用于对动脉nadi脉搏波形进行定量检测的非侵入式设备naditarangini的制作方法

专利名称：：用于对动脉nadi脉搏波形进行定量检测的非侵入式设备naditarangini的制作方法
技术领域：
：本发明涉及一种用于对动脉nadi脉搏波形进行定量检测的非侵入式设备NadiTarangini。更具体地，本发明涉及一种用于获得Nadi(动脉脉搏)的完整频谱作为时间序列，并应用先进的机器学习算法来识别脉搏模式的装置。根据本发明，将3个基于隔膜的应变器元件放置在手腕上拇指根部的准确拾取位置(称为Vata、Pitta和Kapha位置)，这些元件受到桡动脉施加的压力并给出等效的电学输出。然后,使用数字化器对与发射机处应变器的激励耦合的每个电学输出进行数字化，该数字化器与个人计算机在USB端口处具有接口。这种压力的压力单位很小，并且以精确、可再现且无噪声的波形来捕捉这种压力，以执行精确的诊断。在每个感测元件与人的皮肤之间引入非常小的空气间隙以捕捉准确值。使用严格的机器学习算法来提取脉搏中存在的典型的生理属性,如节律、自相似性和混沌特性。随后，将通过本发明获得的6个脉搏波形(每只手3个波形)分类为主要在阿育吠陀(Ayurvedic)文献中定义的各种类型和子类型的nadi模式。本发明的系统旨在消除由阿育吠陀医师手动执行的Nadi-Nidan中的所有人为差错,并且可以基于精确且定量的信息来执行诊断。本发明还可以消除诊断中的任何主观性。
背景技术：
：阿育吠陀(印度传统医学)认为，整个人体的功能由3种气质(humor)来管理Vata.Pitta和Kapha,统称为Tridosha(三要素)。这3个dosha(要素)的均衡保持了生理的每个方面的正确工作。比例上的任何失衡导致紊乱。失衡导致输送血液的血管相对于其正常位置收缩或扩张。血管的这种收缩/扩张导致血流的调变，称为Nadi。简而言之，Nadi指示了血液循环的模式,而血液循环的模式无疑是由个体的生理状态来管理的。根据阿育吠陀,这使得Nadi-Nidan(意为通过感测血流来诊断疾病)成为患者诊断的第一步,并且在大多数情况下是唯一的诊断工具。在人体中约有74000个位置可以获得Nadi脉搏，其中只有2个位置彼此邻近。然而,如图1所示,根据阿育吠陀医师的标准位置在手腕上拇指根部。阿育吠陀医师的手(图1中1)的3根手指,即食指(图1中2)、中指(图1中3)和无名指(图1中4)放在患者的手(图1中5)的拇指根部，可以在指尖处感测到脉搏。每根手指分别感测Vataprakriti(Vata体质，图1中6)、Pittaprakriti(Pitta体质，图1中7)以及Kaphaprakriti(Kapha体质，图1中8)。这些脉搏的总体特性在表1中给出。传统上，将指尖处感测到的所有脉搏进一步分类为Sukshma(微妙)、Tikshna(锐)、Kathina(艰苦)和Sama(定)作为主要类型，以及Vegavati(快)、Manda(慢)、Khol(深)作为几种子类型，及其组合。上述分类主要基于偏移和脉搏运动。这些脉搏的本质可以以参数来表达,如频率、深度、功率、节律。在每个指尖上的预定拾取位置处感测所有这些参数。这些特性的任何改变表示紊乱的类型。一些先前的相关参考文献包括US6432060、US20031009105、US6364842、US5623933、US5755229、US5832924、US5938618、US6155983、US6159166、US6261235、US6364842、US6767329、US6293915、US6730040、US7074193、US7192402以及US7195596。这些方法中的一些从指尖而不是手腕位置捕捉脉搏波形。一些方法使用压缩空气对位置施加压力以获得脉搏(这改变了脉搏读数)。此外，难以确定使用这些方法获得的Nadi是否完整。目前所述的现有技术的缺点可以概括如下以上描述本身认为,Nadi-Nidan中涉及的技术来自许多实践和经验。再次，信息内容仅是定性的,开始时不能获得定量结论。此外,在所述的过程中存在主观性。·在所公开的大多数先前的尝试中，方法涉及对桡动脉施加某种恒定压力(以获得最大幅度)。但是，已知Nadi-Nidan不支持任何这种对动脉的外部压力，这是由于它影响血液循环并从而影响Nadi本身。·此外,对于任何诊断方法，必须知道完整性以及未被提及的不精确性(在本情况中为波形的噪声内容)。·所公开的大多数先前的尝试仅呈现脉搏波形或计算脉搏速率，而未呈现针对诊断的进一步处理。因此，本发明的发明人认识到，需要开发一种基于阿育吠陀的系统,可以克服所有这些问题。因此,期望具有--种系统,可以将Nadi脉搏作为时间序列数据给出，并且还容易使用。在本公开中，已经去除了所有限制，因此，将从本实施例获得的波形用于基于定量信息的诊断。此外，已经识别了所有主要类型和子类型的Nadi脉搏，从而支持从本公开可获得的波形的精度。本发明的系统旨在提供--种方便、廉价、无痛和非侵入式的方法，以消除由阿育吠陀医师手动执行的Nadi-Nidan中的所有人为差错，并且可以基于精确且定量的信息来执行诊断。本发明还可以消除诊断中的任何主观性。
