖18顯示了指示使用嚴格機器學習算法，使用來自本實施例的數據來診斷患者的本方法的重要步驟的流程圖。圖19示出了在3個預定位置Vata,Pitta和Kapha處的人32的脈搏的示例。圖20示出了1分鐘內人32的Vata脈搏的示例。圖21示出了人32的vata脈搏的傅立葉變換的示例。圖22示出了所檢測到的人32的vata脈搏的峰值的示例。圖23示出了對人32的vata脈搏進行摺疊的示例，使得所有峰值在一起。圖24示出了人32的平均vata脈搏的示例,示出了整個時間序列的本質。圖25示出了人32的vata脈搏的多分形頻譜的示例。圖26示出了指示人32的vata脈搏的峰值之間的時間差的脈搏速率可變性的示例。圖27示出了人32的vata脈搏的遞歸圖的示例。具體實施例方式時間序列分析和機器學習是理解生理系統的基礎動態的有用工具。一般而言，可以通過以所需的採樣率，在所需時間內，使用數位化器(模數轉換器ADC)對來自壓力感測元件和換能器的模擬信號進行數位化來獲得時間序列。ADC具有與個人計算機(PC)的接口，個人計算機(PC)可以傳送和在盤上存儲數據序列(稱為時間序列)。然後,可以使用各種機器學習算法來對通過這種方式獲得的時間序列進行分析，以提取基礎系統的動態特徵。在本發明中，採用類似方法來定量地獲取Nadi脈搏。在本發明中，安裝在氯丁橡膠片(圖2中的3)上、與可以放大電信號的發射機(圖2中的4)耦合的3個壓力感測元件(圖1中的2)放置在3個預定位置(圖1中的6、7、8),以代替阿育吠陀醫師的指尖。考慮到患者手腕的可變大小、皮膚的差異，在患者手腕上必須正確調整壓力感測元件以及氯丁橡膠片，使得3個感測元件的所有3個隔膜(圖4中的2)在手腕上的3個預定位置完全與患者的midi接觸。傳感器導線(圖2中的2)被正確屏蔽。通過發射機,使用DC電源(圖2中的5)向每個壓力感測元件提供激勵電壓。這種布置產生與壓力感測元件受到的壓力成比例的電信號，然後，使用與個人計算機(PC,圖2中的7)在USB埠處具有接口的數位化器(ADC，圖2中的6)對其進行數位化。使用數據獲取軟體(還控制數位化)，可以針對預定時間長度、針對信號值的任何改變,在計算機上獲得數據。可以測量的信號的最小改變完全取決於數位化器的解析度。按照這種方式獲得的數據通常是受損的，這是由於隱式和顯式的電子和電學千擾(稱為噪聲)對信息內容進行了調節。在適當的屏蔽之後，在所開發的本系統中獲得的噪聲電平幾乎為O。因此，以純粹的形式獲得Nadi,不需要對從數位化器獲得的信號進行任何數字濾波。通過本發明獲得的波形包含典型的生理屬性，如節律、自相似性和混沌特性。使用嚴格的機器學習算法來將這些波形分類為主要在阿育吠陀文獻中定義的各種類型和子類型的nadi模式。這些波形是精確、完整、可再現且無噪聲的，以執行精確診斷。適用的方法包括(a)將3個壓力感測元件中的每一個分別放置在(阿育吠陀醫師的)3個指尖感測Nadi脈搏的準確拾取點，在去除DC分量之後,對其中產生的模擬壓力信號進行數位化；(b)使用具有3個孔的氯丁橡膠片，在每個傳感器與皮膚之間引入空氣間隙的布置；(c)將至少一個發射機連接至每個傳感器,每個傳感器還從另一側連接至DC電壓源；(d)連接至少一個數位化器,用於使用至少一個模數轉換器(ADC)將從步驟(d)中獲得的電信號轉換為數字形式，以捕捉輸入信號的快速改變，以及屏蔽濾波布置，以最小化噪聲；(e)將來自從步驟(d)獲得的主要和次要峰值的數位訊號的不同參數記錄並存儲到存儲設備中；(f)在存儲設備中設計專用程序，以優化脈搏模式的分類的性能準則；(g)通過分析脈搏波形來觀察和解釋從上述步驟獲得的結果，以檢測各種紊亂。