CN114424928A - 用于脉诊的脉象测量设备及脉象测量方法 - Google Patents

Abstract

本发明提供了一种用于脉诊的脉象测量设备与脉象测量方法。该脉象测量设备拍摄一目标手部的一影像。该目标手部至少包括一目标手掌以及一目标手腕。接着，该脉象测量设备通过一物件侦测模型来分析该影像，以取得相应于该目标手腕的一平面脉位信息。随后，根据该平面脉位信息及一指定脉位按压该目标手腕，以在该指定脉位上感测一脉象信号。

Description

用于脉诊的脉象测量设备及脉象测量方法

技术领域

本发明是关于一种脉象测量设备以及脉象测量方法。具体而言，本发明是关于一种能够自动辨识脉位以及取脉的脉象测量设备以及脉象测量方法。

背景技术

脉诊是一种根据受诊者的脉博跳动状态（即，脉象）来进行诊断的方法，医师通过将手指放置在受诊者的手腕的寸口处，并通过触、摸、压等动作感受病人的脉象，进而推测受诊者的生理或病理状况。根据中医的定义，人的手腕具有“寸”、“关”、“尺”三个平面脉位，且在进行脉诊时各平面脉位还可以对应至“浮”、“中”、“沉”三种取脉深度。因此，医师至少可在受诊者的手腕上测量九种脉位（即，由“寸”、“关”、“尺”分别和“浮”、“中”、沉”所形成的九种组合）的脉象，进而根据脉象所代表的生理或病理信息来做出诊断。

为使脉象的测量趋于客观，可通过脉象测量设备（例如：脉诊仪）感测脉象信号来进行脉诊。然而，传统的脉象测量设备虽然能够感测特定位置的脉象信号，但多半需仰赖操作者自行判断脉位的位置（包括上述的平面脉位以及取脉深度），以针对特定的脉位来进行测量，而由于针对脉位位置的判断标准因人而异，使得同一个脉象测量设备针对某一特定脉位的测量结果可能是不一致的，致使脉象测量设备的测量品质不稳定。

有鉴于此，如何设计出一种能够自动辨识脉位并进行测量的脉象测量设备，将是本技术领域亟待解决的技术问题。

发明内容

为了解决上述的技术问题，本发明的实施例提供了一种用于脉诊的脉象测量设备。该脉象测量设备可包括一存储器、一摄像机、一传感器、一处理器以及一控制器。该处理器可与该存储器、该摄像机、该控制器以及该传感器电性连接。该控制器可与该传感器以及该处理器电性连接。该存储器可用以存储一物件侦测模型。该摄像机可用以拍摄一目标手部的一影像，该目标手部可至少包括一目标手掌以及一目标手腕。该传感器可用以感测该目标手腕的一脉象信号。该处理器可用以：通过该物件侦测模型分析该影像，以取得相应于该目标手腕的一平面脉位信息，以及根据该平面脉位信息以及一指定脉位，产生一控制信号。该控制器可用以根据该控制信号以及该平面脉位信息而控制该传感器按压该目标手腕，以使该传感器在该指定脉位上感测该脉象信号。

为了解决至少上述的技术问题，本发明的实施例还提供了一种用于脉诊的脉象测量方法。该脉象测量方法可由一脉象测量设备所执行，且该脉象测量方法可包括：

拍摄一目标手部的一影像，其中该目标手部至少包括一目标手掌以及一目标手腕；

通过一物件侦测模型分析该影像，以取得相应于该目标手腕的一平面脉位信息；以及

根据该平面脉位信息以及一指定脉位按压该目标手腕，以在该指定脉位上感测该目标手腕的一脉象信号。

其中该平面脉位信息包括一寸脉位位置、一关脉位位置以及一尺脉位位置，且该指定脉位至少对应至该寸脉位位置、该关脉位位置以及该尺脉位位置其中之一。

其中该物件侦测模型是通过根据多笔训练资料训练一卷积神经网络而建立，各训练资料包括关于一手部的一训练影像与三个位置标签，该手部至少包括一手掌以及一手腕，且该三个位置标签分别用以标示该手腕在该训练影像中的寸脉位、关脉位以及尺脉位的正确位置。