发明内容本发明的主要目的是提供一种方便、廉价、无痛和非侵入式的计算机辅助设备，能够消除由阿育吠陀医师手动执行的Nadi-Nidan中的所有人为差错，以对紊乱和人体健康参数进行诊断。本发明的另--目的是提供一种易于使用的设备和快速响应系统,通过基于精确且定量的信息执行操作来去除主观性。本发明的又一目的是提供一种能够将rmdi脉搏作为时间序列数据给出并且还易于使用的设备。本发明的另一目的是提供--种将各种机器学习算法应用于nadi波形以对主要类型和子类型的nadi脉搏进行分类的设备，该设备支持从本公幵可获得的波形的精度。本发明所采用的方法涉及将压力感测元件放置在感测nadi脉搏的、指尖的准确拾取点，并且对其中产生的模拟压力信号进行数字化。然后，使用现代机器学习技术来分析波形，然后将波形分类为阿育吠陀文献中定义的各种类型和子类型的nadi。这里，以F给出本发明中使用的术语的定义"Ayurveda"-Ayurveda是从两个词根导出的梵文:ayur,意为生命；以及veda，意为知识。它起源于古吠陀文献。阿育吠陀作为一种饮食、治疗和健康维护系统，与瑜珈科学一样，可能是最古老的生命科学。“Nadi”-指脉搏。对于许多人而言,进入阿育吠陀的古老科学领域的起点在三种要素的关系Vata、Pitta禾ΠKapha。阿育吠陀将生命视为这3个基本力量的和谐流动和动态平衡·Vata(风、空气)移动和冲力的原理·Pitta(胆汁、火)同化和变换的原理·Kapha(粘液、水)稳定性的原理这些力量作用于每个人。当它们平衡时，它们带来舒适和健康，不平衡时，它们导致感觉不适并随后导致疾病。每个人都是唯一的，阿育吠陀尊重这种唯一性。这就是在人体中存在个体组成类型(Dosha)的原因。从这3种基本力量中,可以形成7类个体1.风主导的个体(vata)2.胆汁主导的个体(pitta)3.粘液主导的个体(kapha)4.风和胆汁主导的个体(vata和pitta)5.风和粘液主导的个体(vata和kapha)6.胆汁和粘液主导的个体(pitta和kapha)7.风、胆汁和粘液主导的个体(等比例的vata和pitta和kapha)"vegavati"-如果脉搏速率非常高,并且移动较大,则将脉搏检测为Vegavati脉搏。“manda”-如果脉搏速率低，并且在潮波(Tidalwave)和重搏波(Dicroticwave)中具有非常少的移动,则将脉搏检测为Manda脉搏。“sukshma”-如果脉搏具有非常低的斜率,并且潮波和重搏波的宽度较宽,则将脉搏检测为Sukshma脉搏。“tikshna”-如果脉搏在脉首波(Percussionwave)处具有尖锐的斜率，则将脉搏检测为Tikshrm脉搏。它提升了理解的锐度和速度。“kathina”-如果在潮波和重搏波处的形状看似等边三角形，则将脉搏检测为kathina脉搏。它增加了强度、刚性。"sama"-如果脉搏在所有3个要素中表现出均等的性态，则将脉搏检测为Sama脉搏。如早先提到的，通过阿育吠陀医师在手腕上拇指根部的3根手指来感测Nadi脉搏，这实际上测量了动脉施加的压力。实际上，这种压力的压力单位非常微小(-0.00124Pa至+0.00124Pa)。在本发明中，使用类似的方法。将与3个发射机(每个针对一个感测元件，可以放大电信号)耦合的3个压力感测元件放置在预定位置来代替3根手指,这3个压力感测元件产生与这3个压力感测元件所受到的压力成比例的3个电信号。然后,使用数字化器对这3个电信号中的每一个进行数字化，该数字化器与个人计算机在USB端口处具有接口。使用数据获取软件(还控制数字化)，可以针对预定时间长度、针对信号值的任何改变,在计算机上获得数据。可以测量的信号的最小改变完全取决于ADC的分辨率。针对一只手上的一个时间信息存储3个这种脉搏数据。针对人的第二只手获得类似的脉搏数据。按照这种方式获得的数据通常是受损的，这是由于隐式和显式的电子和电学干扰(称为噪声)对信息内容进行了调整。在适当的屏蔽之后,在所开发的本系统中获得的噪声电平几乎为O。因此，以纯粹的形式获得Nadi,不需要对从数字化器获得的信号进行任何数字滤波。一旦将脉搏数据存储在计算机上，对每个脉搏数据序列施加基音同步小波变换，以提取平均属性。然后,使用如傅立叶分析、混沌分析、可变性分析之类的各种特征提取方法来计算重要的生理属性。最后，基于这些参数来检测脉搏的类型和子类型。