適用的系統的詳細描述如下。·圖4說明了本發明的電線路圖。通過發射機(圖4中的3),使用DC電源(圖4中的4)向每個基於隔膜(圖4中的2)的壓力感測元件(圖4中的1)提供激勵電壓。通過相應的連接導線(圖4中的7)，從發射機獲得壓力感測元件的每個輸出。該輸出還連接至用於數位化的ADC(圖4中的5)並最終存儲在計算機(圖4中的6)中。·圖5中公開了本發明中適用於每個感測元件的電路的細節。壓力感測元件的惠斯通電橋(圖5中的1)通過連接總線，從參考電壓產生器(圖5中的9)接收恆定激勵電壓。電橋的可變電阻器(圖5中的2)從Nadi脈搏識別壓力改變。該輸出通過一系列放大器(圖5中的3)放大並提供至NPN類型電晶體(圖5中的4)的基極。從發射極端子獲得與來自電橋的放大的壓力信號成比例的輸出。使用電阻器(圖5中的5)將電流輸出轉換為電壓(圖5中的8)，以進行數位化。二極體(圖5中的6)允許單向電流流動。所有連接線(圖5中的7)被適當屏蔽並接地，這消除了所有外部幹擾、噪聲。·圖3示出了氯丁橡膠片(圖3中的5)的布置，以在傳感器與人的皮膚之間引入空氣間隙。每個傳感器的尺寸是8.SmmX6.5mm。非常微小的隔膜(圖3中的1)位於傳感器(圖3中的2，必須準確放置在手腕....Ll的預定位置)的中心。在氯丁橡膠片(厚度1至5mm)上形成3個孔(圖3中的3)，用於引入空氣間隙(圖3中的4)。每個孔的大小使得每個傳感器正好位於覆蓋其相應孔的片上。·數位化器和數據獲取軟體從發射機獲得的模擬信號被去除DC分量,然後使用ADC進行數位化。ADC的帶寬足夠高，以捕捉來自發射機的輸入信號中的快速改變。本發明使用精度12比特的ADC。ADC與個人計算機在USB埠處接口。軟體LabVIEW支持上述ADC設備,通過個人計算機本身實現了ADC的操作。軟體在預定時間內獲取Nadi脈搏的數位化數據，並且在盤上保存數位化的脈搏波。圖6給出了來自本資料庫的歸一化採樣脈搏數據。3種顏色指示了在手腕上的預定位置捕捉的3個不同要素。這3個要素波形幾乎彼此相隨，但是它們表現出不同的性質。使用各種算法來捕捉隱藏在這些數據中的信息。圖7示出了圖6中的一個要素的脈搏周期的放大版本，指示了重要的時域特徵。在本資料庫中，脈首波(圖7中的1)、潮波(圖7中的2)、谷波(Valley,圖7中的3)、重搏波(圖7中的4)中的細節針對不同患者示出了不同性態，因此可以通過學習這種性態來進行識別。此外，脈搏數據的點表示(圖7中的5)給出了脈搏的完整畫面思想,並且沒有額外信息可用。因此，所提取的脈搏時間序列由Nadi脈搏的完整且無噪聲的頻譜組成。這是本發明的獨特特徵。在本發明的實施例中，所使用的參數是從包括年齡、性別、職業、皮膚和大氣條件在內的組中選擇的。在本發明的另一實施例中，以奇異吸引子屬性的形式確定混沌特性，並且以能夠捕捉各種紊亂(包括發熱、背痛、心律不齊和心臟紊亂)的遞歸量化分析參數的形式來捕捉混沌特性。在本發明的另一實施例中，惠斯通電橋的可變電阻器能夠識別在nadi脈搏處的壓力改變。在本發明的另一實施例中，設備能夠檢測在-0.00124Pa至+0.00124Pa範圍內的動脈脈搏壓力。在本發明的另-一實施例中，nadi的類型是從由Sukshma、Tikshna、Kathina和Sama、其子類型及其組合組成的組中選擇的，其中，用戶的壓力點是vata、pitta和kapha。