一种脉象获取装置及系统的制作方法

本发明涉及医疗器械技术领域，特别是涉及一种脉象获取装置及系统。

背景技术：

中医通过切脉进行诊断病因。切脉即医生用手指切按患者寸口桡动脉的寸、关、尺三个部位，感知脉动应指的形象，以了解病情、判断病证的诊察方法。左右手寸关尺代表不同的脏器，即有右寸肺，右关脾，左寸心，左关肝，左右尺为肾。寸侯心脉，如外感发热，血管扩张，出现浮脉，致使原较浮的寸脉更明显。右关属脾，左关属肝，《清·医宗金鉴》说：“饮食伤形为有余，故右关脉有力；劳倦伤气为不足，故右关脉无力也。”尺脉侯肾和命门，为人的元气所在，人病重时，元气微弱，心力不足，脉象细弱，尺脉原本沉弱，故反映更弱。寸关尺反映了对应器官的生理变化，是切脉确诊的重要依据。

虽然脉诊有着源远流长的历史以及大量的理论与实践，但是在当今社会中，脉诊仍然存在问题，如脉象标准化问题，脉诊技术方法问题。关于脉象标准化，由于中医脉象的概念本身比较笼统，具体的判别标准又较模糊，缺乏客观判标准，影响诊脉的准确性。关于诊脉技术方法，中医脉诊的计数方法称为平息，指医生在诊脉是以自己的呼吸为时间单位，来计算病人的脉搏计数。平息计数法使用方便不需任何器械，亦有一定的科学依据，但是也有较为明显的缺点，如时间计算不精确，给医疗诊断和教学带来很大的困难。

近年来，市面上出现较多诊脉仪器/设备。例如采用获取人体寸关尺三部的血管压力分布信号和脉搏波传导速度，来辨别脉象的装置，但是该装置对信号处理的要求较高，实现困难，经济成本较高。另外，目前所有的脉诊仪都使用手动定位，把测量血压的压力传感器手动放置在人眼观察到的病人寸关尺位置上，采集脉象。这就要求采集脉象的人员可以准确判断出寸关尺位置，而且速度慢、耗人力。

综上所述，如何有效地解决机器自动且准确地获取脉象信息等问题，是目前本领域技术人员急需解决的技术问题。

技术实现要素：

本发明的目的是提供一种脉象获取装置及系统，以实现机器自动且准确地获取脉象信息，以快速获取准确的脉象，有利于医生确诊。

为解决上述技术问题，本发明提供如下技术方案：

一种脉象获取装置，包括：

立体视觉获取模块，用于利用立体摄像机获取人体手腕并带深度信息的原始图像；

切脉位置信息获取模块，用于将所述原始图像输入至机器学习软件，获得切脉位置信息；

脉象信息采集模块，用于向三轴电机输出与所述切脉位置信息对应的电机控制信号，并利用与所述三轴电机输出轴相连接的脉诊探头采集脉象信息；

脉象信息显示模块，用于在显示屏显示所述脉象信息。

优选地，所述切脉位置信息获取模块，包括：

图像预处理单元，用于利用图像处理软件对所述原始图像进行预处理，获得手腕宽度，切脉原点以及去除背景后的目标图像；其中，所述切脉原点为手腕与尺脉、关脉和寸脉连线的交点；将所述目标图像、所述切脉原点和所述手腕宽度输入至所述机器学习软件，获得所述切脉位置信息。

优选地，所述脉象信息采集模块，包括：

电机控制单元，用于当所述切脉位置信息包括尺脉位置信息、关脉位置信息和寸脉位置信息时，依次分别向所述三轴电机输出与所述尺脉位置信息、所述关脉位置信息和所述寸脉位置信息对应的所述电机控制信号；

脉象采集单元，用于利用所述脉诊探头依次采集尺脉脉象信息、关脉脉象信息和寸脉脉象信息。

优选地，所述脉象信息采集模块，具体用于向所述三轴电机中的垂直方向电机输出不同压力等级且与所述切脉位置信息对应的所述电机控制信号，并利用所述脉诊探头采集不同压力等级分别对应的脉象信息。

