掌纹识别是生物信息识别的重要技术之一，在身份识别领域已得到较好的应用，但用于中医手诊的掌纹识别研究还比较匮乏。由于掌纹诊病是一种通过对双手掌部纹理进行观察从而诊断疾病的方法，采用的技术易学习，易实践，易被受检者接受，诊断过程无痛苦、无损伤，因此作为一种经济、简便、易行的健康普查自查手段，应用潜力巨大。根据联合国教科文组织关于现代先进诊断技术的衡量标准:无痛苦、无创伤、简便易行，掌纹诊病是一种经济、方便、易普及的现代化、科学的诊断方法。然而，目前对手掌病理纹的识别完全依赖于检查者的技术和经验，从而限制了掌纹诊断技术的推广应用。采用现代生物特征识别技术进行手掌病理纹的识别，对于推广具有中国特色的掌纹诊病技术，提高大众健康水平，具有重要意义。　　论文将研究人体左手三大纹线上不同纹理类型与疾病的关系，并通过对不同病理纹的分析，实现对病理纹的自动分类。本文提出一种基于脉冲耦合神经网络(PCNN)的手掌纹理识别方法，旨在通过对不同的掌纹类型进行分类，从而辅助手诊专家发现人的健康隐患。论文给出用PCNN提取时间熵序列的具体算法，并以三大主线识别为例，采用SOM可视化聚类获得三大主线的模板类别数，然后再次用SOM聚类获得三大主纹线的标准熵时间序列，最后使用两种分类方法来实现分类，并通过抽查统计的方法对分类结果进行了验证。论文还对PCNN的性能优劣进行了分析，对进一步改善掌纹识别算法具有借鉴意义。