本课题组运用小波包分解，结合非线性分析方法分析了寒、热、虚、实证型受测者的声诊信息;基于“五脏相音”理论，分析五脏疾病患者的声诊信息等。如我们运用自行研发的“中医闻诊采集系统”采集虚实证型声样308例，其中气虚150例、阴虚52例、实证55例、正常对照组51例，并运用小波包变换和非线性时间序列方法提取上述声样不同频段的近似熵，对正常与非健康、实证与虚证、气虚与阴虚声样进行了分类识别，结果发现，正常与非健康、实证与虚证、气虚与阴虚的声样近似熵值在不同频段具有显着差异，基于支持向量机对上述证型进行分类识别，其识别率分别达到88.9%、90.4%、87.8%[9].又如，我们采集五脏病变患者声样803例，其中肺系139例、肝系48例、脾系86例、肾系66例、心系464例，另设正常组100例。以五脏相音理论为指导，运用样本熵方法对上述声样进行分析，提取与中医五脏分类相关的特征参数。结果发现，在嵌入维数为2时，上述6类声样在不同频段的样本熵均有显着性差异，且五脏病变患者声样不同频段的总样本熵值呈现如下规律：肺系组最高，其次为脾系组、心系组、肝系组、肾系组和正常组[10].中医学认为，“肺主声”,若肺系生理病理发生改变，其反应于声音的信息则最为明显，声音信号的复杂度更高，体现在样本熵值上趋于更高。我们采集100例冠心病患者治疗前后的声诊信息，结果发现冠心病心气虚证、心阴虚证和痰浊证治疗前后声诊参数的变化有显着差异[2].从一定程度上说明声诊参数的改变能为中医诊疗评价提供客观依据。

　　4、冠心病脉诊研究

　　脉诊是医生用手指切按患者的脉搏，感知脉动应指的形象，以了解病情、判断病症的诊察方法。脉象的形成与心脏的搏动、脉道的通利和气血的盈亏直接相关。近20年来中医脉诊客观化研究取得很大的发展，陈素云等[11]基于时域特征探讨了120例冠心病患者桡动脉脉图时域特征及与血液流变学的关系;杨天权等[12]用频率分析方法计算了冠心病动脉硬化患者脉图谐波的幅值和相角，发现脉图谐波分量对于诊断动脉硬化有一定的临床意义;孙智山等[13]基于时域方法探讨了冠心病患者冠状动脉狭窄程度与脉象弦度有一定的相关性。

　　本课题组运用不同的方法对冠心病脉象进行了研究。基于时域方法分析了冠心病脉图时域参数与冠脉狭窄程度及超声心动图指标的相关性[14],研究表明，冠状动脉及心脏形态的病理改变可能是冠心病脉图形态变化的病理基础之一。基于时频结合方法如HHT方法分析比较了冠心病与正常人的脉图特征的差异、同一患者支架植入手术前后脉图特征的差异，研究表明，HHT方法对于区别冠心病患者与正常人的脉象以及冠心病患者支架植入术前后的脉象变化有显着意义[15].基于非线性动力学方法分析了冠心病脉象特征，如基于递归定量分析、样本熵研究了冠心病患者与正常人群脉图的差异，通过绘制上述参数的ROC曲线评估了这些参数区分冠心病组和正常组脉图的诊断价值[16-17].

　　在样本熵的基础上，我们运用多尺熵分析比较了冠心病患者与高血压病患者、正常组脉象的差异[18].为了阐明脉象的递归定量参数能提高冠心病证型的识别率，我们基于问诊信息和脉象参数建立了冠心病证型识别模型并进行了分类预测，研究表明，基于问诊信息融合脉象递归定理参数建立的证型模型，其识别性能高于融合脉象时域参数建立的模型;融合脉象参数(时域参数或递归定理参数)建立的证型模型，其识别性能均高于仅基于问诊信息建立的模型[19],该研究同时验证了脉诊在辨证中的重要作用，为建立“四诊合参”模型奠定了基础。基于时频方法结合非线性动力学方法，我们提取了HHT方法分解后冠心病脉象模型函数(IMF)的能量值、IMF样本熵值，发现冠心病各模态的'能量、样本熵值显着小于正常组;基于这两类特征，运用随机森林分类器对两组进行区分，识别率可达90.21%[20].

　　5、冠心病问诊研究

　　问诊被视为“诊病之要领，临证之首务”,在四诊中占有重要地位。传统问诊来源于医生的耳闻、患者的口述，其主观性强、模糊性大，可重复性差，给临床科研带来困难。据文献[21]报道，用以表达四诊信息的症状表词有817个，由发生部位和性质联合组成的复合症状有2317个，如果再考虑症状的发生原因、诱发、加重等因素，形成的复合症状达4500个之多。因此，学者们开展了中医问诊规范化、客观化研究。如王哲等[22]对中医症状的量化表达方面进行了尝试，采用临床流行病学调查、条目分析及经验性筛选等方法，编制了简明抑郁症中医证候自评量表。