其中该处理器还用以根据多笔训练资料训练一卷积神经网络，以建立该物件侦测模型，各训练资料包括关于一手部的一训练影像与三个位置标签，该手部至少包括一手掌以及一手腕，且该三个位置标签分别用以标示该手腕在该训练影像中的寸脉位、关脉位以及尺脉位的正确位置。

其中该传感器还用以测量该目标手腕与该传感器之间的多个动态压力值，以通过该多个动态压力值而获得该脉象信号。

其中：

该指定脉位还对应至一浮脉位深度区间、一中脉位深度区间以及一沉脉位深度区间其中之一；

该传感器还用以测量该目标手腕与该传感器之间的一静态压力值；且

该处理器还用以根据该静态压力值与一第一临界值、一第二临界值以及一第三临界值之间的关系而定义该浮脉位深度区间、该中脉位深度区间以及该沉脉位深度区间，其中：

高于该第一临界值且低于该第二临界值的该静态压力值的一范围为该浮脉位深度区间；

高于该第二临界值且低于该第三临界值的该静态压力值的一范围为该中脉位深度区间；以及

高于该第三临界值的该静态压力值的一范围为该沉脉位深度区间。

其中该第一临界值小于该第二临界值，且该第二临界值小于该第三临界值。

其中该第一临界值为该第二临界值的一半。

综上所述，本发明提供的脉象测量设备及脉象测量方法通过物件侦测模型来分析手部影像，并在该手部影像中辨识手腕的各平面脉位以获得平面脉位信息，使得该脉象测量设备可根据平面脉位信息，找到手腕上的一指定脉位并在该指定脉位上测量脉象（即，感测脉象信号）。有别于传统的脉象测量设备，本发明通过自动辨识脉位的机制，使得在测量过程中针对脉位的判断标准得以不需依赖操作者的个人能力，进而可维持测量品质的稳定性。因此，本发明所提供的脉象测量设备及脉象测量方法确实解决了本技术领域中的上述技术问题。

以上内容并非为了限制本发明，而只是概括地叙述了本发明可解决的技术问题、可采用的技术手段以及可达到的技术功效，以使本领域技术人员初步地了解本发明。根据附图及以下的实施方式所记载的内容，本领域技术人员便可进一步了解本发明的各种实施例的细节。

附图说明

图1是根据本发明的某些实施例的脉象测量设备的示意图；

图2是根据本发明的某些实施例的脉象测量设备的局部构造的侧视图；

图3是关于在目标手部上的“寸”、“关”、“尺”的位置的示意图；

图4是根据本发明的某些实施例的脉象测量方法的流程图。

具体实施方式

以下将通过多个实施例来说明本发明，但是这些实施例并非用以限制本发明只能根据所述操作、环境、应用、结构、流程或步骤来实施。为了易于说明，与本发明的实施例无直接关联的内容或是不需特别说明也能理解的内容，将于本文以及附图中省略。在附图中，各元件（element）的尺寸以及各元件之间的比例仅是范例，而非用以限制本发明。除了特别说明之外，在以下内容中，相同（或相近）的标号可对应至相同（或相近）的元件。在可被实现的情况下，如未特别说明，以下所述的每一个元件的数量可以是一个或多个。

图1是根据本发明的某些实施例的脉象测量设备的示意图。图1所示内容是为了举例说明本发明的实施例，而非为了限制本发明的保护范围。

参照图1，一脉象测量设备1基本上可包括一存储器11、一摄像机12、一控制器13、一传感器14以及一处理器15，其中处理器15可与存储器11、摄像机12、控制器13以及传感器14电性连接，且控制器13可与传感器14电性连接。须说明者，上述元件之间的“电性连接”可以是直接的（即没有通过其他功能性元件而彼此连接）或者是间接的（即通过其他功能性元件而彼此连接）。脉象测量设备1可通过上述元件的共同运作而自动测量一受测者的手腕上的脉象。

