脉象信号是一种微弱非平稳信号,是用手指感觉到的脉搏跳动的形象,或称为脉动应指的形象,通过脉象的变化可以判断病症的部位、性质,推断病势轻重,如弦脉和滑脉,许多疾病与生理现象、脏腑功能等与脉象息息相关,因而对病情的判断和病症的识别具有非常重要的意义。然而医生在诊断的过程中极易受其主观感受与多年诊断经验的影响,且不同的医生对待同一位患者可能诊断出不同的脉象结果,缺乏客观的评价标准。为了避免人为主观因素对脉象诊断结果的影响,本文对临床中常见的弦脉脉象与滑脉脉象的数字化及识别过程进行探讨和论述。开展了基于深度学习算法的脉象分析识别研究,自动学习脉象信号的特征信息,实现了对弦脉脉象与滑脉脉象的客观分析识别与数据传输,为脉诊的客观化和智能化打下一定的基础。本文基于Python语言设计了一种中医脉象识别系统,其主要包括脉象分析识别部分与用于向云端传送识别结果的数据传输部分。脉象分析识别部分包括基于数学方法识别模型与基于深度学习方法的识别模型,在数学方法识别模型中,首先分析了脉象图的基本结构与意义,之后介绍了弦脉脉象与滑脉脉象的脉象特征与临床意义,给出了两种脉象的判断标准,然后对脉搏波数据预处理后通过时域分析法提取脉象特征从数学角度进行脉象识别,并对识别结果进行了正确性分析;在深度学习方法识别模型中,首先将脉搏波数据点转换为时域图和频域图,然后建立了基于Mobile Netv3神经网络框架的脉象识别模型,引入了Adam、Drop Out优化算法,对两种脉象进行有监督学习,并对识别结果同数学方法做出对比分析。经过实际测试,本文所设计的中医脉象系统可以完成脉象信号的接受与处理,实现对弦脉脉象与滑脉脉象的识别与结果传送,对脉诊客观化提供了一定的指导意义。