基于触觉论的人体脉象多维信息检测与模式发现关键技术研究

针对目前现有的脉象采集装置无法获取完整的脉象信息以及脉象特征提取方法难以同时处理多种不同特性的复杂信息的问题，本课题提出基于触觉论的脉象信息检测方法，研究与手指的四种机械感受器特性相似或相近的触觉传感器阵列对脉象信号的感知能力，包括感受器密度、排列方式以及滤波特性对脉象检测性能的影响及作用机制，以解决脉象多维触觉信息的检测问题；提出基于时态和静态知识发现的方法研究不同特性的触觉信号的关联规则及特征模式挖掘策略，提取特征模式集合，并借助现代医学的疾病诊断标准，采用多传感器融合建模的方法研究特征模式与疾病之间的关联规律，据此寻找重复性好、具有普遍性诊断意义的特征模式，以解决脉象多维触觉信号的模式发现问题。本研究为脉诊量化研究提供一种全新的、有效的研究框架，试图对中医脉诊做出现代科学的解释，有助于中医脉诊的去伪存真。研究团队坚实的前期研究基础和多学科交叉的优势是本课题顺利开展和完成的保障。

本项目主要研究如何利用触觉传感器阵列获取多维脉象信号并基于知识发现方法提取信号中有效的特征模式。针对目前方法无法获取完整的脉象信息和难以有效处理多种不同特性的复杂信息等问题，本项目提出了一套脉象信号检测和处理框架，围绕脉象传感器的设计和制作、脉象多维信号的预处理、特征提取和识别等方面开展研究，并取得了一系列突破性进展。目前已经有2篇论文被国际顶级期刊IEEE Trans. on BCS、IEEE Trans. on SM录用，另有2篇发表在其他SCI期刊上，发表EI期刊论文2篇，其它国际会议和期刊论文3篇，国内一级期刊2篇，申请发明专利2项。.主要研究成果如下：.在脉象信号的检测研究方面，制作了多维触觉传感阵列，采用高集成工艺，实现了快、慢适应触觉信号的获取；提出并设计了一种电容的测量阵列，以解决芯片电容的测量问题；提出了一种基于电磁感应的探针和芯片I/O之间可靠接触检测方法，以解决以往的方法操作探针，可能造成被测芯片严重损坏的问题；提出一种前馈异或安全扫描结构，能抗击基于扫描结构的旁路攻击和复位攻击，并保留了传统扫描结构的高测试覆盖率；提出一种新的利用多频率段的 PUF，以解决在响应过程中振荡器的振荡频率固定不变而导致容易被攻击的隐患。.在脉象信号的处理与识别方法研究方面，提出了一种新的基于自适应参数的脉象信号预处理算法，可以有效地消除噪声并且同时可以很好地保护脉象波峰数信息，提高了脉象波形的识别率和特征参数的计算准确度；由于获取的特征具有高维度、高相关性和大量噪音等特点，研究提出了基于统计假设检验的特征模式发现方法，大大减少了估计误差；提出了一种基于双正交小波、一维快速傅立叶变换和高斯衰减的环形伪影去除算法，并在GPU上实现，非常适合大数据的实时处理；提出了一种快速的基于随动有限元框架的例子驱动变形方法，可以有效避免复杂的非线性优化问题，提高了计算效率；提出了基于改进的KPCA的特征维数约简方法和基于增量学习的特征模式发现方法，创建了脉象识别与诊断模型，该模型可根据新的样本进行实时更新，显著提高了后续的学习效率。.总得来说，该项目很好地按预定目标深入研究了人体脉象多维信息检测与模式发现所涉及的一系列问题，完成了申请书所承诺的指标。