[发明专利]一种心电信号的检测方法、装置、终端以及存储介质

说明书

本申请适用于生命特征识别技术领域，提供了一种基于人工智能(Artificial Intelligence，AI)心电信号的检测方法、装置、终端以及存储介质，该方法包括：获取目标用户的心电信号；将所述心电信号导入预设的房颤信号分类模型，获得所述房颤信号分类模型输出的心电信号的信号类别，其中，所述房颤信号分类模型是以房颤患者作为模型训练样本训练得到的；根据所述心电信号的信号类别，确定所述目标用户的房颤发生概率。本申请提供的技术方案能够实现对房颤事件的预测，方便了用户确定自身的身体状况，提高了检测效果以及用户的使用体验。

技术领域

本申请属于生命特征识别技术领域，尤其涉及一种心电信号的检测方法、装置、终端以及存储介质。

背景技术

心房颤动，简称房颤，是最常见的持续性慢性心律失常，常源于无序的心房活动和不规则的心房压缩。随着人们对健康重视程度的不断提高，以及房颤的发病率逐渐上升，如何识别用户是否存在房颤事件则显得尤为重要。现有的房颤检测技术，只能在用户发生房颤事件时，才能够判定该用户为房颤患者，但房颤事件发生时有可能会危急到用户的生命安全，影响用户的健康。由此可见，现有的房颤检测技术，只能告知用户是否发生房颤事件，无法对用户的房颤事件进行预测，检测效果差。

发明内容

本申请实施例提供了一种心电信号的检测方法、装置、终端以及存储介质，可以解决现有的房颤检测技术，无法对用户的房颤事件进行预测，检测效果差的问题。

第一方面，本申请实施例提供了一种心电信号的检测方法，包括：

获取目标用户的心电信号；

将所述心电信号导入预设的房颤信号分类模型，获得所述房颤信号分类模型输出的心电信号的信号类别，其中，所述房颤信号分类模型是以房颤患者作为模型训练样本训练得到的；

根据所述心电信号的信号类别，确定所述目标用户的房颤发生概率。

在第一方面的一种可能的实现方式中，在所述将所述心电信号导入预设的房颤信号分类模型，获得所述房颤信号分类模型输出的心电信号的信号类别，其中，所述房颤信号分类模型是以房颤患者作为模型训练样本训练得到的之前，还包括：

获取由多个采集次序连续的历史信号组成的训练信号集；所述训练信号集至少包含一个房颤信号；

从所述训练信号集中提取除所述房颤信号外的风险信号；

通过所述训练信号集的所述风险信号，对预设的原生分类模型进行训练，得到所述房颤信号分类模型。

在第一方面的一种可能的实现方式中，所述通过所述训练信号集的所述风险信号，对预设的原生分类模型进行训练，得到所述房颤信号分类模型，包括：

根据所述风险信号的采集时间与关联的房颤信号的触发时间之间的时间差值，确定每个所述风险信号对应的信号类别；

计算所述风险信号在各个预设的信号特征维度的特征值，得到所述风险信号的信号特征参量；

根据所述信号特征参量以及所述信号类别，对所述原生分类模型进行训练，得到所述房颤信号分类模型。

在第一方面的一种可能的实现方式中，所述获取由多个采集次序连续的心电信号组成的训练信号集，包括：

获取采集所述历史信号时所述训练用户的运动参量；

确定所述历史信号的抖动时长；

根据所述抖动时长以及所述运动参量，判断所述历史信号是否为有效信号；

根据各个所述有效信号的采集时间的先后次序，对所有所述有效信息进行封装，得到所述训练信号集。