优选地，所述三轴电机的输出轴与所述脉诊探头通过万向节相连接。

优选地，还包括：机器学习模块；

其中，所述机器学习模块，包括：

训练数据获取单元，用于获取有标签且带有深度信息的图像训练样本；其中，所述标签包括尺脉位置信息、关脉位置信息和寸脉位置信息；

训练模块，用于利用所述图像训练样本对初始机器学习软件进行训练，获得所述机器学习软件。

优选地，还包括：

脉象结果获取模块，用于对所述脉象信息进行分析，获得脉诊结果。

一种脉象获取系统，包括：

安装有视觉定位软件且有显示屏的计算机，与所述计算机具有通信连接的立体摄像机，与所述计算机具有通信连接的三轴电机，连接于所述三轴电机的输出轴的脉诊探头；

其中，所述立体摄像机，用于获取人体手腕且带深度信息的原始图像，并将所述原始图像发送给所述计算机；

所述计算机，用于利用视觉定位软件获得切脉位置信息，并向所述三轴电机输出与所述切脉位置信息对应的电机控制信号，在接收到所述脉象信息后，在所述显示屏显示所述脉象信息；其中，所述视觉定位软件将所述原始图像输入至训练好的机器学习模块进行切脉位置学习，以获得所述切脉位置信息；

所述三轴电机，用于在所述电机控制信号的控制下，带动所述脉诊探头移动；

所述脉诊探头，用于采集所述脉象信息并将所述脉象信息发送给所述计算机。

应用本发明实施例所提供的装置，包括：立体视觉获取模块，用于利用立体摄像机获取人体手腕且带深度信息的原始图像；切脉位置信息获取模块，用于将原始图像输入至训练好的机器学习软件，获得切脉位置信息；脉象信息采集模块，用于向三轴电机输出与切脉位置信息对应的电机控制信号，并利用与三轴电机输出轴相连接的脉诊探头采集脉象信息；脉象信息显示模块，用于在显示屏显示脉象信息。

在本装置中，利用训练好的机器学习软件可对立体摄像头获取到的原始图像进行切脉位置信息，得到切脉位置信息。然后，基于该切脉位置信息，控制三轴电机移动，使得与三轴电机输出轴相连接的脉诊探头采集脉象信息，然后在显示屏显示脉象信息。可见，相对于现有的诊脉装置，本装置可无需人工确定切脉位置，也无需人工将诊脉探头移至切脉位置处。在本装置获取脉象信息的整个工作过程中，在没有医生干预的情况下，可以准确无误采集到病人的寸关尺全部脉象。即，本装置可实现机器自动且准确地获取脉象信息，有利于医生确诊。

相应地，本发明实施例还提供了与上述脉象获取装置相对应的脉象获取系统，具有上述技术效果，在此不再赘述。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例中一种脉象获取装置的结构示意图；

图2为本发明实施例中一种手肘以下位置确定示意图；

图3为本发明实施例中一种万向节连接示意图；

图4为本发明实施例中一种脉象获取系统的结构示意图；

图5为本发明实施例中一种脉象获取系统的具体结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面结合附图和具体实施方式对本发明作进一步的详细说明。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例一：

请参考图1，图1为本发明实施例中一种脉象获取装置的结构示意图，该装置包括：立体视觉获取模块101，切脉位置信息获取模块102，脉象信息采集模块103，脉象信息显示模块104；

其中，立体视觉获取模块，用于利用立体摄像机获取人体手腕且带深度信息的原始图像。

在本发明实施例中，对立体摄像机的型号不做限定，只要该立体摄像即可获取人体手腕且带深度信息的原始图像即可，当然所获取的原始图像要满足计算机视觉信息的清晰度要求。在本发明的其他实施例中，还可采用两个平面摄像机获取该原始图像。其中，原始图像可具体为涵盖了切脉所需位置的手腕立体图像。

切脉位置信息获取模块，用于将原始图像输入至训练好的机器学习软件进行切脉位置学习，获得切脉位置信息。

在本发明实施例中，为获取切脉位置信息，机器学习软件可利用深度卷积神经网络的学习能力，对原始图像进行处理。由于深度卷积神经网络需要训练好后才能具有相应的识别分类等能力，为便于确定切脉位置信息，该装置还可包括机器学习模块；其中，机器学习模块，包括：