相应地，本发明提供了一种用于对动脉“nadi”脉搏波形进行定量检测的非侵入式设备NadiTarangini，其中，所述组件包括[a]至少3个基于隔膜的压力传感器电路(图2中的1),并排放置在用户手腕上的3个预定准确拾取点(图1中的6、7、8),以感测“nadi”脉搏；[b]至少一个氯丁橡胶条带(图3中的5)，提供在所述压力传感器的底部；[c]所述条带具有至少3个孔(图3中的3)，以引入厚度在1至5mm范围内的空气间隙，以捕捉动脉跳动；[d]提供与以上提供的所述压力传感器中的每一个相对应的至少一个换能器(图2中的1)以及DC电源(图4中的4)，用于将压力信号转换为等效的电信号；[e]提供至少一个数字化器(图4中的5)，使用至少一个模数转换器(ADC)(图4中的5)来将步骤[d]中获得的电信号转换为数字形式，以及提供用于最小化噪声的屏蔽布置(图5中的7)；[f]提供连接至所述数字化器的计算设备(图2中的7)，用于获得脉搏压力波形的视觉显示。图1示出了阿育吠陀医师的指尖在患者手....Ll的位置，用于感测3个位置Vata、Pitta和Kapha处的脉搏。图2提供了本发明的示意图。图3示出了用于在传感器与患者的皮肤之间引入空气间隙的氯丁橡胶布置。图4是根据本发明的电线路图。图5是根据本发明的系统的感测单元之一的电路图(其它两个传感器使用相同的电路)。图6针对3个拾取位置示出了来自本数据库的较小持续时间内的采样脉搏数据。图7示出了指示重要时域特征的采样要素波形(3者之一)。图8示出了Vegavati脉搏的示例。图9示出了Manda脉搏的示例。图10描述了在计算平均值以使用基音同步小波变换(PSWT)来捕捉脉搏数据序列的本质时涉及的步骤。图11示出了TikshnaNadi的示例。图12示出了KathinaNadi的示例。图13示出了SamaNadi的示例。图14示出了SukshmaNadi的示例。图1.5示出了3个年龄组的人的vata数据序列的多分形频谱中的变化。图16示出了采样无节律脉搏,其中缺少1/3的跳动，并且是通过脉搏间隔的可变性捕捉的。图17通过递归图分析示出了正常和发热的pitta脉搏之间的比较。图18显示了指示使用严格机器学习算法，使用来自本实施例的数据来诊断患者的本方法的重要步骤的流程图。图19示出了在3个预定位置Vata,Pitta和Kapha处的人32的脉搏的示例。图20示出了1分钟内人32的Vata脉搏的示例。图21示出了人32的vata脉搏的傅立叶变换的示例。图22示出了所检测到的人32的vata脉搏的峰值的示例。图23示出了对人32的vata脉搏进行折叠的示例，使得所有峰值在一起。图24示出了人32的平均vata脉搏的示例,示出了整个时间序列的本质。图25示出了人32的vata脉搏的多分形频谱的示例。图26示出了指示人32的vata脉搏的峰值之间的时间差的脉搏速率可变性的示例。图27示出了人32的vata脉搏的递归图的示例。具体实施例方式时间序列分析和机器学习是理解生理系统的基础动态的有用工具。一般而言，可以通过以所需的采样率，在所需时间内，使用数字化器(模数转换器ADC)对来自压力感测元件和换能器的模拟信号进行数字化来获得时间序列。ADC具有与个人计算机(PC)的接口，个人计算机(PC)可以传送和在盘上存储数据序列(称为时间序列)。然后,可以使用各种机器学习算法来对通过这种方式获得的时间序列进行分析，以提取基础系统的动态特征。在本发明中，采用类似方法来定量地获取Nadi脉搏。在本发明中，安装在氯丁橡胶片(图2中的3)上、与可以放大电信号的发射机(图2中的4)耦合的3个压力感测元件(图1中的2)放置在3个预定位置(图1中的6、7、8),以代替阿育吠陀医师的指尖。考虑到患者手腕的可变大小、皮肤的差异，在患者手腕上必须正确调整压力感测元件以及氯丁橡胶片，使得3个感测元件的所有3个隔膜(图4中的2)在手腕上的3个预定位置完全与患者的midi接触。传感器导线(图2中的2)被正确屏蔽。通过发射机,使用DC电源(图2中的5)向每个压力感测元件提供激励电压。这种布置产生与压力感测元件受到的压力成比例的电信号，然后，使用与个人计算机(PC,图2中的7)在USB端口处具有接口的数字化器(ADC，图2中的6)对其进行数字化。使用数据获取软件(还控制数字化)，可以针对预定时间长度、针对信号值的任何改变,在计算机上获得数据。可以测量的信号的最小改变完全取决于数字化器的分辨率。按照这种方式获得的数据通常是受损的，这是由于隐式和显式的电子和电学千扰(称为噪声)对信息内容进行了调节。在适当的屏蔽之后，在所开发的本系统中获得的噪声电平几乎为O。因此，以纯粹的形式获得Nadi,不需要对从数字化器获得的信号进行任何数字滤波。通过本发明获得的波形包含典型的生理属性，如节律、自相似性和混沌特性。使用严格的机器学习算法来将这些波形分类为主要在阿育吠陀文献中定义的各种类型和子类型的nadi模式。这些波形是精确、完整、可再现且无噪声的，以执行精确诊断。适用的方法包括(a)将3个压力感测元件中的每一个分别放置在(阿育吠陀医师的)3个指尖感测Nadi脉搏的准确拾取点，在去除DC分量之后,对其中产生的模拟压力信号进行数字化；(b)使用具有3个孔的氯丁橡胶片，在每个传感器与皮肤之间引入空气间隙的布置；(c)将至少一个发射机连接至每个传感器,每个传感器还从另一侧连接至DC电压源；(d)连接至少一个数字化器,用于使用至少一个模数转换器(ADC)将从步骤(d)中获得的电信号转换为数字形式，以捕捉输入信号的快速改变，以及屏蔽滤波布置，以最小化噪声；(e)将来自从步骤(d)获得的主要和次要峰值的数字信号的不同参数记录并存储到存储设备中；(f)在存储设备中设计专用程序，以优化脉搏模式的分类的性能准则；(g)通过分析脉搏波形来观察和解释从上述步骤获得的结果，以检测各种紊乱。