在本發明的另一實施例中，傳感器處的壓力在7.5至13cmII20壓力的範圍內，以捕捉精確的壓力讀數。在本發明的另一實施例中，所使用的氯丁橡膠片的厚度在1至5mm的範圍內。在本發明的另一實施例中，3個感測元件準確安裝在厚度1至5mm的氯丁橡膠片中形成的3個孔(圖3中的4)上，以在傳感器與患者的皮膚之間引入3個空氣間隙，以非常精確地捕捉微小的壓力。在本發明的另--實施例中，存儲設備優選為具有至少一個USB埠的計算機。在本發明的另一實施例中，所產生的波形包括脈首波、潮波、谷波和重搏波的域特在本發明的另一實施例中，提供了一種使用要求保護的設備NadiTarangini來對個體的動脈nadi脈搏波形進行定量檢測的方法,其中，所述方法包括以下步驟將所述設備放置在預定位置處至少60秒，接著獲取和記錄形成完整無噪聲nadi波形峰值的不同參數，所述nadi波形峰值由從包括以下內容的組中選擇的典型生理屬性來表徵節律、自相似性、混沌特性,並且然後解釋所獲得的結果以識別用戶的可能紊亂。在本發明的另一實施例中，nadi的子類型是從由Manda和Vegavati組成的組中選擇的，其中，用戶的壓力點是vata,pitta和kapha。在本發明的另一實施例中，脈搏速率是從脈搏的傅立葉頻譜定量計算的。在本發明的另一實施例中，峰值包括主要和次要類型，並且隨不同參數的改變而在本發明的另一實施例中，所使用的節律是基音同步小波變換,其中，小波係數能夠提取脈搏的平均值，以捕捉整個數據序列的本質。在本發明的另一實施例中，波形的自相似性是由多分形頻譜來確定的,所述多分形頻譜能夠對不同年齡組用戶的各種脈搏模式進行區分。在本發明的另一實施例中，連續脈搏跳動之間的變化是由脈搏可變性(PitchVariability)捕捉的，以捕捉脈搏中存在的無節律性態。在本發明的另--實施例中，以來自遞歸圖的描述符的形式捕捉脈搏數據中的混沌特性，以檢測包括發熱在內的紊亂，該描述符描述了大尺寸和小尺寸的結構。示例以下示例是作為示意給出的，因此不應被解釋為限制本發明的範圍。示例1使用本實施例，通過將安裝在氯丁橡膠上的3個壓力感測元件準確放置在患者左手手腕上的3個預定位置(圖1中的6、7、8)，以代替阿育吠陀醫師的指尖來記錄Nadi脈這3個約定位置是患者手腕上的vata位置、pitta位置和kapha位置。獲取的採樣率為500Hz，這足以捕捉所有細節。收集數據1至5分鐘。使用ADC(圖4中的5)分別對所有3個信號進行數位化,並且將其存儲在脈搏資料庫中，分別作為vata脈搏數據、pitta脈搏數據和kapha脈搏數據。對於患者的右手手腕,按照相同的過程來得到另外3個數據。因此,在脈搏資料庫中,針對每個患者存儲6個脈搏信號(來自兩隻手上的vata、pitta和kapha位置)。此外，在資料庫中記錄患者的信息，如年齡、性別、職業。完整的資料庫包含受到不同紊亂(包括發熱、無節律紊亂)困擾的42個患者的信息和脈搏信號。每個信號示出了幅度、頻率、節律、深度和功率參數中的變化，因此可以使用不同信息來承載不同模式。使用不同的機器學習算法,一起研究和分析了所有脈搏信號，以提供一種非侵入式、易於使用並且響應快速的診斷設備NadTarangini，其能夠消除阿育吠陀醫師手動執行的Nadi-Nidan中的所有人為差錯，以進行診斷。這裡簡要解釋重要步驟(如圖1所示)，並且在後續示例中給出所包括的細節。