我国传统医学历史悠久,在社会发展中起到了举足轻重的作用,随着科学技术的发展和生活水平的提高,人们对整体社会医疗水平提出了更高的要求。针对我国目前医疗资源分布不均、专家医生数量有限、居民就医困难的现状,本文围绕基于人工智能的中医脉象诊断辅助系统展开研究工作,结合嵌入式技术、RFID技术以及信号处理技术,利用人工智能技术辅助医生进行病情诊断,并对患者的相关信息及诊断情况进行记录和管理,通过专家系统保存与积累名医经验和知识,以便能对类似病情进行快速处理,从而提高医生的工作效率,减少患者候诊时间。论文主要工作总结如下:(1)诊断辅助系统总体方案设计。通过对系统需求的分析,结合对嵌入式技术、RFID技术以及人工智能相关技术的分析研究,设计诊断辅助系统的整体架构,并对诊断模块和信息管理模块进行结构设计。对四种常用人工智能分类算法进行对比分析,根据系统实际需求选择人工神经网络算法进行脉象识别。(2)信息及脉象采集系统的硬件器件选型与电路设计。根据系统的实际需要,选择STM32微处理器作为主控芯片,并设计身份识别模块和脉象采集模块。其中,身份识别模块采用射频识别专用芯片RC522进行读写器设计,并以非接触式IC卡为身份标记物,脉象采集模块采用PVDF压电膜脉搏传感器HK-2000C。通过分析相关电路的设计原理,根据需求完成硬件电路设计。(3)脉象信号的处理研究。分析常用小波消噪方法,针对在小波阈值去噪方法中使用硬阈值函数可能引起震荡和使用软阈值函数存在固定偏差的问题,对阈值函数进行改进研究,使用新阈值函数对脉象信号进行消噪处理。对预处理后的信号进行小波分解,计算各层重构信号的能量值作为特征向量,利用主成分分析技术在信息损失量仅为5.02%的条件下降低特征向量的维数。(4)辅助诊断方法研究。在利用神经网络技术识别脉象的基础上,对辅助诊断方法进行研究,设计诊断辅助专家系统的功能模块。其中,脉象识别模型的研究主要是通过分析人工神经网络技术及相关优化方法,针对误差反向传播网络性能不稳定、容易陷入局部极小值的缺陷,用粒子群算法对基于误差反向传播神经网络的脉象识别模型进行优化,并构建相应模型。对两种模型分别进行仿真实验,结果表明优化后的模型将最大误差从0.07降到了0.03以下,能够有效改善网络性能,提高网络的泛化能力,识别结果精度更高。(5)上位机系统的设计。根据需求分析设计系统的各功能模块,在Visual Basic软件开发环境中进行系统整合,完成用户管理模块、查询模块、系统诊断模块和数据管理模块的界面设计与程序设计,实现用户管理、辅助诊断、信息查询与修改等人机交互功能。基于人工智能的中医脉象诊断辅助系统经过测试,可以完成脉象信号的采集与处理,实现九类脉象的识别,能根据脉象及症状进行诊断并给出建议药方,基本实现辅助医生进行诊断的设计目标。使用本系统能提高患者信息智能化管理水平,通过对名医知识的保存与重用,快速对已有类似病例的病情进行诊断,在减轻医生负担的同时为患者快速就医提供了便利。