【摘 要】 目前，對于針灸手法的學習評價，缺少針刺時施力大小、時長和方向等可以進行量化的物理參數。本文針對采集針刺過程中“捻轉”和“提插”動作的觸覺參數，設計了一種陣列式聚偏二氟乙烯膜(PVDF)觸覺傳感器;隨后，給出了面向觸覺信號的窗口分割方法，并提取窗口中的時域特征;最后，構建了一種基于模糊 C均值聚類法(FCM)的針刺手法識別方法。通過實驗證明該方法能夠有效識別捻轉補、捻轉瀉、提插補、提插瀉四種基本針刺動作，有利于針刺手法的量化與傳播。
本文源自茍升異; 宿翀; 王磊; 趙亞楠; 陳捷， 針刺研究 發表時間：2021-06-25
【關鍵詞】 聚偏二氟乙烯膜傳感器;機器學習;針刺手法分類
針刺作為一種傳統中醫療法，其教學大多是依靠經驗和課堂講解，這對于其傳承和推廣存在一定的制約。對于針刺的基本手法如捻轉補、捻轉瀉、提插補和提插瀉，由于個人理解的不同，同一針刺操作的時間、力量等方面均存在差異，從而在臨床療效上產生不同的結果，因此對針刺手法的量化研究就顯得極為重要。本文通過對針刺過程觸覺信息的采集，提取出針刺動作的時域特征，完成對針刺操作的分類。量化的針刺手法將為針灸的診療和教學提供強有力的科學依據，有助于針刺手法的推廣與傳承。
針刺手法量學的研究對針刺時施力大小、方向、時長、頻率等要素進行了界定。以捻轉和提插手法為基礎，形成了捻轉補、捻轉瀉、提插補、提插瀉4種基本針刺手法[1]。為了提高針刺手法的規范性、可操作性，楊華元等[2]開發了針刺手法參數測定儀，用其采集到的針刺手法仿真過程中的物理參數進行分析[3]。王彩虹等[4]利用針刺手法測定儀采集并分析不同手法的參數和波形，進而分析捻轉和提插兩種手法。丁光宏等[5]將基于光刻應變硅片和壓電陶瓷的傳感器集成到針體上，實現了針刺過程中對針上作用力的測量。顧星等[6]開發了針刺手法教學測量儀，通過電磁感應技術采集針刺過程信號。然而，上述針刺手法物理參數的提取系統，大多架設于針柄上，鮮有從人體觸覺角度探討手法物理參數獲取與分析的方法。
聚 偏 二 氟 乙 烯 膜 (Polyvinylidenefluoride，PVDF)作為一種具有良好性能的柔性壓電材料，已經被廣泛應用于構建柔性壓力傳感器[7]、心率和呼吸實時監測傳感系統[8]、機械模具制造中的應力分析等[9-10]各個方面的研究。近年來，針對 PVDF 應用于人體動作識別方面的 探 索，如 人 體 手 部 分割[11]、人體肌電信號提取與分類[12]等，逐步成為智能傳感系統研究的熱點。此外，諸如神經網絡、聚類等機器學習 方 法[13]也 被 廣 泛 應 用 于 人 體 連 續 動 作的分類中，獲得豐碩的研究成果。
受上述研究啟發，本研究設計了一款基于陣列式PVDF的觸覺傳感器，在獲取針灸醫師針刺過程中的觸覺壓電信號的同時，構建一種基于機器學習中模糊 C 均值聚類法(FuzzyC-Means，FCM)的 針刺手法識別方法。
1 針刺手法觸覺傳感器構建及智能采集系統設計
PVDF壓 電 薄 膜 是 一 種 獨 特 的 高 分 子 傳 感 材料，外觀為半透明狀，具有分子鏈間排列緊密、不易燃、質量輕、柔韌性好等特性;該材料電壓靈敏度高，能根據壓力的變化輸出電壓信號，可加工成為高效可靠、低成本的柔性觸覺傳感器。
1.1 陣列式 PVDF觸覺傳感器的制備
區別于傳統單片 PVDF薄膜傳感器，陣列式傳感器采用多片 PVDF薄膜來構造，其優勢在于可以在同一時刻采集到不同位置的 PVDF壓電信號，從而提取其時域特征。在進行針刺時，伴隨著指尖的相對移動，采用陣列式傳感器的設計，可以增加有效的時域特征，為提升針刺手法分類的準確率提供一種可行的途徑。本研究利用兩片尺寸相同、形狀完好的 PVDF 薄 膜，經 過 形 狀 切 割、邊 緣 絕 緣 后 進 行組裝同時引出導線，形成一個陣列式 PVDF壓電傳感器。(1)形 狀 切 割：分 別 在 兩 片 PVDF 成 品 上 畫出直徑為8 mm 的 圓，然 后 按 標 記 線 條 進 行 裁 剪。(2)邊緣絕緣：選用乙醇對薄膜邊緣進行非金屬化的具體處理。(3)組裝引出導線：準備透明塑料膜，在一片上涂抹少量導電銀膠，然后在導電銀膠中放入導線作為壓電傳感器的一極，再將 PVDF薄膜放在上面，按壓使其粘合，直至導電銀膠凝固。在 PVDF薄膜相對稱的另一邊同樣放置導電銀膠及導線作為壓電傳感器的另一極，再將透明薄膜放在導電銀膠之上并進行按壓，直到最后凝固，形成一個“兩片分離式”的陣列式 PVDF壓電傳感器。見圖1。
1.2 針刺手法觸覺壓電信號采集系統
將圖1所示 PVDF壓電傳感器進行“封裝”，形成可穿戴的“指套”觸覺傳感器。醫師的手指(一般為食指)固定住觸覺傳感器，在針刺過程中，手指對針體施加不同的壓力使指套產生形變，產生的壓電信號由放大器放大、采集模塊收集并發送至電腦保存，此時便完成了相應數據的采集，如圖2所示，從左至右 依 次 為 PVDF 傳 感 器、信 號 放 大 器、信 號 采集模塊和電腦壓電曲線顯示。
2 針刺手法數據的采集和分類
2.1 針刺手法數據采集
如圖2所示，該系統采樣頻 率 設 置 為100 Hz，可以充分地捕獲針刺手法動作所產生的數據，數據的采集由醫師完成。將傳感器用醫用膠布固定在醫師的食指，實驗中由醫師分別執行捻轉補、捻轉瀉、提插補、提插瀉4個動作。每個動作重復2次，每次的持續 時 間 為80s。由 PVDF 壓 電 薄 膜 傳 感 器 采集到的壓電信號如圖3所示。
2.2 噪聲處理
移動平均濾波器可以有效地減少隨機干擾的影響。本研究選 擇6 階 移 動 平 均 濾 波 算 法 來 消 除 噪聲，去除信號毛刺。傳感器采集的原始加速度信號存在較多噪聲，在使用6階移動平均濾波算法后，數據變得較為平滑。
2.3 數據窗口分割
在得到壓電數據后，無法對原始數據直接進行分類。窗口分割的目的是將得到的壓電數據進行劃分，將壓電數據流分割為若干的窗口，然后以一個窗口為基礎，進行特征的提取，只有有效提取出窗口的特征才能進行分析，完成針刺動作的分類。
在動作的識別階段，需要對傳感器壓電信號數據流進行數據窗口分割。常用的分割技術包括基于滑動窗口的分割、基于事件定義的窗口分割以及基于動作定義的窗口分割等3種方法[14-15]。滑動窗口分割技術是指采用固定長度的窗口對數據流進行分割。滑動窗口分割技術由于操作簡單，因此被多數研究所采 用。本文中采用滑動窗口分割的時間為1s。
2.4 特征提取
在濾除傳感器數據的噪聲后，用定長度的滑動窗口分割技術對傳感器數據流進行劃分，窗口的長度設置為1s。對于每個時間窗口，它所包含的數據可以用一個 Nx1維的向量s=[s1，s2，...，sn]來 表示。由于本文 采 用“兩 片 分 離 式”陣 列 式 PVDF 壓電傳感器進行針灸醫師手指觸覺信號的提取，因此從時域特征角度進行分析，具體的特征類型如表1所示。
表1中所示特征的計算中，峰的位置信息反應針體的位置，最大值反應針灸動作強度變化的幅度，均值反應針灸動作的平均強度;積分反應針體旋轉與緊握程度，時間長度反應頻率大小。由于壓電信號無法直接獲取針體位置，通過對壓電信號的進一步處理得到以下2個特征。特征ID9和10中所謂的“針體位置”，是指在一個窗口壓電數據的采集中，針體具體在哪個 PVDF薄膜上滾動。為獲得“針體位置”，我們將兩個薄膜上信號取最大值，最大值所在的薄膜序號，即為針體所在位置。進而求取一個壓電數據 窗 口 內 針 體 位 置 的 平 均 值 和 方 差。公 式如下：