适用的系统的详细描述如下。·图4说明了本发明的电线路图。通过发射机(图4中的3),使用DC电源(图4中的4)向每个基于隔膜(图4中的2)的压力感测元件(图4中的1)提供激励电压。通过相应的连接导线(图4中的7)，从发射机获得压力感测元件的每个输出。该输出还连接至用于数字化的ADC(图4中的5)并最终存储在计算机(图4中的6)中。·图5中公开了本发明中适用于每个感测元件的电路的细节。压力感测元件的惠斯通电桥(图5中的1)通过连接总线，从参考电压产生器(图5中的9)接收恒定激励电压。电桥的可变电阻器(图5中的2)从Nadi脉搏识别压力改变。该输出通过一系列放大器(图5中的3)放大并提供至NPN类型晶体管(图5中的4)的基极。从发射极端子获得与来自电桥的放大的压力信号成比例的输出。使用电阻器(图5中的5)将电流输出转换为电压(图5中的8)，以进行数字化。二极管(图5中的6)允许单向电流流动。所有连接线(图5中的7)被适当屏蔽并接地，这消除了所有外部干扰、噪声。·图3示出了氯丁橡胶片(图3中的5)的布置，以在传感器与人的皮肤之间引入空气间隙。每个传感器的尺寸是8.SmmX6.5mm。非常微小的隔膜(图3中的1)位于传感器(图3中的2，必须准确放置在手腕....Ll的预定位置)的中心。在氯丁橡胶片(厚度1至5mm)上形成3个孔(图3中的3)，用于引入空气间隙(图3中的4)。每个孔的大小使得每个传感器正好位于覆盖其相应孔的片上。·数字化器和数据获取软件从发射机获得的模拟信号被去除DC分量,然后使用ADC进行数字化。ADC的带宽足够高，以捕捉来自发射机的输入信号中的快速改变。本发明使用精度12比特的ADC。ADC与个人计算机在USB端口处接口。软件LabVIEW支持上述ADC设备,通过个人计算机本身实现了ADC的操作。软件在预定时间内获取Nadi脉搏的数字化数据，并且在盘上保存数字化的脉搏波。图6给出了来自本数据库的归一化采样脉搏数据。3种颜色指示了在手腕上的预定位置捕捉的3个不同要素。这3个要素波形几乎彼此相随，但是它们表现出不同的性质。使用各种算法来捕捉隐藏在这些数据中的信息。图7示出了图6中的一个要素的脉搏周期的放大版本，指示了重要的时域特征。在本数据库中，脉首波(图7中的1)、潮波(图7中的2)、谷波(Valley,图7中的3)、重搏波(图7中的4)中的细节针对不同患者示出了不同性态，因此可以通过学习这种性态来进行识别。此外，脉搏数据的点表示(图7中的5)给出了脉搏的完整画面思想,并且没有额外信息可用。因此，所提取的脉搏时间序列由Nadi脉搏的完整且无噪声的频谱组成。这是本发明的独特特征。在本发明的实施例中，所使用的参数是从包括年龄、性别、职业、皮肤和大气条件在内的组中选择的。在本发明的另一实施例中，以奇异吸引子属性的形式确定混沌特性，并且以能够捕捉各种紊乱(包括发热、背痛、心律不齐和心脏紊乱)的递归量化分析参数的形式来捕捉混沌特性。在本发明的另一实施例中，惠斯通电桥的可变电阻器能够识别在nadi脉搏处的压力改变。在本发明的另一实施例中，设备能够检测在-0.00124Pa至+0.00124Pa范围内的动脉脉搏压力。在本发明的另-一实施例中，nadi的类型是从由Sukshma、Tikshna、Kathina和Sama、其子类型及其组合组成的组中选择的，其中，用户的压力点是vata、pitta和kapha。在本发明的另一实施例中，传感器处的压力在7.5至13cmII20压力的范围内，以捕捉精确的压力读数。在本发明的另一实施例中，所使用的氯丁橡胶片的厚度在1至5mm的范围内。在本发明的另一实施例中，3个感测元件准确安装在厚度1至5mm的氯丁橡胶片中形成的3个孔(图3中的4)上，以在传感器与患者的皮肤之间引入3个空气间隙，以非常精确地捕捉微小的压力。在本发明的另--实施例中，存储设备优选为具有至少一个USB端口的计算机。在本发明的另一实施例中，所产生的波形包括脉首波、潮波、谷波和重搏波的域特在本发明的另一实施例中，提供了一种使用要求保护的设备NadiTarangini来对个体的动脉nadi脉搏波形进行定量检测的方法,其中，所述方法包括以下步骤将所述设备放置在预定位置处至少60秒，接着获取和记录形成完整无噪声nadi波形峰值的不同参数，所述nadi波形峰值由从包括以下内容的组中选择的典型生理属性来表征节律、自相似性、混沌特性,并且然后解释所获得的结果以识别用户的可能紊乱。在本发明的另一实施例中，nadi的子类型是从由Manda和Vegavati组成的组中选择的，其中，用户的压力点是vata,pitta和kapha。