首先，針對患者的脈搏信號(總共6個脈搏中的任何--個，由於針對所考慮的患者,所有6個脈搏中脈搏速率相同)計算傅立葉係數。根據傅立葉頻譜中的基頻來計算脈搏速率。為了檢測本實施例的NadiTarangini的可再現性，在上午時間的不同時刻記錄單個人的脈搏信號，並且計算其相關維度以進行驗證。由於每個脈搏信號的長度非常長,使用基音同步小波變換來計算平均脈搏值，以捕捉脈搏的本質。這種平均的脈搏還可以進--步用於檢測目的。使用針對患者的所有6個脈搏信號的上述參數和平均脈搏，獲得4種主要的Nadi類型(即Sukshma、Tikshna、Kathina和Sama)和Nadi子類型(即Manda和Vegavati)及其組合。使用分類器支持向量機(SVM)來進行上述檢測。首先,使用來自前31個患者的參數來訓練分類器,然後針對其餘11個患者來測試分類器。此外，使用多分形分析,基於非線性動態和SVM來捕捉3個年齡組(即「25歲以下」、「25至50歲」和「50歲以....t")中示出顯著不同性態的患者的脈搏以及這種性態。使用脈搏速率可變性分析和SVM，使用脈搏間隔的變化來捕捉脈搏信號中的無節律性態。最後，使用基於混沌理論的遞歸圖分析(基於遞歸量化描述符％遞歸、％決定、熵和％分層)來容易地使用SVM來檢測脈搏信號中的紊亂。作為示例，示出了這些步驟和針對人34的採樣脈搏的計算。圖19示出了使用500Hz採樣率在1分鐘內捕捉的完整脈搏。因此,對於3要素(在3個預定位置Vata、pitta和kapha),總點數為3X60(秒)X500(Hz)=3X30,000=90，000。在圖20中僅示出了vata脈搏，包含1分鐘內的30，000個點。計算vata脈搏的傅立葉變換，給出30，000個傅立葉係數。在圖21中，為了可視性，僅繪出了前1500個係數(除了提供平均值的第一個係數以外)。可以注意到,第一峰值在頻率80.57(=81)(圖21中的1),這是人34的脈搏速率。手動計數的脈搏速率也是81。3個要素的相關維度分別為1.76、1.71和1.75。為了計算平均vata脈搏，首先，如圖22所示，計算vata脈搏中的峰值，其中「紅色*」指示峰值。然後，以以下方式來摺疊vata脈搏如圖23所示,所有峰值在一起。對該摺疊的vata脈搏的小波變換最終提供了如圖24所示的平均脈搏。此外,可以看到，脈搏移動較高,因此，vata脈搏的子類型為vegavati。在潮波和重搏波處的形狀看似等邊三角形，因此該vata脈搏也是Kathina脈搏。此外，所有3個要素表現出均等的性態，因此該脈搏是sama脈搏。然後，vata脈搏的多分形分析提供了如圖25所示的多分形頻譜，該頻譜捕捉了自相似性。然後,將以上計算的峰值用於脈搏速率可變性。在所考慮的vata脈搏中,有81個峰值，因此其間有80個差值。如圖26所示,這些差值都足夠接近,並且因此,所考慮的vata脈搏不是無節律的。最後，圖27中vata脈搏的遞歸圖(為了更好的可視性，僅示出了30，000個點中的前8，000個點)示出了vata脈搏中的小尺寸和大尺寸結構。使用嵌入維7、延時1和半徑0.3的遞歸量化描述符為遞歸=5，579,分層=-2.182和決定=95。最終，通過將所有上述結果通過分類器,來以參數形式使用所有上述結果來對人34進行診斷。最後，分類器SVM提供了輸出，如人34屬於samakathinavegavati類型，人34不具有無節律紊亂。示例2脈搏速率通過在預定位置處放置傳感器1至5分鐘來獲得脈搏。