[发明专利]房颤模型训练、检测方法和装置

说明书

本发明公开一种房颤模型训练、检测方法和装置，其中房颤检测方法包括以下步骤：对所获取的当前时刻之前设定时长的红外和红光两路PPG信号分别进行采样，得到两路分别包含设定数量采样数据点的数据序列；基于CNN网络对两路所述数据序列进行特征提取，得到两路所述PPG信号对应的特征向量；根据所述特征向量和预先设置的房颤检测模型得到两路所述PPG信号对应的属性类别，所述属性类别包括正常律动、房颤和其它律动，所述房颤检测模型用以使得PPG信号的特征向量与其对应的属性类别相关联。

技术领域

本发明涉及智能医疗领域，具体而言，涉及一种房颤模型训练、检测方法和装置。

背景技术

心房颤动简称房颤，是常见的心率失常症状。随着年龄的增长，房颤风险也越高。医学上房颤与许多重大疾病相关，例如房颤会引起血栓栓塞，心脏功能缺陷，脑梗，猝死等，因此，通过现代技术手段提前检测和预警房颤对于降低疾病和死亡风险有重要的作用。

对房颤的检测和预判，医院一般采用心电图设备采集信号并进行分析得出结论，但这种方式不太易于实施，原因是：一方面设备昂贵，不能长时间监控；另一方面频繁去医院检测的通行和时间成本比较高。

随着PPG(Photoplethysmography，光电体积描记法)信号采集设备的研发和推广，PPG采集模块逐渐进入日常家庭。目前市面出现的设备以及搭配的算法一类是基于启发式规则进行房颤检测；一类是基于人工设计特征和支持向量机(Support Vector Machine，SVM)分类。这两类方法都是传统方法，在算法对样本的覆盖以及特征提取方面都有局限性，导致对房颤检测的效果不佳。

发明内容

本发明提供一种房颤模型训练、检测方法和装置，用以克服现有技术中存在的至少一个问题。

根据本发明实施例的第一方面，提供了一种房颤检测方法，包括以下步骤：

对所获取的当前时刻之前设定时长的红外和红光两路PPG信号分别进行采样，得到两路分别包含设定数量采样数据点的数据序列；

基于CNN网络对两路所述数据序列进行特征提取，得到两路所述PPG信号对应的特征向量；

根据所述特征向量和预先设置的房颤检测模型得到两路所述PPG信号对应的属性类别，所述属性类别包括正常律动、房颤和其它律动，所述房颤检测模型用以使得PPG信号的特征向量与其对应的属性类别相关联。

可选的，所述房颤检测模型通过以下方式构建：

对设定时长的多个历史PPG信号分别进行采样，每个所述历史PPG信号得到两路分别包含设定数量采样数据点的数据序列，其中，每个所述历史PPG信号包括红外和红光两路信号，每个所述历史PPG信号的属性类别已预先标记，所述属性类别包括正常律动、房颤和其它律动；

对每个所述历史PPG信号对应的两路数据序列分别进行特征提取，得到每个所述历史PPG信号对应的特征向量；

基于多个所述历史PPG信号的特征向量及其对应的属性类别生成训练样本集；

基于机器学习算法建立房颤检测模型，所述房颤检测模型使得所述训练样本集中多个所述历史PPG信号的特征向量与其对应的属性类别相关联。

可选的，在所述对所获取的当前时刻之前设定时长的红外和红光两路PPG信号分别进行采样，得到两路分别包含设定数量采样数据点的数据序列之前还包括：

对所采集的PPG信号进行降噪处理。

可选的，所述对所采集的PPG信号进行降噪处理包括：

采用带通滤波器对所采集的PPG信号进行降噪处理以消除基线漂移和部分噪声。