在本发明的另一实施例中，脉搏速率是从脉搏的傅立叶频谱定量计算的。在本发明的另一实施例中，峰值包括主要和次要类型，并且随不同参数的改变而在本发明的另一实施例中，所使用的节律是基音同步小波变换,其中，小波系数能够提取脉搏的平均值，以捕捉整个数据序列的本质。在本发明的另一实施例中，波形的自相似性是由多分形频谱来确定的,所述多分形频谱能够对不同年龄组用户的各种脉搏模式进行区分。在本发明的另一实施例中，连续脉搏跳动之间的变化是由脉搏可变性(PitchVariability)捕捉的，以捕捉脉搏中存在的无节律性态。在本发明的另--实施例中，以来自递归图的描述符的形式捕捉脉搏数据中的混沌特性，以检测包括发热在内的紊乱，该描述符描述了大尺寸和小尺寸的结构。示例以下示例是作为示意给出的，因此不应被解释为限制本发明的范围。示例1使用本实施例，通过将安装在氯丁橡胶上的3个压力感测元件准确放置在患者左手手腕上的3个预定位置(图1中的6、7、8)，以代替阿育吠陀医师的指尖来记录Nadi脉这3个约定位置是患者手腕上的vata位置、pitta位置和kapha位置。获取的采样率为500Hz，这足以捕捉所有细节。收集数据1至5分钟。使用ADC(图4中的5)分别对所有3个信号进行数字化,并且将其存储在脉搏数据库中，分别作为vata脉搏数据、pitta脉搏数据和kapha脉搏数据。对于患者的右手手腕,按照相同的过程来得到另外3个数据。因此,在脉搏数据库中,针对每个患者存储6个脉搏信号(来自两只手上的vata、pitta和kapha位置)。此外，在数据库中记录患者的信息，如年龄、性别、职业。完整的数据库包含受到不同紊乱(包括发热、无节律紊乱)困扰的42个患者的信息和脉搏信号。每个信号示出了幅度、频率、节律、深度和功率参数中的变化，因此可以使用不同信息来承载不同模式。使用不同的机器学习算法,一起研究和分析了所有脉搏信号，以提供一种非侵入式、易于使用并且响应快速的诊断设备NadTarangini，其能够消除阿育吠陀医师手动执行的Nadi-Nidan中的所有人为差错，以进行诊断。这里简要解释重要步骤(如图1所示)，并且在后续示例中给出所包括的细节。首先，针对患者的脉搏信号(总共6个脉搏中的任何--个，由于针对所考虑的患者,所有6个脉搏中脉搏速率相同)计算傅立叶系数。根据傅立叶频谱中的基频来计算脉搏速率。为了检测本实施例的NadiTarangini的可再现性，在上午时间的不同时刻记录单个人的脉搏信号，并且计算其相关维度以进行验证。由于每个脉搏信号的长度非常长,使用基音同步小波变换来计算平均脉搏值，以捕捉脉搏的本质。这种平均的脉搏还可以进--步用于检测目的。使用针对患者的所有6个脉搏信号的上述参数和平均脉搏，获得4种主要的Nadi类型(即Sukshma、Tikshna、Kathina和Sama)和Nadi子类型(即Manda和Vegavati)及其组合。使用分类器支持向量机(SVM)来进行上述检测。首先,使用来自前31个患者的参数来训练分类器,然后针对其余11个患者来测试分类器。此外，使用多分形分析,基于非线性动态和SVM来捕捉3个年龄组(即“25岁以下”、“25至50岁”和“50岁以....t")中示出显著不同性态的患者的脉搏以及这种性态。使用脉搏速率可变性分析和SVM，使用脉搏间隔的变化来捕捉脉搏信号中的无节律性态。最后，使用基于混沌理论的递归图分析(基于递归量化描述符％递归、％决定、熵和％分层)来容易地使用SVM来检测脉搏信号中的紊乱。作为示例，示出了这些步骤和针对人34的采样脉搏的计算。图19示出了使用500Hz采样率在1分钟内捕捉的完整脉搏。因此,对于3要素(在3个预定位置Vata、pitta和kapha),总点数为3X60(秒)X500(Hz)=3X30,000=90，000。在图20中仅示出了vata脉搏，包含1分钟内的30，000个点。计算vata脉搏的傅立叶变换，给出30，000个傅立叶系数。在图21中，为了可视性，仅绘出了前1500个系数(除了提供平均值的第一个系数以外)。可以注意到,第一峰值在频率80.57(=81)(图21中的1),这是人34的脉搏速率。手动计数的脉搏速率也是81。3个要素的相关维度分别为1.76、1.71和1.75。为了计算平均vata脉搏，首先，如图22所示，计算vata脉搏中的峰值，其中“红色*”指示峰值。然后，以以下方式来折叠vata脉搏如图23所示,所有峰值在一起。对该折叠的vata脉搏的小波变换最终提供了如图24所示的平均脉搏。此外,可以看到，脉搏移动较高,因此，vata脉搏的子类型为vegavati。在潮波和重搏波处的形状看似等边三角形，因此该vata脉搏也是Kathina脉搏。此外，所有3个要素表现出均等的性态，因此该脉搏是sama脉搏。然后，vata脉搏的多分形分析提供了如图25所示的多分形频谱，该频谱捕捉了自相似性。然后,将以上计算的峰值用于脉搏速率可变性。在所考虑的vata脉搏中,有81个峰值，因此其间有80个差值。如图26所示,这些差值都足够接近,并且因此,所考虑的vata脉搏不是无节律的。