训练数据获取单元，用于获取有标签且带有深度信息的图像训练样本；其中，标签包括尺脉位置信息、关脉位置信息和寸脉位置信息；

训练模块，用于利用图像训练样本对初始深度卷积神经网络进行训练，获得深度卷积神经网络。

也就是说，在进行切脉之前，可预先训练出用于学习原始图像的切脉位置信息的机器学习软件。具体的，可收集大量的图像训练样本，然后请经验丰富的中医对脉搏的位置进行准确的标定，即获得有标签的图像训练样本。进而，利用这些经过标记处理的有标签的图像训练样本对深度卷积神经网络进行训练，得到符合要求的深度卷积神经网络，即可得到机器学习软件。其中，所指符合要求即指基于损失函数计算出的损失值满足小于预设阈值或损失值不再变化。训练好机器学习软件后，当获取到原始图像时，便可将原始图像输入到已经训练好的机器学习软件内的深度卷积神经网络中进行信息，然后获得切脉位置信息。当然，为便于医生进一步确定切脉位置信息是否有误，此时还可在显示屏显示切脉位置信息，例如基于切脉位置信息在原始图像上标注切脉位置。

优选地，为进一步提高切脉位置信息的准确率，在利用机器学习软件进行学习之前，可预先对原始图像进行预处理。即，切脉位置信息获取模块，可具体包括：

图像预处理单元，用于利用图像处理软件对原始图像进行预处理，获得手腕宽度，切脉原点以及去除背景后的目标图像；其中，切脉原点为手腕与尺脉、关脉和寸脉连线的交点；将目标图像、切脉原点和手腕宽度输入至机器学习软件进行切脉位置学习，获得切脉位置信息。

请参考图2，图2为本发明实施例中一种手肘以下位置确定示意图。其中，可采用诸如opencv的图像处理软件对原始图像进行处理，得到手腕的宽度，即图示线段|ab|；切脉原点，即图示o点的位置，o点与寸尺寸脉的连线构成x轴，以及无背景的目标图像。然后将手腕宽度，切脉原点以及去除背景后的目标图像输入至训练好的深度卷积神经网络进行学习，获得切脉位置信息。在本发明实施例中，具有深度卷积神经网络的机器学习软件还可设置于服务器中，以利用服务器强大的计算能力提高切脉位置信息获取速度。需要说明的是，由于中医诊脉需要对寸脉、尺脉和关脉分别对应的脉象进行触诊，因而在本发明实施例中，切脉位置信息可具体包括寸脉所在位置、尺脉所在位置和关脉所在位置。例如，根据|oa|占|ab|的比例且点o在寸关尺所在直线的延长线上，因此可以通过这个比例利用opencv将o点标出。接着将经过处理的目标图像输入已经训练好的深度卷积神经网络，深度卷积神经网络会输出检测后的图像，即可获得标注了寸脉、关脉、尺脉的手肘以下的部分的图像。当然，输出结果也可即为寸脉、关脉、尺脉的位置信息。

脉象信息采集模块，用于向三轴电机输出与切脉位置信息对应的电机控制信号，并利用与三轴电机输出轴相连接的脉诊探头采集脉象信息。

获得切脉位置信息后，便可向三轴电机输出与切脉位置信息对应的电机控制信号，然后利用脉诊探头采集脉象信息。即，驱动三轴电机，以使诊脉探头进行切脉(即，采集脉象)。具体的，可根据位置信息，使用pid对三轴电机进行位置控制，即控制x、y、z轴三个电机又快又准地移动脉诊探头到正确的切脉位置上，以获得脉压信号。

具体的，由于中医切脉需要对不同位置的脉象进行诊断，在本发明实施例中，脉象信息采集模块，可具体包括：

电机控制单元，用于当切脉位置信息包括尺脉位置信息、关脉位置信息和寸脉位置信息时，依次分别向三轴电机输出与尺脉位置信息、关脉位置信息和寸脉位置信息对应的电机控制信号；

脉象采集单元，用于利用脉诊探头依次采集尺脉脉象信息、关脉脉象信息和寸脉脉象信息。

也就是说，在确定出切脉位置信息后，依次移动三轴电机，使得脉诊探头依次采集尺脉脉象信息、关脉脉象信息和寸脉脉象信息。在本发明实施例中，可采用pid进行位置控制，以使x、y、z轴三个电机又快又准地移动脉诊探头到之前的位置上进行脉象采集。