存储器11可用以存储脉象测量设备1所产生的资料、从外部装置传入脉象测量设备1的资料、或用戶自行输入到脉象测量设备1的资料。存储器11可包括第一级存储器（又称主存储器或内部存储器），且处理器15可直接读取存储在第一级存储器内的指令集，并在需要时执行这些指令集。在某些实施例中，除了第一级存储器之外，存储器11还可包括第二级存储器（又称外部存储器或辅助存储器），其可通过资料缓冲器来将资料传输至第一级存储器。举例而言，第二级存储器可以是例如但不限于：硬盘、光盘等。在某些实施例中，存储器11还可包括第三级存储器，也即，可直接***或自电脑拔除的存储元件，例如：随身硬盘。存储器11可用以存储一物件侦测模型111。物件侦测模型111可以是基于卷积神经网络架构的一深度学习模型，其通过不断地受训练而可辨识一影像中的一特定物件以及该特定物件的类别，并可标示出该物件所在的位置。在某些实施例中，物件侦测模型111可以是由处理器15所训练而成。有关物件侦测模型111的具体细节将于随后详述。

摄像机12可以是例如但不限于：无线网络摄像机、有线网络摄像机、摄像镜头模组、拍照式手机、相机、录影机等具有摄影功能的元件，其可用以拍摄一目标手部3的一影像121，换言之，影像121中可至少包括目标手部3。

控制器13可以是具备信号处理功能的集成电路，其可接收并分析来自处理器15的控制信号，并据以控制传感器14的位置，以使传感器14可在特定的脉位上感测一脉象信号D1。

传感器14可以是各类型的压力传感器，例如但不限于：电阻应变片压力传感器（Resistance strain pressure sensor）、压阻式压力传感器（Piezoresistive pressuresensor）、电感式压力传感器（Inductive pressure sensor）、电容式压力传感器（Capacitive pressure sensor）、谐振式压力传感器（Resonant pressure sensor）、电容式加速度传感器等等。传感器14可用以感测目标手部3所包括的一目标手腕上的脉象信号D1。

处理器15可以是具备信号处理功能的微处理器（microprocessor）或微控制器（microcontroller）等。微处理器或微控制器是一种可程序化的特殊集成电路，其具有运算、存储、输出／输入等能力，且可接受并处理各种编码指令，借以进行各种逻辑运算与算术运算，并输出相应的运算结果。处理器15可被编程以解释各种指令与执行各项任务或程序。

图2是根据本发明的某些实施例的脉象测量设备的局部构造的侧视图。图2所示内容是为了举例说明本发明的实施例，而非为了限制本发明的保护范围。

须说明，为便于叙述，图2仅例示了图1中的脉象测量设备1的部分元件的相对位置，其电性连接关系并未在图中呈现。同时参照图1与图2，在某些实施例中，除了前述的存储器11、摄像机12、控制器13、传感器14、处理器15之外，脉象测量设备1还可包括一置腕平台CP1、一底座CP2、一移动部件CP3、一垂直滑轨CP4以及一支架CP5。

