基于贝叶斯分类器的脉象自动识别方法
摘要:
传统脉诊依靠医生按压腕部挠动脉脉搏进行脉象识别,具有很强的主观性和模糊性,其准确性与可靠性依赖于医生个人的主观感觉与经验积累,缺乏客观和量化的诊断指标.针对脉象信号复杂性以及脉象特征与脉象类别之间非线性等特点,提出一种基于贝叶斯分类器的脉象自动识别方法,并据此建立脉象定量诊断模型.首先,提取脉象信号的特征参数,创建脉象特征参数-脉象类别数据库,采用少数类合成过采样技术SMOTE结合Tomek links的方法,对数据库进行均衡,使不同的脉象类别具有大致相同的样本;然后基于均衡后的数据库学习贝叶斯网络结构,将得到的马尔可夫毯选择为特征集合并作为贝叶斯分类器的输入,创建脉象信号与类别之间的映射关系模型.通过创建的脉象样本数据库和交叉验证方法,对所提出的方法进行验证.结果表明:所提出的方法可有效识别脉象类型,对于脉位、脉率和脉律的预测准确率都超过90%,是一种有效的脉象定量诊断方法.
-
doi:
-
关键词:
贝叶斯分类器
脉诊
不平衡数据集
-
Keyword:
Bayesian classifier
quantitative pulse diagnosis
class imbalance
-
作者:
王慧燕
徐珊
-
Author:
WANG Hui-Yan
XU Shan
-
作者单位:
-
刊名:
中国生物医学工程学报
-
Journal:
-
年,卷(期):
-
所属期刊栏目:
-
基金项目
-
在线出版日期:
-
页码: