来源：期刊VIP网 时间：
作者：邓威;刘轩吉;郝龙辉;朱子简;李飞;王蕊;刘克勤;郭鹏宇;周华;王维广;陈占春;
单位：太原理工大学机械工程学院;上海贝业斯健康科技有限公司;山西省针灸医院;太原市中医院;北京中医药大学中医学院中医基础理论系;
摘要：传统单周期脉象识别面临形态复杂、周期异变和个体差异等挑战，限制了其在实际应用中的有效性。本研究专注于解决多周期脉象识别分类问题，通过马尔可夫转移场融合脉象信号的幅值与时序信息，构建了新的图像数据集。基于此，提出了一种新的网络模型——对于卷积-注意力网络模型(Temporal convolutional attention network, TCANet),该模型结合深度可分离卷积和自注意力机制，显著提升了脉象图像数据的识别分类能力。实验结果显示，TCANet在滑脉、弦脉、平脉等脉象识别任务中分别达到了94.74%的准确率、94.79%的精确率、94.74%的召回率和94.76%的F1分数，表明其在多周期脉象识别领域具备优异的性能和广泛的应用潜力。
关键词：多周期脉象;脉象识别;马尔可夫转移场;深度可分离卷积;自注意力
基金资助：国家自然科学基金项目(52075361); 科技部科技基础资源调查专项(2022FY102000,2022FY102002); 山西省科技重大专项(20201102003); 中央高校基本科研业务费专项(2022-JYB-JBZR-011); 太原市卫生健康委员会中医人工智能医生工作室研发创新团队项目(ZYYTD2024035); 山西浙大新材料与化工研究院项目(2022SX-TD021)