均值特征：!= 1N∑ Ni=1si (1)方差特征：σ2 = 1N∑ Ni=1(si - !)2 (2)采樣區間內最大值：Smax = max (s) (3)采樣區間內最小值：Smin = min (s) (4)采樣區間內積分值：SS =∫ TnT1Stdt (5)
2.5 基于 FCM 的針刺手法分類器
本研究采用模糊C均值聚類算法對集合s進行處理，即將大規模的訓練樣本歸為數量相對較少的若干聚類，并基于聚類中心設計分類器。基于模糊C均值得到聚類中心：1)確定聚類數量 k和模糊參數b，設置迭代終止閾值ε;2)初始化每個聚類中心 m;3)計算各個聚類的隸屬度函數值;4)重新計算訓練集的各類聚類中心;5)計算聚類損失函數值，如果與上次的函數值之差小于閾值，則退出迭代，否則返回步驟3重 復 運 算，直 到 獲 得 穩 定 聚 類 中 心 和 隸 屬度值。
每種針刺手法，例如捻轉補，在得到針刺動作壓電數據后對這些數據進行窗口劃分，按照1s1個窗口，即100個采樣點1個窗口，但是這樣的滑動窗口分割方法，無法保證這個窗口內的壓電數據恰好反映了1個完整的針刺手法動作。每次提取到的窗口數據所蘊含的手法信息有如下6種可能：(1)1個完整的針刺動作;(2)1個針刺動作的前面部分;(3)1個針刺動作的后面部分;(4)1個針刺動作的后面部分和1個完整的針刺動作;(5)1個完整的針刺動作和1個針刺動作的前面部分;(6)1個針刺動作的后面部分和1個完整的針刺動作和一個針刺動作的前面部分。對于1個動作，就會有這樣的6種情況的窗口，如果1個動作只設立1個聚類中心，不符合窗口分割的實際情況，會影響分類的準確率。這6種窗口，每種都有自己的聚類中心，所以1個動作就有6個聚類中心，本文探討了4種針刺手法動作，因此共有24 個 聚 類 中 心。 本 文 所 用 聚 類 模 型，如 圖 4所示。
在使用訓練集訓練得到24個聚類中心后，將待分類數據，分別與24個聚類中心計算歐氏距離，然后同一類的6個聚類中心的歐氏距離相加，就得到4個歐氏距離之和，最小歐氏距離的對應類別就 是分類結果。
3 實驗設計與實驗結果
3.1 實驗設計與實驗結果
本實驗中，使用中國中醫科學院針灸研究所兩位醫師在佩戴本文中觸覺傳感器情況下進行針刺操作中收集到的數據。要求醫師針對某個針刺手法動作(例如：捻轉補、捻轉瀉、提插補和提插瀉)連續操作5min，由于本文提出的手法采集系統采樣頻率為100Hz，因此醫師的每種動作可以采集到30000個采樣點。由于采樣初始和結束階段，存在粗大誤差，所以在初始和結束階段各剔除1000個采樣點，最終保留28000個采樣數據。我們將此時采集成功的某個手法 動 作 的24000個 采 樣 點 作 為 訓 練 數據，4000個采樣點作為測試數據。
循環執行上述的采集動作4次(針對4種基礎針刺手法動作)，其中：我們設置100個采樣點為一個窗口，對于訓練數據，每種手法動作有240個窗口(共4種手 法 動 作，總 計 960 個 窗 口);對 于 測 試 數據，每種手法動作40個窗口(共4種手法動作，總計160個窗口)。
基于本文所提手法動作的識別方法，得到針對測試集的識別準確率如圖5所示。從圖中可以看出每一種針刺動作的識 別情況，平 均 識 別 正 確 率 在88.22%，其中捻轉補與捻轉瀉的正確率較 高，均 在90%以上，而提插補、提插瀉則在80%左右。