置腕平台CP1可用以固定目标手部3所包括的目标手腕。在某些实施例中，置腕平台CP1还可包括一滑轨及一固定部件，以适应各种大小的手腕。底座CP2可与置腕平台CP1、支架CP5及垂直滑轨CP4耦合。垂直滑轨CP4可与支架CP5及底座CP2耦合，且移动部件CP3可通过其构造（例如但不限于：垂直滑轨CP4穿过移动部件CP3的中空构造）而在垂直滑轨CP4上进行垂直方向（即，座标轴Z的方向）的滑动。移动部件CP3可与传感器14耦合，且可控制传感器14进行水平面方向（即，座标轴X与座标轴Y的方向，其中座标轴Y的方向为垂直于纸张／显示屏幕的一平面的方向）的移动。举例而言，移动部件CP3在靠近传感器14端可包括一水平滑轨（未示出于图中），以控制传感器14进行水平方向的移动。摄像机12可设置于移动部件CP3的表面上，且可设置于与传感器14相同的一平面，以便拍摄传感器14所测量的目标手腕。在某些实施例中，存储器11、控制器13及／或处理器15可被设置于底座CP2的内部。综合上述，底座CP2、移动部件CP3、垂直滑轨CP4以及支架CP5可共同运作以使传感器14得以在各种位置上感测目标手腕的脉象信号D1。

须说明，图2中示出的脉象测量设备1的部分元件的设置位置仅是作为举例说明，而非用以限制本发明。本领域技术人员可适应于不同情况而更改部分元件的位置，例如：将摄像机12往支架CP5的方向内移，或是将处理器15设置于底座CP2外部的其他元件（例如：台式机、可携式电脑、智能手机、可携式电子配件（眼镜、手表等等）、服务器等计算装置）当中。

接着，将通过图1至图3来说明根据本发明的一个或多个实施例的脉象测量设备1如何测量目标手部3上的脉象。图3是关于在目标手部上的“寸”、“关”、“尺”位置的示意图。图3所示内容是为了举例说明本发明的实施例，而非为了限制本发明的保护范围。

同时参照图1、图2与图3，首先，摄像机12可拍摄包括目标手部3的影像121，且目标手部3至少包括一目标手掌301以及一目标手腕302。在某些实施例中，目标手部3可以一种掌心朝上的方式放置在置腕平台CP1上，且摄像机12可被设置于移动部件CP3面向目标手腕302的下平面，以便拍摄包括置腕平台CP1上的目标手部3的影像121。须说明，图2所示摄像机12的设置位置仅为举例而非限制。换言之，在某些实施例中，摄像机12可被设置于任何能够清楚拍摄包括目标手部3的影像的位置，而非仅限被设置于移动部件CP3。举例而言，摄像机12可设置于目标手腕302的正上方（即，拍摄角度为九十度角），也可设置于目标手腕302的斜上方（例如：拍摄角度小于九十度角）。

接着，处理器15可执行物件侦测模型111，以辨识影像121中的一平面脉位信息。该平面脉位信息可包括影像121中关于目标手腕302上的至少一平面脉位的位置信息。举例而言，该平面脉位信息可包括分别对应至目标手腕302上的一寸脉位P1、一关脉位P2以及一尺脉位P3的一寸脉位位置、一关脉位位置以及一尺脉位位置。

在某些实施例中，在开始测量脉象之前，处理器15可根据多笔训练资料训练一卷积神经网络，进而建立物件侦测模型111。各笔训练资料可包括一训练影像与至少一位置标签。该训练影像中可包括一手部，且该手部可至少包括一手掌以及一手腕（近似于图3所示的目标手部3）。该至少一位置标签可用以标示该手腕的至少一脉位在该训练影像中的正确位置。由此，通过上述训练资料所训练出的物件侦测模型111有能力辨识一影像中的上述至少一脉位的所在位置。

在某些实施例中，上述的至少一脉位可至少包括手腕的寸脉位、关脉位以及尺脉位（近似于图3所示的寸脉位P1、关脉位P2以及尺脉位P3），也即，每一笔训练资料可包括分别用来标示一训练影像中该手腕的寸脉位、关脉位以及尺脉位的正确位置的三个位置标签。关于手腕的寸脉位、关脉位以及尺脉位的正确位置，可根据本技术领域中针对寸、关、尺脉位位置的现有定义而决定。举例而言，关脉位位置可被定义为一手腕上相应于桡骨突起处的位置，寸脉位位置可被定义为自关脉位位置往手掌方向距离一指处，而尺脉位位置可被定义为往相对于手掌的反方向距离关脉位位置一指处。须说明，上述的脉位选择只是举例而非限制，本领域技术人员可根据需求而在训练资料中定义其他脉位的位置，以使训练后的物件侦测模型111有能力辨识其所定义的脉位位置。