在取得Nadi之後,立即針對每次獲取來手動測量脈搏速率。使用患者的6個脈搏數據的任一要素的傅立葉頻譜中的基頻來計算脈搏速率。表2中給出了針對幾個患者的從脈搏時間序列中測量的脈搏速率與手動測量的脈搏速率的比較。示例3可再現性在整個上午的7個不同定時(上午830、上午915、上午1000、上午10:45、上午11:30、下午12:15和F午1:10)，使用以上描述中描述的本發明來獲取人2(27歲)的Nadi脈搏。除了人的體質之外，Nadi對精神狀態、壓力、思想等敏感。脈搏的性質由於這些因素而出現本質改變。對於上述7個定時，要求人在測量脈搏之前放鬆5分鐘。對所有7個定時的脈搏數據執行混沌分析,並且觀察到，即使脈搏的形狀略有改變特定要素的相關維度和最大Lyapunov指數(參考_D.Kugiumtzis,B.Lillekjendlie,andN.Christophersen.ChaotictimeseriespartI-Estimationofsomeinvariantpropertiesinstatespace.Modeling,IdentificationandControl,15(4):205--224,1994)幾乎保持恆定，。表3給出了左手的vata、pitta和kapha的脈搏的相關維度。由於相關維度(以及最大Lyapunov指數)在整個上午時間保持恆定，因此這表明所獲得的脈搏是完全可再現的，但是脈搏的形狀可以略有改變。示例4計算脈搏數據的本質將每個脈搏數據序列提供給基音同步小波變換算法(參考-Evangelista，G,1993.『『PitchSynchronousWaveletRepresentationsofSpeechandMusicSignals."IEEETransactionsonSignalProcessing41(12):3313-3330)，以提取脈搏的平均值，這捕捉到如圖10所示的整個數據序列的本質。還針對另外兩個元素的數據序列執行相同的過程。基音同步小波變換首先找到時間序列中的峰值(圖10中的1)，將時間序列摺疊使得所有峰值在一起(圖10中的2)，然後在L方向(圖10中的4)上進行小波變換(圖10中的3)。最終的結果給出了整個脈搏數據序列的平均值。示例5識別Nadi的類型使用監督的分類來識別Nadi的類型。首先，針對資料庫中可用的所有脈搏波形，計算各種參數，如幅度、頻率、節律、深度和功率。阿育吠陀醫師也以定性的方式提供了真實Nadi類型。使用支持向量機(SVM)(參考-VladimirK.Vapnik.TheNatureofStatisticalLearningTheory.Springer,NewYork,NY,USA,1995)作為分類器。嚴格基於統計學習理論的SVM同時最小化了訓練和測試差錯，並且產生唯一的全局優化方案。從人1至人31提取的參數以及其已知的Nadi類型用於訓練SVM。然後,對人32至人42的參數進行測試。將SVM的輸出標籤(使用所述方法定量確定的標籤)與真實Nadi類型(來自資料庫的由阿育吠陀醫師提供的定量記錄的標籤)進行比較。該比較在表4中給出。我們可以以良好的精度將脈搏分類為Nadi類型Sukshma、Sama、Kathina和Tikshna及其組合。示例6識別Nadi的子類型根據脈搏速率和脈搏的移動，將脈搏數據初步分類為Vegavati或Manda。如圖8所示，如果脈搏速率非常高，並且移動較高(圖8中的1)，則將脈搏檢測為Vegavati脈搏。