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.

关键词：贝叶斯分类器、脉诊、不平衡数据集

所属期刊栏目：28

分类号：TP391(计算技术、计算机技术)

在线出版日期：2010-01-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：735-742