在某些实施例中，处理器15可直接使用上述的训练资料来训练已知的深度学习模型而建立物件侦测模型111，所述已知的深度学习模型可以是例如但不限于“You OnlyLook Once（YOLO）”、“Single Shot MultiBox Detector（SSD）”、“Fast Recurrent NeuralNetworks（Fast R-CNN）”等深度学习模型。

在某些实施例中，物件侦测模型111的上述训练资料中的训练影像可由摄像机12所拍摄。换言之，包括一手部的训练影像以及包括目标手部3的影像121可以是基于相同的角度所拍摄出。如此一来，通过此种训练资料所训练出的物件侦测模型111便能更有效率地辨识目标手部3的目标手腕302中相应于训练资料的脉位位置，而不需要因训练与推论时拍摄视角的不同而进行额外的线性／非线性变换，且此种训练方式所需的时间相对于“训练资料中的手部是基于不同角度而拍摄出”的情况也可缩短许多。

在取得包括相应于寸脉位P1、关脉位P2以及尺脉位P3的寸脉位位置、关脉位位置以及尺脉位位置的该平面脉位信息之后，处理器15可根据该平面脉位信息及一指定脉位而产生一控制信号S1。该指定脉位可对应至该平面脉位信息中的其中一个脉位。举例而言，该平面脉位信息可包括影像121中目标手腕302上的该寸脉位位置、该关脉位位置以及该尺脉位位置，而该指定脉位则可对应至该寸脉位位置、该关脉位位置以及该尺脉位位置其中之一，而处理器15可产生相应于该指定脉位的控制信号S1。在某些实施例中，该指定脉位可由用戶通过脉象测量设备1的软件（例如：一用戶接口）进行选择，或者是通过脉象测量设备1的硬件设备（例如：一按键）来进行指定。

接着，控制器13可根据控制信号S1而控制传感器14按压目标手腕302，以使该传感器14得以在目标手腕302的该指定脉位上感测脉象信号D1。具体而言，控制器13可自处理器15接收相应于该指定脉位的控制信号S1，并根据控制信号S1而控制移动部件CP3在垂直滑轨CP4上进行垂直方向的移动，以及控制移动部件CP3中与传感器14耦合的元件在水平方向上的移动，进而控制传感器14在该指定脉位按压目标手部3，以感测脉象信号D1。

在某些实施例中，传感器14是通过持续测量目标手腕302与传感器14之间的多个动态压力值，并将该多个动态压力值转换成脉象信号D1。具体而言，动态压力值可以是指传感器14通过测量目标手腕302的电阻值或电压值的变化而换算出的压力数值，该多个动态压力值随时间的变化可被呈现为一波形信号，而该波形信号可经处理而产生相应的脉象信号D1。

在某些实施例中， 传感器14还可测量目标手腕302与传感器14之间的一静态压力值。具体而言，静态压力值可以是代表传感器14按压目标手腕302的力道的数值。处理器15可根据静态压力值与一第一临界值、一第二临界值以及一第三临界值之间的大小关系而定义分别对应至“浮”、“中”、“沉”三种取脉深度的一浮脉位深度区间、一中脉位深度区间以及一沉脉位深度区间。具体而言，处理器15可将静态压力值高于该第一临界值且低于该第二临界值的一范围定义为该浮脉位深度区间；将静态压力值高于该第二临界值且低于该第三临界值的一范围定义为该中脉位深度区间；以及将静态压力值高于该第三临界值的一范围则定义为该沉脉位深度区间，且其中该第一临界值小于该第二临界值，该第二临界值小于该第三临界值。在某些实施例中，该第一临界值可为该第二临界值的一半。举例而言，当传感器的可感测的静态压力值的范围为“0”至“128”时，该第一临界值可以被设定为“16”，该第二临界值可以被设定为“32”，且该第三临界值可以被设定为“80”。此时，处理器15可将静态压力值介于“16”至“32”的一范围定义为浮脉位深度区间；将静态压力值介于“32”至“80”的一范围定义为中脉位深度区间；以及将静态压力值高于“80”的一范围则定义为沉脉位深度区间。