优选地，考虑到中医诊断还需对脉象的深浅进行确定，该脉象信息采集模块，可具体用于向三轴电机中垂直方向电机输出不同压力等级且与切脉位置信息对应的电机控制信号，并利用脉诊探头采集不同压力等级分别对应的脉象信息。其中，所指垂直方向是指与手腕内侧皮肤表面垂直。也就是说，脉象的深浅通过施加的压力的大小(如设置轻、中、重三个压力级别)来探测，而，脉象的强弱则可通过测量到的血管内压力变换而得知，脉象的快慢可通过采集的压力波形和周期进行确定。可见，在本装置中，针对中医中脉搏的快慢、强弱、深浅的脉象信息均可获得。且采集脉象的快慢时，无需再参照医生的呼吸作为计数器，可提升脉象信息的准确率。

优选地，为使得脉诊探头能够贴合人体手腕弯曲幅度，更好地采集脉象信息，三轴电机的输出轴与脉诊探头通过万向节相连接。具体的，三轴电机的输出轴通过万向节与脉诊探头的连接关系可参照图3，图3为本发明实施例中一种万向节连接示意图。其中，脉诊探头位于平板下方，该平板即压力传感器阵列。其中，d1为与电机输出端的连接部件，d2为球形部件，d3为传感器阵列，d2与d1刚性连接，同时d1连接入一排软线和d3连接。由于d2为球形部件，所以使得传感器阵列能够向各个方向进行转动。所以，当万向节配合电机和探头进行工作时，d1与电机控制部分相连接，传感器阵列与诊脉探头(图中未绘制)连接。由于球形d2的作用，当与电机控制部分连接的d1方向发生变化时，与传感器阵列连接的探头的方向会产生滑动变化，并始终贴紧皮肤，达到精确测量压力波形的效果。该万向节具体的尺寸、具体连接细节、部件细节等均可参见常见的万向节，以及其使用方法，在此不再一一赘述。

脉象信息显示模块，用于在显示屏显示脉象信息。

具体的，可在显示屏显示脉象的压力波形。

优选地，为便于医生快速查看确诊，本发明实施例所提供的脉象获取装置，还可包括：脉象结果获取模块，用于对脉象信息进行分析，获得脉诊结果。具体的，可参照于上述获取切脉位置信息的获取方式，即可利用深度卷积网络对脉象信息进行信息，得到脉诊结果。即，用于对脉象信息进行分析处理，获得脉诊结果的深度卷积网络的训练所需样本即为具有脉诊结果的脉象信息。训练过程，预计应用过程均可参照上述所描述的切脉位置信息的获取方式，在此不再一一赘述。

应用本发明实施例所提供的装置，包括：立体视觉获取模块，用于利用立体摄像机获取人体手腕且带深度信息的原始图像；切脉位置信息获取模块，用于将原始图像输入至训练好的机器学习软件，获得切脉位置信息；脉象信息采集模块，用于向三轴电机输出与切脉位置信息对应的电机控制信号，并利用与三轴电机输出轴相连接的脉诊探头采集脉象信息；脉象信息显示模块，用于在显示屏显示脉象信息。

在本装置中，利用训练好的机器学习软件可对立体摄像头获取到的原始图像进行切脉位置信息，得到切脉位置信息。然后，基于该切脉位置信息，控制三轴电机移动，使得与三轴电机输出轴相连接的脉诊探头采集脉象信息，然后在显示屏显示脉象信息。可见，相对于现有的诊脉装置，本装置可无需人工确定切脉位置，也无需人工将诊脉探头移至切脉位置处。在本装置获取脉象信息的整个工作过程中，在没有医生干预的情况下，可以准确无误采集到病人的寸关尺全部脉象。即，本装置可实现机器自动且准确地获取脉象信息，有利于医生确诊。

实施例二：

相应于上面的方法实施例，本发明实施例还提供了一种脉象获取系统，下文描述的脉象获取系统与上文描述的脉象获取装置可相互对应参照。

参见图4所示，该系统包括：

安装有视觉定位软件101且有显示屏102的计算机100，与计算机具有通信连接的立体摄像机200，与计算机具有通信连接的三轴电机300，连接于三轴电机的输出轴301的脉诊探头400；

