[发明专利]一种基于动脉压力波特征的人工智能检测心律失常的方法

说明书

本申请涉及一种基于动脉压力波特征的人工智能检测心律失常的方法。所述方法包括：获取目标对象的肱动脉压力波数据；根据所述肱动脉压力波数据确定肱动脉压力波中的关键点，并根据所述关键点确定所述肱动脉压力波的特征数据；其中，所述特征数据用于表征所述肱动脉压力波的波动状态；根据所述特征数据进行心律类型检测，得到所述目标对象的心律类型。采用本方法能够基于肱动脉压力波数据进行心律类型检测。

技术领域

本申请涉及心律检测技术领域，特别是涉及一种基于动脉压力波特征的人工智能检测心律失常的方法。

背景技术

心电图(Electrocardiogram，ECG)，记录了人体心脏每一心动周期产生的电活动生理变化，是诊断心血管类疾病的重要依据。临床医生可以根据心电图判断患者是否心律失常，从而进行治疗。

相关技术中，心电图检查通常需要多个导联线路，因此主要在医院使用。而实际上，肱动脉是主动脉出来后离心脏最近又最容易由表面采集到压力波数据的地方，肱动脉压力波数据不仅可以与血压同时测量，也能反映心脏的泵血功能，并且波形比心电图更简单。

但是，目前缺少基于肱动脉压力波数据进行心律失常检测的方法。

发明内容

基于此，有必要针对上述技术问题，提供一种能够基于肱动脉压力波数据进行心律类型检测的基于动脉压力波特征的人工智能检测心律失常的方法。

一种基于动脉压力波特征的人工智能检测心律失常的方法，该方法包括：

获取目标对象的肱动脉压力波数据；

根据肱动脉压力波数据确定肱动脉压力波中的关键点，并根据关键点确定肱动脉压力波的特征数据；其中，特征数据用于表征肱动脉压力波的波动状态；

根据特征数据进行心律类型检测，得到目标对象的心律类型。

在其中一个实施例中，上述根据肱动脉压力波数据确定肱动脉压力波中的关键点，并根据关键点确定肱动脉压力波的特征数据，包括：

将肱动脉压力波数据从时域转换到频域，并根据预设频率范围进行频率选取，得到肱动脉压力波的频域数据；

根据肱动脉压力波的频域数据的振幅，确定肱动脉压力波中的关键点；

将预设频率范围划分为多个频率区间，根据关键点确定各频率区间对应的特征数据。

在其中一个实施例中，上述根据肱动脉压力波的频域数据的振幅，确定肱动脉压力波中的关键点，包括：

确定每个频域数据是否满足预设条件，并将满足预设条件的频域数据确定为关键点；

其中，预设条件包括：频域数据的振幅大于前一频域数据的振幅和后一频域数据的振幅，且大于预设阈值。

在其中一个实施例中，上述预设阈值为频域数据序列中的预设百分位数；频域数据序列为由多个频域数据按照振幅从小到大排列得到的数据序列。

在其中一个实施例中，上述将预设频率范围划分为多个频率区间，根据关键点确定各频率区间对应的特征数据，包括：

按照预设区间长度对预设频率范围进行划分，得到多个频率区间；

根据每个频率区间中的关键点，计算各频率区间对应的特征数据；特征数据包括频率区间中的关键点数量、关键点的振幅累加值和关键点的频率累加值。

在其中一个实施例中，上述肱动脉压力波数据包括升降压数据和定压数据；升降压数据包括收缩压数据和舒张压数据；定压数据与升降压数据呈线性关系。

在其中一个实施例中，上述根据特征数据进行心律类型检测，得到目标对象的心律类型，包括：