须说明，上述临界值的设定仅是举例说明，而非限制。该第一临界值、该第二临界值以及该第三临界值可适应于脉象测量设备1的测量对象的年龄、健康程度等生理因素而有不同的数值。举例而言，倘若脉象测量设备1的测量对象为慢性病患者，由于此类患者的脉象可能是偏薄弱的，故若采用适用于一般健康的测量对象的临界值来进行测量，可能导致在浮脉位深度区间或中脉位深度区间无法测量到任何脉象。有鉴于此，针对患有慢性病的测量对象，可提升上述三个临界值，以确保测量结果的正确性。

在某些实施例中，该指定脉位除了对应至该寸脉位位置、该关脉位位置以及该尺脉位位置其中之一，还可进一步对应至该浮脉位深度区间、该中脉位深度区间以及该沉脉位深度区间其中之一。换言之，该指定脉位可用以指定脉象测量设备1在寸脉位、关脉位、尺脉位其中之一的位置上，以浮脉位、中脉位、沉脉位其中之一的按压程度来进行取脉。由此，控制器13可根据相应于该指定脉位的控制信号S1，控制移动部件CP3在垂直滑轨CP4上进行垂直方向的移动，进而使传感器14能够在相应的平面脉位上按压目标手腕302至该浮脉位深度区间、该中脉位深度区间、该沉脉位深度区间其中之一，以感测脉象信号D1。

在某些实施例中，脉象测量设备1还可包括一输出模组（例如但不限于：软件层面的用戶图形接口搭配硬件层面的显示器），以将所感测出的脉象信号D1呈现在用戶的面前。

图4是根据本发明的某些实施例的脉象测量方法的流程图。图4所示内容是为了举例说明本发明的实施例，而非为了限制本发明的保护范围。

参照图4，一种脉象测量方法4可由一脉象测量设备所执行，且该脉象测量方法4可包括以下步骤：

拍摄一目标手部的一影像，其中该目标手部至少包括一目标手掌以及一目标手腕（标示为401）；

通过一物件侦测模型分析该影像，以取得相应于该目标手腕的一平面脉位信息（标示为402）；以及

根据该平面脉位信息及一指定脉位按压该目标手腕，以在该指定脉位上感测该目标手腕的一脉象信号（标示为403）。

在某些实施例中，关于脉象测量方法4，该平面脉位信息可包括一寸脉位位置、一关脉位位置以及一尺脉位位置，且该指定脉位可至少对应至该寸脉位位置、该关脉位位置以及该尺脉位位置其中之一。

在某些实施例中，关于脉象测量方法4，该物件侦测模型可以是通过根据多笔训练资料训练一卷积神经网络而建立。各训练资料可包括关于一手部的一训练影像与三个位置标签。该手部可至少包括一手掌以及一手腕，且该三个标签可分别用以标示该手腕在该训练影像中的寸脉位、关脉位以及尺脉位的正确位置。

在某些实施例中，脉象测量方法4还可包括以下步骤：根据多笔训练资料训练一卷积神经网络，以建立该物件侦测模型。各训练资料可包括关于一手部的一训练影像与三个位置标签。该手部可至少包括一手掌以及一手腕，且该三个位置标签可分别用以标示该手腕在该训练影像中的寸脉位、关脉位以及尺脉位的正确位置。