以第一行第一列為例：醫師實際手法動作為捻轉補，且本文分類方法將該實際手法獲取的壓電數據分類為捻轉補的準確率為92.5%;以第一行第二列為例，醫師實際手法動作為捻轉補，但是本文分類方法將該實際手法獲取的壓電數據分類為捻轉瀉的有7.5%。
圖6至 圖10是 訓 練 樣 本 數 據 通 過 FCM 聚 類后得到的數據分布情況。
捻轉補和捻 轉 瀉 的 壓 電 平 均 值 更 靠 近0，且 兩者 不易進行區分，而提插補和提插瀉表現的更加分散，其中提插補前端的平均值比較集中，波動不大，但是后端的表現就出現了較大的波動，從-1V 到1V都有分布。提 插 瀉 則 相 反，平 均 值 的 分 布 情 況在前端更加分散，而后端在0上下波動。見圖6。
捻轉補和捻轉瀉的動作壓電積分值更小，這是因為捻轉動作是一種滑動動作，在捻轉過程中，壓電的平均值較小，而且滑動過程出現壓電信號的時間占比相對于提插過程較小，從而導致捻轉動作的積分值更小。提插補動作在后端的積分值較大，前端較小。而提插瀉則相反，在前端的積分值較大，后端的積分值較小。見圖7。
捻轉補和捻轉瀉這兩者在最大值上要小于提插補和提插瀉，因為捻轉是滑動動作，需要使用的力較小，但是提插需要持握針體進行上下動作，此時手指施加的力較大，反映到壓電信號就出現了數值較大的最大值。捻轉補和捻轉瀉區分度不大，而提插補在后端有著更大的壓電最大值，提插瀉則在前端的壓電最大值更大，后端較小。見圖8。
捻轉補和捻轉瀉的最小值還是比較集中，不易進行區分，而提插補的最小值在后端較為明顯，前端集中在0附近，提插瀉的最小值在前端較為明顯，后端集中在0附近。通過最大值和最小值的考慮，這兩者是相互對應的，這是由于 PVDF壓電薄膜的壓電特性導致的，正向壓電越大，從而轉的負向壓電也就越大。所以對于壓電信號的最大值和最小值，這兩者是統一的關系。見圖9。
捻轉補的針體位置數值偏大，在后端薄膜附近的區域時間更長，而捻轉瀉則與之相反。提插補和提插瀉針體的位置則比較分散。見圖10。
3.2 所提方法的局限性
本研究中以觸覺傳感器測試醫師提插補和提插瀉兩種手法的結果顯示，提插動作總是會在陣列式PVDF觸覺傳 感 器 其 中 的 一 片 區 域 產 生 更 大 的 壓力，且發力更加突然，瞬間的壓力更大，積分也就很大。與捻轉補與捻轉瀉兩種手法的識別率高達95%相比，本文所用方法對提插補和提插瀉兩種手法的識別準確率還稍顯遜色。未來，將嘗試引入頻域特征及能量熵特征，來衡量提插手法下不同操作的特征，以提升識別準確率，也在理論上闡釋提插手法的作用機制。
4 結論
本研究構建了一種陣列式 PVDF觸覺傳感器，可以有效地測量出針刺過程中指尖不同位置的壓電信號，將力學信號轉化為電學信號進行分析。隨后，本研究基于機器學習中的 FCM 方法對獲取的針刺手法壓電信號進行聚類分析，構建了一種針刺手法識別方法。經過實驗測試，此方法在捻轉補和捻轉瀉的動作分類識別中有著 較高的準確率，可 達95%;對 于 提 插 補 和 提 插 瀉 來 說，分 類 準 確 率 可 達80%，還有較大的提升空間。在后續的工作中，計劃通過增加信號特征提取的種類并且構建多特征融合下的識別方法，進一步提高識別準確率。該結果利用智能傳感 系 統 和 機 器 學 習 等 信 息 科 學 技 術 的 方法，實現了對針刺動作特征的提取與分類，為針刺手法的研究提供科學依據，對針刺手法的量化有著重要意義。
論文指導 >
SCI期刊推薦 >
論文常見問題 >
SCI常見問題 >