其中，立体摄像机，用于获取人体手腕且带深度信息的原始图像，并将原始图像发送给计算机；

计算机，用于利用视觉定位软件获得切脉位置信息，并向三轴电机输出与切脉位置信息对应的电机控制信号，在接收到脉象信息后，在显示屏显示脉象信息；其中，视觉定位软件将原始图像输入至训练好的机器学习模块进行切脉位置学习，以获得切脉位置信息；

三轴电机，用于在电机控制信号的控制下，带动脉诊探头移动；

脉诊探头，用于采集脉象信息并将脉象信息发送给计算机。

其中，三轴电机与脉诊探头通过万向节连接。

其中，三轴电机为微型步进电机或直流无刷电机。

其中，机器学习模块可参照于本文中的机器学习软件及其训练过程。

应用本发明实施例所提供的系统，包括：安装有视觉定位软件且有显示屏的计算机，与计算机具有通信连接的立体摄像机，与计算机具有通信连接的三轴电机，连接于三轴电机的输出轴的脉诊探头；其中，立体摄像机，用于获取人体手腕且带深度信息的原始图像，并将原始图像发送给计算机；计算机，用于利用视觉定位软件获得切脉位置信息，并向三轴电机输出与切脉位置信息对应的电机控制信号，在接收到脉象信息后，在显示屏显示脉象信息；其中，视觉定位软件将原始图像输入至训练好的机器学习模块进行切脉位置学习，以获得切脉位置信息；三轴电机，用于在电机控制信号的控制下，带动脉诊探头移动；脉诊探头，用于采集脉象信息并将脉象信息发送给计算机。

在本系统中，利用训练好的机器学习软件可对立体摄像头获取到的原始图像进行切脉位置信息，得到切脉位置信息。然后，基于该切脉位置信息，控制三轴电机移动，使得与三轴电机输出轴相连接的脉诊探头采集脉象信息，然后在显示屏显示脉象信息。可见，相对于现有的诊脉装置，本装置可无需人工确定切脉位置，也无需人工将诊脉探头移至切脉位置处。在本装置获取脉象信息的整个工作过程中，在没有医生干预的情况下，可以准确无误采集到病人的寸关尺全部脉象。即，本装置可实现机器自动且准确地获取脉象信息，有利于医生确诊。

为便于本领域技术人员更好的理解本发明实施例所提供的脉象获取系统，下面结合现有技术以及具体的应用实例对脉象获取系统进行说明。

目前市面上检测寸关尺位置的仪器，都是采用复杂的、信号处理的方法确定寸关尺的位置，重点放在测脉搏次数，不能做到可视化脉诊过程。如申请号为cn201410451790.5的发明专利“一种中医诊脉仪及其定位寸、关、尺脉搏点的方法”，由柔性本体、柔性压力传感器阵列、气囊、信号处理系统和连接结构组成。该装置根据柔性压力传感器阵列采集到的压力信号确定桡骨茎突最高点的位置，并根据桡骨茎突最高点的位置结合柔性压力传感器阵列采集到的压力信号最终确定寸、关、尺脉搏点的位置。但是，压力信号需要由一个严格的消除噪声的过程，所以这种方法受到了噪声的很大的限制。

申请号为cn201510467648.4的发明专利“一种可调整的纵向脉象检测驱动器”，由支撑杆、两个滑动扣、两个锁定冒、两个压力弹簧构成。此发明的工作依赖于压力弹簧，对压力弹簧的稳定性要求较高。压力弹簧的弹性系数变小或变大，都会对寸关尺位置的定位造成影响。

可见，在诸如上述发明的现有技术中，既不能自动检测到手腕的寸关尺位置，也不能自动移动传感器探头到寸关尺位置采集脉象。

在本发明实施例所提供的脉象获取系统中，可包括立体摄像头、服务器、电脑(即算机)、压力传感器探头(即脉诊探头)以及电脑控制的多个电机构成。使用时，立体摄像头拍摄人体手腕的3d(三维立体)信息，将拍摄的图像传回计算机，接着用opencv来处理图片。先通过opencv，将图像的纯色背景去掉，接着确定手腕的宽度，从而再根据已经训练好的神经网络的输出结果可以得到寸关尺所成的直线与手腕线段之间的交点，由此得到寸关尺三点所在直线。接着将图像输入到已经训练好的深度卷积神经网络中进行学习，深度卷积神经网络会输出寸、关、尺三点的具体位置。所得到的具体位置可上传至服务器，以便丰富数据集。其中，原始图像的采集方式也可通过立体视觉方法进行拍摄获取。立体视觉方法，不仅可以拍摄到二维的图像信息，还可以通过两个摄像头拍摄的图像差异，计算出物体的深度信息。当然，深度信息也可以通过深度摄像头，如利用红外结构光的摄像头进行采集。