在某些实施例中，脉象测量方法4还可包括以下步骤：测量该目标手腕与该传感器之间的多个动态压力值，以通过该多个动态压力值而获得该脉象信号。

在某些实施例中，关于脉象测量方法4，该平面脉位信息可包括一寸脉位位置、一关脉位位置以及一尺脉位位置，且该指定脉位可对应至该寸脉位位置、该关脉位位置以及该尺脉位位置其中之一，且还可进一步对应至一浮脉位深度区间、一中脉位深度区间以及一沉脉位深度区间其中之一。此外，脉象测量方法4还可包括以下步骤：

测量该目标手腕与该传感器之间的多个动态压力值，以通过该多个动态压力值而获得该脉象信号；

测量该目标手腕与该传感器之间的一静态压力值；

根据该静态压力值与一第一临界值、一第二临界值以及一第三临界值之间的关系而定义该浮脉位深度区间、该中脉位深度区间以及该沉脉位深度区间，其中，高于该第一临界值且低于该第二临界值的该静态压力值的一范围可为该浮脉位深度区间；高于该第二临界值且低于该第三临界值的该静态压力值的一范围可为该中脉位深度区间；高于该第三临界值的该静态压力值的一范围可为该沉脉位深度区间。在某些实施例中，该第一临界值可小于该第二临界值，且该第二临界值可小于该第三临界值。在某些实施例中，该第一临界值还可为该第二临界值的一半。

执行脉象测量方法4的该脉象测量设备可以是先前根据图1、图2与图3所叙述的脉象测量设备1，也即，脉象测量方法4的每一个实施例本质上都会与脉象测量设备1的某一个实施例相对应。因此，即使上文未针对脉象测量方法4的每一个实施例进行详述，本领域技术人员仍可根据上文针对脉象测量设备1的说明而直接了解脉象测量方法4的未详述的实施例。

上述实施例只是举例来说明本发明，而非为了限制本发明。任何针对上述实施例进行修饰、改变、调整、整合而产生的其他实施例，只要是本领域技术人员不难思及的，都涵盖在本发明的保护范围内。本发明的保护范围以权利要求书为准。

Claims (16)

1.一种用于脉诊的脉象测量设备，其特征在于，包括：

一摄像机，用以拍摄一目标手部的一影像，其中该目标手部至少包括一目标手掌以及一目标手腕；

一存储器，用以存储一物件侦测模型；

一传感器，用以感测该目标手腕的一脉象信号；

一处理器，与该存储器、该摄像机以及该传感器电性连接，用以：

通过该物件侦测模型分析该影像，以取得相应于该目标手腕的一平面脉位信息；以及

根据该平面脉位信息及一指定脉位，产生一控制信号；以及

一控制器，与该传感器以及该处理器电性连接，用以根据该控制信号而控制该传感器按压该目标手腕，以使该传感器在该指定脉位上感测该脉象信号。

2.如权利要求1所述的脉象测量设备，其特征在于，其中该平面脉位信息包括一寸脉位位置、一关脉位位置以及一尺脉位位置，且该指定脉位至少对应至该寸脉位位置、该关脉位位置以及该尺脉位位置其中之一。

3.如权利要求1所述的脉象测量设备，其特征在于，其中该物件侦测模型是通过根据多笔训练资料训练一卷积神经网络而建立，各训练资料包括关于一手部的一训练影像与三个位置标签，该手部至少包括一手掌以及一手腕，且该三个位置标签分别用以标示该手腕在该训练影像中的寸脉位、关脉位以及尺脉位的正确位置。

4.如权利要求1所述的脉象测量设备，其特征在于，其中该处理器还用以根据多笔训练资料训练一卷积神经网络，以建立该物件侦测模型，各训练资料包括关于一手部的一训练影像与三个位置标签，该手部至少包括一手掌以及一手腕，且该三个位置标签分别用以标示该手腕在该训练影像中的寸脉位、关脉位以及尺脉位的正确位置。