最后，图27中vata脉搏的递归图(为了更好的可视性，仅示出了30，000个点中的前8，000个点)示出了vata脉搏中的小尺寸和大尺寸结构。使用嵌入维7、延时1和半径0.3的递归量化描述符为递归=5，579,分层=-2.182和决定=95。最终，通过将所有上述结果通过分类器,来以参数形式使用所有上述结果来对人34进行诊断。最后，分类器SVM提供了输出，如人34属于samakathinavegavati类型，人34不具有无节律紊乱。示例2脉搏速率通过在预定位置处放置传感器1至5分钟来获得脉搏。在取得Nadi之后,立即针对每次获取来手动测量脉搏速率。使用患者的6个脉搏数据的任一要素的傅立叶频谱中的基频来计算脉搏速率。表2中给出了针对几个患者的从脉搏时间序列中测量的脉搏速率与手动测量的脉搏速率的比较。示例3可再现性在整个上午的7个不同定时(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发明来获取人2(27岁)的Nadi脉搏。除了人的体质之外，Nadi对精神状态、压力、思想等敏感。脉搏的性质由于这些因素而出现本质改变。对于上述7个定时，要求人在测量脉搏之前放松5分钟。对所有7个定时的脉搏数据执行混沌分析,并且观察到，即使脉搏的形状略有改变特定要素的相关维度和最大Lyapunov指数(参考_D.Kugiumtzis,B.Lillekjendlie,andN.Christophersen.ChaotictimeseriespartI-Estimationofsomeinvariantpropertiesinstatespace.Modeling,IdentificationandControl,15(4):205--224,1994)几乎保持恒定，。表3给出了左手的vata、pitta和kapha的脉搏的相关维度。由于相关维度(以及最大Lyapunov指数)在整个上午时间保持恒定，因此这表明所获得的脉搏是完全可再现的，但是脉搏的形状可以略有改变。示例4计算脉搏数据的本质将每个脉搏数据序列提供给基音同步小波变换算法(参考-Evangelista，G,1993.‘‘PitchSynchronousWaveletRepresentationsofSpeechandMusicSignals."IEEETransactionsonSignalProcessing41(12):3313-3330)，以提取脉搏的平均值，这捕捉到如图10所示的整个数据序列的本质。还针对另外两个元素的数据序列执行相同的过程。基音同步小波变换首先找到时间序列中的峰值(图10中的1)，将时间序列折叠使得所有峰值在一起(图10中的2)，然后在L方向(图10中的4)上进行小波变换(图10中的3)。最终的结果给出了整个脉搏数据序列的平均值。示例5识别Nadi的类型使用监督的分类来识别Nadi的类型。首先，针对数据库中可用的所有脉搏波形，计算各种参数，如幅度、频率、节律、深度和功率。阿育吠陀医师也以定性的方式提供了真实Nadi类型。使用支持向量机(SVM)(参考-VladimirK.Vapnik.TheNatureofStatisticalLearningTheory.Springer,NewYork,NY,USA,1995)作为分类器。严格基于统计学习理论的SVM同时最小化了训练和测试差错，并且产生唯一的全局优化方案。从人1至人31提取的参数以及其已知的Nadi类型用于训练SVM。然后,对人32至人42的参数进行测试。将SVM的输出标签(使用所述方法定量确定的标签)与真实Nadi类型(来自数据库的由阿育吠陀医师提供的定量记录的标签)进行比较。该比较在表4中给出。我们可以以良好的精度将脉搏分类为Nadi类型Sukshma、Sama、Kathina和Tikshna及其组合。示例6识别Nadi的子类型根据脉搏速率和脉搏的移动，将脉搏数据初步分类为Vegavati或Manda。如图8所示，如果脉搏速率非常高，并且移动较高(图8中的1)，则将脉搏检测为Vegavati脉搏。另一方面，如图9所示，如果脉搏速率较低，在潮波和重搏波中具有非常少的移动(图9中的1)，则将脉搏检测为Manda脉搏。示例7识别TikshnaNadi图11示出了人41的vata脉搏波形，作为TikshnaNadi的示例，其中，发现在脉首波的峰值处的斜率非常尖锐(图11中的1)。示例8识别KathinaNadi图12示出了人38的kapha脉搏波形,作为KathinaNadi的示例，其中，在潮波和重搏波处的形状看似等边三角形(图12中的1)。示例9识别SamaNadi图13示出了人40的所有3个脉搏波形,作为SamaNadi的示例，其中,脉搏在所有3个要素中表现出均等的性态。示例10识别SukshmaNadi图14示出了人36的vata脉搏，作为KathinaNadi的示例，其中，脉搏具有非常小的斜率，并且潮波和重搏波的宽度较宽(图14中的1)。