另一方面，如圖9所示，如果脈搏速率較低，在潮波和重搏波中具有非常少的移動(圖9中的1)，則將脈搏檢測為Manda脈搏。示例7識別TikshnaNadi圖11示出了人41的vata脈搏波形，作為TikshnaNadi的示例，其中，發現在脈首波的峰值處的斜率非常尖銳(圖11中的1)。示例8識別KathinaNadi圖12示出了人38的kapha脈搏波形,作為KathinaNadi的示例，其中，在潮波和重搏波處的形狀看似等邊三角形(圖12中的1)。示例9識別SamaNadi圖13示出了人40的所有3個脈搏波形,作為SamaNadi的示例，其中,脈搏在所有3個要素中表現出均等的性態。示例10識別SukshmaNadi圖14示出了人36的vata脈搏，作為KathinaNadi的示例，其中，脈搏具有非常小的斜率，並且潮波和重搏波的寬度較寬(圖14中的1)。示例11識別特殊脈搏使用脈搏速率可變性、多分形頻譜分析和遞歸圖方法來捕捉所有要素中脈搏的特殊情況。多分形頻譜(參考-J.F.Muzy,E.BacryandA.Ameodo,Themultifractalformalismrevisitedwithwavelets,Int.J.Bif.Chaos4(1994)245-302)捕捉脈搏序列的自相似性，自相似性是生理時間序列的本質屬性。將22個正常脈搏分為3個年齡組,即「25歲以下」、「25至50歲」和「50歲以上」,並且觀察其多分形頻譜。在圖15中，示出了從每個年齡組中隨機選擇的正常脈搏的多分形頻譜。如圖15所示，隨著年齡增加,多分形頻譜移向上角。因此，如示例5中所說明的，可以將分類器訓練為將脈搏分類為3個年齡組之I/lclSnJi^tt(##-LLiandZ.Wang.Studyonintervalvariabi1ityofarterialpulse.InThe1stJointBMES/EMBSConference,page223』1999)捕捉連續脈搏跳動之間的變換，而不是僅僅捕捉脈搏速率。首先，檢測脈搏峰值，這些峰值之間的差異形成脈搏可變性數據。使用該脈搏可變性數據來捕獲丟失的脈搏跳動(如果存在)，並且因此，如圖16所示，該數據對於捕捉脈搏中出現的無節律性態非常有用。在正常脈搏數據中，脈搏峰值之間的差異在非常接近的範圍內變化。在所考慮的脈搏數據中，丟失了1/3的跳動(圖16中的1)，因此峰值之間的差異是變化的，因此可以被檢測為無節律脈搏數據。可以以遞歸圖(RP)(參考-J.P.Zbilut,C.L.WebberJr.:Embeddingsanddelaysasderivedfromquantificationofrecurrenceplots,PhysicsLettersA,171(3-4),199-203(1992))的形式來捕捉脈搏數據中的無規則屬性,遞歸圖的量化分析通過一組描述符描述了大尺寸和小尺寸的結構。這些描述符隨後用於通過訓練分類器(如示例5中所說明的)來檢測各種紊亂(例如發熱)。圖17示出了發熱的Pitta脈搏的遞歸圖的示例(圖17中的2),示出了與正常pitta脈搏的遞歸圖(圖17中的1)非常不同的性態,因此使用描述符來進行識別。表表1:阿育吠陀中定義的3種氣質(Vata、Pitta和Kapha)的特性。表2脈搏速率的比較表3:人2的脈搏(來自上午時間)的相關維度(CD)的比較,用於檢查可再現性。表4使用機器學習算法來識別Nadi脈搏。表1.