5.如权利要求1所述的脉象测量设备，其特征在于，其中该传感器还用以测量该目标手腕与该传感器之间的多个动态压力值，以通过该多个动态压力值而获得该脉象信号。

6.如权利要求2所述的脉象测量设备，其特征在于，其中：

该指定脉位还对应至一浮脉位深度区间、一中脉位深度区间以及一沉脉位深度区间其中之一；

该传感器还用以测量该目标手腕与该传感器之间的一静态压力值；且

该处理器还用以根据该静态压力值与一第一临界值、一第二临界值以及一第三临界值之间的关系而定义该浮脉位深度区间、该中脉位深度区间以及该沉脉位深度区间，其中：

高于该第一临界值且低于该第二临界值的该静态压力值的一范围为该浮脉位深度区间；

高于该第二临界值且低于该第三临界值的该静态压力值的一范围为该中脉位深度区间；以及

高于该第三临界值的该静态压力值的一范围为该沉脉位深度区间。

7.如权利要求6所述的脉象测量设备，其特征在于，其中该第一临界值小于该第二临界值，且该第二临界值小于该第三临界值。

8.如权利要求7所述的脉象测量设备，其特征在于，其中该第一临界值为该第二临界值的一半。

9.一种用于脉诊的脉象测量方法，其特征在于，由一脉象测量设备所执行，包括：

拍摄一目标手部的一影像，其中该目标手部至少包括一目标手掌以及一目标手腕；

通过一物件侦测模型分析该影像，以取得相应于该目标手腕的一平面脉位信息；以及

根据该平面脉位信息及一指定脉位按压该目标手腕，以在该指定脉位上感测该目标手腕的一脉象信号。

10.如权利要求9所述的脉象测量方法，其特征在于，其中该平面脉位信息包括一寸脉位位置、一关脉位位置以及一尺脉位位置；且该指定脉位至少对应至该寸脉位位置、该关脉位位置以及该尺脉位位置其中之一。

11.如权利要求9所述的脉象测量方法，其特征在于，其中该物件侦测模型是通过根据多笔训练资料训练一卷积神经网络而建立，各训练资料包括关于一手部的一训练影像与三个位置标签，该手部至少包括一手掌以及一手腕，且该三个标签分别用以标示该手腕在该训练影像中的寸脉位、关脉位以及尺脉位的正确位置。

12.如权利要求9所述的脉象测量方法，其特征在于，还包括以下步骤：

根据多笔训练资料训练一卷积神经网络，以建立该物件侦测模型；

其中，各训练资料包括关于一手部的一训练影像与三个位置标签，该手部至少包括一手掌以及一手腕，且该三个位置标签分别用以标示该手腕在该训练影像中的寸脉位、关脉位以及尺脉位的正确位置。

13.如权利要求9所述的脉象测量方法，其特征在于，还包括以下步骤：

测量该目标手腕与该脉象测量设备之间的多个动态压力值，以通过该多个动态压力值而获得该脉象信号。

14.如权利要求10所述的脉象测量方法，其特征在于，其中该指定脉位还对应至一浮脉位深度区间、一中脉位深度区间以及一沉脉位深度区间其中之一，且该脉象测量方法还包括以下步骤：

测量该目标手腕与该脉象测量设备之间的一静态压力值；

根据该静态压力值与一第一临界值、一第二临界值以及一第三临界值之间的关系而定义该浮脉位深度区间、该中脉位深度区间以及该沉脉位深度区间，其中：

高于该第一临界值且低于该第二临界值的该静态压力值的一范围为该浮脉位深度区间；

高于该第二临界值且低于该第三临界值的该静态压力值的一范围为该中脉位深度区间；以及

高于该第三临界值的该静态压力值的一范围为该沉脉位深度区间。

15.如权利要求14所述的脉象测量方法，其特征在于，其中该第一临界值小于该第二临界值，且该第二临界值小于该第三临界值。

16.如权利要求15所述的脉象测量方法，其特征在于，其中该第一临界值为该第二临界值的一半。

Images