机器学习可以根据图像信息和深度信息建立手腕的三维图，并确定寸关尺的位置。机器学习分为深度学习和更简单的回归算法。

深度学习根据带人工测量的寸关尺位置的图像，称之为带标签的训练集，对深度神经网络进行训练。通常深度学习需要几千甚至上万例以上带标签的训练数据，才能完成训练，达到较高的准确度。训练好的神经网络就可以根据图像输入，正确判断寸关尺的位置。

在本系统中，也可以使用更简单、而且训练数据要求不高的机器学习方法，如随机抽样一致性方法，判断寸关尺的位置。使用随机抽样一致性方法时，把人的手腕部分当成一个几何模型，通过手腕的位置信息以及模型的宽度、高度、截取的手腕长度、被检测者身高、寸脉的位置、关脉的位置、尺脉的位置等参数对该几何模型进行描述。可做到参数对模型的描述能够准确、客观，可全面考虑由于人体的高矮胖瘦给参数带来的影响，同时也是对人体手腕部分进行了抽象，保留了问题的关键部分，对与问题无关的部分进行忽略，简化问题的分析。接着，就是使用随机抽样一致性调节这些参数。随机抽样一致性通过迭代方式估计数学模型的参数，但由于随机抽样一致性是一种不确定的算法，得到合理结果的概率与迭代的次数有关，所以在使用随机抽样一致性算法时，迭代次数要尽可能与模型相适应且尽可能的多，从而匹配出手腕模型，找出寸、关、尺位置参数。

该系统再根据寸、关、尺位置信息和图2中寸关尺(c、d、e点)皮肤表面的倾斜角，控制x、y、z轴三个电机移动脉诊仪探头到准确的位置上，并使用电机控制脉诊探头的倾倾斜角，分别对脉搏施加轻、中、重三种不同的压力，采集左右手寸关尺脉象。可以使用微型步进电机或者是直流无刷电机驱动。寸关尺的位置信息(比如x，y，z)确定以后，电脑控制的电机使用常见的pid位置控制算法，快速移动探头到指定位置。

在本系统采集脉象信息的整个工作过程中，在没有医生干预的情况下，可以准确无误采集到病人的左右手的寸关尺全部脉象。与此同时，使用计算机视觉和机器学习、深度学习的方法，桡动脉的寸关尺进行定位。从而实现脉诊的科学化、量化、客观化和自动化、协助医生得到准确的中医诊断。

请参考图5，图5为本发明实施例中一种脉象获取系统的具体结构示意图。

在实际应用时，检测者如医护人员用立体摄像头200对人体进行拍摄，形成人体的原始图像，进一步可基于原始图像可以得到被检测者人体姿态的各项数据，从而可以得到寸关尺脉相对于人体手腕的高度信息，平面上的摄像头拍摄手肘以下部分的图形，然后传送至计算机100，计算机用opencv对图像进行处理，得到手腕的宽度|ab|和o点的位置。再由计算机传送至服务器500，输入已经训练好的深度卷积神经网络。服务器计算完毕后，把图像处理结果再传送回计算机。可在服务器中保存识别结果以继续丰富图像的数据库，使得下次检测结果更加准确；同时通过计算机将得到的位置信号传送到电机300(同本文中的三轴电机)，电机驱动脉诊探头400进行自动机器切脉，系统根据位置信息，使用pid进行位置控制，控制x、y、z轴三个电机又快又准地移动脉诊探头到正确的位置上。通过模拟中医脉诊时改变按压力度的情况，分别对脉搏施加轻、中、重三种不同的压力，采集得到左右手在不同压力按压下得到的寸脉、关脉、尺脉的脉象，并进行显示，使机器切脉得到的脉象数据能够达到中医诊脉的水准。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。