阿育吠陀中定義的3種氣質(Vata、Pitta和Kapha)的特性tableseeoriginaldocumentpage14tableseeoriginaldocumentpage15表2:脈搏速率的比較tableseeoriginaldocumentpage15表3人2的脈搏(來自....Ll午時間)的相關維度(CD)的比較，用於槍杳可再現件tableseeoriginaldocumentpage15tableseeoriginaldocumentpage16表4使用機器學習算法來識別Nadi脈搏tableseeoriginaldocumentpage16優點1.使用空氣間隙的數據獲取方法。使用具有3個孔的氯丁橡膠片，在手腕處，在3個傳感器中的每一個與皮膚之間引入空氣間隙。傳感器的尺寸是9X7mm，微小的隔膜位於中心。氯丁橡膠片的厚度為1至Sram0該片上的3個孔尺寸為7X5cm,使得傳感器正好安裝在其周圍。這種布置有助於精確地拾取動脈施加的壓力。2.精確完整的波形生理屬性。從本實施例獲得的波形是精確、完整(包含所有信息)、可再現的，因此包含典型的生理屬性,如節律、混沌特性、自相似性。3.脈搏模式。從本發明的系統獲得的波形示出了與阿育吠陀文獻中定義的nadi相似的模式，如Sama、Kathina、Tikshna、Sukshma。4.基於阿育吠陀思想的診斷。應用嚴格的機器學習算法來將對本系統獲得的脈搏波形進行分類,針對各種紊亂和健康參數來對患者進行診斷。權利要求一種用於對動脈「nadi」脈搏波形進行定量檢測的非侵入式設備NadiTarangini，其中，所述組件包括[a]至少3個基於隔膜的壓力傳感器電路(圖2中的1)，並排放置在用戶手腕上的3個預定準確拾取點(圖1中的6、7、8)以感測「nadi」脈搏；[b]至少一個氯丁橡膠條帶(圖3中的5)，提供在所述壓力傳感器的底部；[c]所述條帶具有至少3個孔(圖3中的3)，以引入厚度在1至5mm範圍內的空氣間隙，以捕捉動脈跳動；[d]提供與以上提供的所述壓力傳感器中的每一個相耦合的至少一個換能器(圖2中的1)以及DC電源(圖4中的4)，用於將壓力信號轉換為等效的電信號；[e]提供至少一個數位化器(圖4中的5)，使用至少一個模數轉換器ADC(圖4中的5)來將上述步驟[d]中獲得的電信號轉換為數字形式，以及提供用於最小化噪聲的屏蔽布置(圖5中的7)；[f]提供連接至所述數位化器的計算設備(圖2中的7)，用於獲得脈搏壓力波形的視覺顯示。2.根據權利要求1所述的設備，其中，基於隔膜的壓力傳感器電路包括i.惠斯通電橋(圖5中的1)，用於通過連接總線(圖5中的7)從參考電壓產生器(圖5中的9)接收恆定激勵電壓；.放大器，與所使用的換能器(圖4中的1)的數目相對應,用於放大輸出；iii.NPN-型電晶體的基極(圖5中的4)；iv.發射極端子(圖5中的8),用於獲得與來自電橋的放大的壓力信號成比例的輸出；v.二極體或電阻器(圖5中的6),允許單向電流流動，以將電流輸出轉換為電壓以進行數位化；vi.連接線(圖5中的7)，適當地屏蔽並接地，以消除外部千擾和噪聲。3.根據權利要求1所述的設備，其中，惠斯通電橋的可變電阻器能夠識別在nadi脈搏處的壓力改變。4.根據權利要求1所述的設備,其中，所述設備能夠檢測在-0.00124Pa至+0.00124Pa範圍內的動脈脈搏壓力。5.根據權利要求1所述的設備，其中，傳感器處的壓力在7.5至13cmII2O壓力的範圍內，以捕捉精確的壓力讀數。6.