示例11识别特殊脉搏使用脉搏速率可变性、多分形频谱分析和递归图方法来捕捉所有要素中脉搏的特殊情况。多分形频谱(参考-J.F.Muzy,E.BacryandA.Ameodo,Themultifractalformalismrevisitedwithwavelets,Int.J.Bif.Chaos4(1994)245-302)捕捉脉搏序列的自相似性，自相似性是生理时间序列的本质属性。将22个正常脉搏分为3个年龄组,即“25岁以下”、“25至50岁”和“50岁以上”,并且观察其多分形频谱。在图15中，示出了从每个年龄组中随机选择的正常脉搏的多分形频谱。如图15所示，随着年龄增加,多分形频谱移向上角。因此，如示例5中所说明的，可以将分类器训练为将脉搏分类为3个年龄组之I/lclSnJi^tt(##-LLiandZ.Wang.Studyonintervalvariabi1ityofarterialpulse.InThe1stJointBMES/EMBSConference,page223’1999)捕捉连续脉搏跳动之间的变换，而不是仅仅捕捉脉搏速率。首先，检测脉搏峰值，这些峰值之间的差异形成脉搏可变性数据。使用该脉搏可变性数据来捕获丢失的脉搏跳动(如果存在)，并且因此，如图16所示，该数据对于捕捉脉搏中出现的无节律性态非常有用。在正常脉搏数据中，脉搏峰值之间的差异在非常接近的范围内变化。在所考虑的脉搏数据中，丢失了1/3的跳动(图16中的1)，因此峰值之间的差异是变化的，因此可以被检测为无节律脉搏数据。可以以递归图(RP)(参考-J.P.Zbilut,C.L.WebberJr.:Embeddingsanddelaysasderivedfromquantificationofrecurrenceplots,PhysicsLettersA,171(3-4),199-203(1992))的形式来捕捉脉搏数据中的无规则属性,递归图的量化分析通过一组描述符描述了大尺寸和小尺寸的结构。这些描述符随后用于通过训练分类器(如示例5中所说明的)来检测各种紊乱(例如发热)。图17示出了发热的Pitta脉搏的递归图的示例(图17中的2),示出了与正常pitta脉搏的递归图(图17中的1)非常不同的性态,因此使用描述符来进行识别。表表1:阿育吠陀中定义的3种气质(Vata、Pitta和Kapha)的特性。表2脉搏速率的比较表3:人2的脉搏(来自上午时间)的相关维度(CD)的比较,用于检查可再现性。表4使用机器学习算法来识别Nadi脉搏。表1.阿育吠陀中定义的3种气质(Vata、Pitta和Kapha)的特性<table>tableseeoriginaldocumentpage14</column></row><table><table>tableseeoriginaldocumentpage15</column></row><table>表2:脉搏速率的比较<table>tableseeoriginaldocumentpage15</column></row><table>表3人2的脉搏(来自....Ll午时间)的相关维度(CD)的比较，用于枪杳可再现件<table>tableseeoriginaldocumentpage15</column></row><table><table>tableseeoriginaldocumentpage16</column></row><table>表4使用机器学习算法来识别Nadi脉搏<table>tableseeoriginaldocumentpage16</column></row><table>优点1.使用空气间隙的数据获取方法。使用具有3个孔的氯丁橡胶片，在手腕处，在3个传感器中的每一个与皮肤之间引入空气间隙。传感器的尺寸是9X7mm，微小的隔膜位于中心。氯丁橡胶片的厚度为1至Sram0该片上的3个孔尺寸为7X5cm,使得传感器正好安装在其周围。这种布置有助于精确地拾取动脉施加的压力。2.精确完整的波形生理属性。从本实施例获得的波形是精确、完整(包含所有信息)、可再现的，因此包含典型的生理属性,如节律、混沌特性、自相似性。3.脉搏模式。从本发明的系统获得的波形示出了与阿育吠陀文献中定义的nadi相似的模式，如Sama、Kathina、Tikshna、Sukshma。4.基于阿育吠陀思想的诊断。应用严格的机器学习算法来将对本系统获得的脉搏波形进行分类,针对各种紊乱和健康参数来对患者进行诊断。权利要求一种用于对动脉“nadi”脉搏波形进行定量检测的非侵入式设备NadiTarangini，其中，所述组件包括[a]至少3个基于隔膜的压力传感器电路(图2中的1)，并排放置在用户手腕上的3个预定准确拾取点(图1中的6、7、8)以感测“nadi”脉搏；[b]至少一个氯丁橡胶条带(图3中的5)，提供在所述压力传感器的底部；[c]所述条带具有至少3个孔(图3中的3)，以引入厚度在1至5mm范围内的空气间隙，以捕捉动脉跳动；[d]提供与以上提供的所述压力传感器中的每一个相耦合的至少一个换能器(图2中的1)以及DC电源(图4中的4)，用于将压力信号转换为等效的电信号；[e]提供至少一个数字化器(图4中的5)，使用至少一个模数转换器ADC(图4中的5)来将上述步骤[d]中获得的电信号转换为数字形式，以及提供用于最小化噪声的屏蔽布置(图5中的7)；[f]提供连接至所述数字化器的计算设备(图2中的7)，用于获得脉搏压力波形的视觉显示。2.根据权利要求1所述的设备，其中，基于隔膜的压力传感器电路包括i.惠斯通电桥(图5中的1)，用于通过连接总线(图5中的7)从参考电压产生器(图5中的9)接收恒定激励电压；.放大器，与所使用的换能器(图4中的1)的数目相对应,用于放大输出；iii.NPN-型晶体管的基极(图5中的4)；iv.发射极端子(图5中的8),用于获得与来自电桥的放大的压力信号成比例的输出；v.二极管或电阻器(图5中的6),允许单向电流流动，以将电流输出转换为电压以进行数字化；vi.连接线(图5中的7)，适当地屏蔽并接地，以消除外部千扰和噪声。3.根据权利要求1所述的设备，其中，惠斯通电桥的可变电阻器能够识别在nadi脉搏处的压力改变。4.根据权利要求1所述的设备,其中，所述设备能够检测在-0.00124Pa至+0.00124Pa范围内的动脉脉搏压力。5.根据权利要求1所述的设备，其中，传感器处的压力在7.5至13cmII2O压力的范围内，以捕捉精确的压力读数。6.根据权利要求1所述的设备,其中，3个感测元件准确安装在氯丁橡胶片中形成的3个孔(图3中的4)上，以在3个传感器与患者的皮肤之间引入3个空气间隙，以在手腕....I::的3个预定位置处非常精确地捕捉微小的压力。7.根据权利要求1所述的设备,其中，所使用的氯丁橡胶片的厚度在1至5mm的范围内。8.根据权利要求1所述的设备，其中，计算设备优选为具有存储器和至少一个USB端口的计算机。9.根据权利要求1所述的设备,其中，所产生的波形包括脉首波、潮波、谷波和重搏波的域特征。10.一种使用根据权利要求1所述的设备NadiTarangini来对个体的动脉nadi脉搏波形进行定量检测的方法,其中，所述方法包括以下步骤将所述设备放置在预定位置处至少60秒，接着获取和记录形成完整无噪声nadi波形的不同参数，所述nadi波形由从包括以下内容的组中选择的典型生理属性来表征脉搏速率、自相似性、混沌特性、平均脉搏性态；以及然后解释所获得的结果以识别nadi的类型和子类型，还识别用户的可能紊乱。11.根据权利要求10所述的方法,其中，nadi的类型是从由SukshmEuTikshnEuKathina和Sama及其组合组成的组中选择的，其中，用户的压力点是vata、pitta和kapha。12.根据权利要求10所述的方法，其中,nadi的子类型是从由Manda和Vegavati组成的组中选择的，其中，用户的压力点是vata、pitta和kapha。13.根据权利要求10所述的方法,其中，峰值包括主要和次要类型,并且随不同参数的改变而变化14.根据权利要求10所述的方法，其中，脉搏速率是从脉搏的傅立叶频谱来定量计算的。15.根据权利要求10所述的方法,其中，平均脉搏性态是使用基音同步小波变换来捕捉的，其中，小波系数能够提取脉搏的平均值，以捕捉整个数据序列的本质。16.根据权利要求10所述的方法，其中,波形的自相似性是由多分形频谱来确定的，所述多分形频谱能够对不同年龄组的用户的各种脉搏模式进行区分。17.根据权利要求10所述的方法,其中，连续脉搏跳动之间的变化是由脉搏速率可变性捕捉的，以捕捉脉搏中存在的无节律性态。18.根据权利要求10所述的方法，其中，以来自递归图的描述符的形式捕捉脉搏数据中的混沌特性，以检测包括发热在内的紊乱,该描述符描述了大尺寸和小尺寸的结构。全文摘要本发明公开了用于获得Nadi脉搏的完整频谱作为时间序列，并且能够检测主要类型和子类型的Nadi脉搏的过程。本发明的设备涉及装配有应变器的3个隔膜元件、3个发射机和放大器、以及用于量化模拟信号的数字化器。系统以12比特精度获取数据，实际上没有电子和/或外部干扰噪声。给出了相关证明，清楚地表明传送精确频谱的能力，以及来自本发明系统的脉搏的可重复性。“Nadi-Nidan”是阿育吠陀Ayurveda中的一种主要方法(Ayurveda是从“Ayus”和“vid”(分别意为生命和知识)导出的梵文单词。它是一门整体科学，包括心理、身体和精神健康)，阿育吠陀已知用于指示人体的所有显著特征。Nadi-Nidan是一种“Vaidyas”(阿育吠陀医师)的专业，因此，本系统将精确、定量并且不受任何人为差错影响地实现诊断。文档编号A61B5/021GK101815466SQ200880109977公开日2010年8月25日申请日期2008年8月7日优先权日2007年8月7日发明者巴斯卡·库尔卡尼,沙拉特·钱德兰,瓦拉蒂·贾亚拉曼,阿南德·库尔卡尼,阿尼鲁达·乔希,阿肖克·巴特申请人:科学与工业研究委员会