根據權利要求1所述的設備,其中，3個感測元件準確安裝在氯丁橡膠片中形成的3個孔(圖3中的4)上，以在3個傳感器與患者的皮膚之間引入3個空氣間隙，以在手腕....I::的3個預定位置處非常精確地捕捉微小的壓力。7.根據權利要求1所述的設備,其中，所使用的氯丁橡膠片的厚度在1至5mm的範圍內。8.根據權利要求1所述的設備，其中，計算設備優選為具有存儲器和至少一個USB埠的計算機。9.根據權利要求1所述的設備,其中，所產生的波形包括脈首波、潮波、谷波和重搏波的域特徵。10.一種使用根據權利要求1所述的設備NadiTarangini來對個體的動脈nadi脈搏波形進行定量檢測的方法,其中，所述方法包括以下步驟將所述設備放置在預定位置處至少60秒，接著獲取和記錄形成完整無噪聲nadi波形的不同參數，所述nadi波形由從包括以下內容的組中選擇的典型生理屬性來表徵脈搏速率、自相似性、混沌特性、平均脈搏性態；以及然後解釋所獲得的結果以識別nadi的類型和子類型，還識別用戶的可能紊亂。11.根據權利要求10所述的方法,其中，nadi的類型是從由SukshmEuTikshnEuKathina和Sama及其組合組成的組中選擇的，其中，用戶的壓力點是vata、pitta和kapha。12.根據權利要求10所述的方法，其中,nadi的子類型是從由Manda和Vegavati組成的組中選擇的，其中，用戶的壓力點是vata、pitta和kapha。13.根據權利要求10所述的方法,其中，峰值包括主要和次要類型,並且隨不同參數的改變而變化14.根據權利要求10所述的方法，其中，脈搏速率是從脈搏的傅立葉頻譜來定量計算的。15.根據權利要求10所述的方法,其中，平均脈搏性態是使用基音同步小波變換來捕捉的，其中，小波係數能夠提取脈搏的平均值，以捕捉整個數據序列的本質。16.根據權利要求10所述的方法，其中,波形的自相似性是由多分形頻譜來確定的，所述多分形頻譜能夠對不同年齡組的用戶的各種脈搏模式進行區分。17.根據權利要求10所述的方法,其中，連續脈搏跳動之間的變化是由脈搏速率可變性捕捉的，以捕捉脈搏中存在的無節律性態。18.根據權利要求10所述的方法，其中，以來自遞歸圖的描述符的形式捕捉脈搏數據中的混沌特性，以檢測包括發熱在內的紊亂,該描述符描述了大尺寸和小尺寸的結構。全文摘要本發明公開了用於獲得Nadi脈搏的完整頻譜作為時間序列，並且能夠檢測主要類型和子類型的Nadi脈搏的過程。本發明的設備涉及裝配有應變器的3個隔膜元件、3個發射機和放大器、以及用於量化模擬信號的數位化器。系統以12比特精度獲取數據，實際上沒有電子和/或外部幹擾噪聲。給出了相關證明，清楚地表明傳送精確頻譜的能力，以及來自本發明系統的脈搏的可重複性。「Nadi-Nidan」是阿育吠陀Ayurveda中的一種主要方法(Ayurveda是從「Ayus」和「vid」(分別意為生命和知識)導出的梵文單詞。它是一門整體科學，包括心理、身體和精神健康)，阿育吠陀已知用於指示人體的所有顯著特徵。Nadi-Nidan是一種「Vaidyas」(阿育吠陀醫師)的專業，因此，本系統將精確、定量並且不受任何人為差錯影響地實現診斷。文檔編號A61B5/021GK101815466SQ200880109977公開日2010年8月25日申請日期2008年8月7日優先權日2007年8月7日發明者巴斯卡·庫爾卡尼,沙拉特·錢德蘭,瓦拉蒂·賈亞拉曼,阿南德·庫爾卡尼,阿尼魯達·喬希,阿肖克·巴特申請人:科學與工業研究委員會