[发明专利]基于人工智能的心脏状态检测方法和装置

权利要求书

1.一种基于人工智能的心脏状态检测方法，其特征在于，应用于终端，所述方法包括：

获取目标对象的脉搏波数据；

对所述目标对象的脉搏波数据进行特征分析得到目标特征数据；所述目标特征数据包括所述目标对象的脉搏特征；

将所述目标特征数据发送到服务器，并接收所述服务器反馈的心脏状态检测结果；所述心脏状态检测结果为所述服务器根据预先训练的心脏状态检测模型和所述目标特征数据进行状态检测得到的，所述心脏状态检测结果用于指示所述目标对象的心脏是否为正常状态。

2.根据权利要求1所述的方法，其特征在于，所述脉搏波数据包括脉搏波时域数据和脉搏波频域数据；所述对所述目标对象的脉搏波数据进行特征分析得到目标特征数据，包括：

对所述目标对象的脉搏波时域数据进行时域分析得到目标时域特征数据；

对所述目标对象的脉搏波频域数据进行频域分析得到目标频域特征数据。

3.根据权利要求2所述的方法，其特征在于，所述对所述目标对象的脉搏波时域数据进行时域分析得到目标时域特征数据，包括以下至少一种：

根据所述目标对象的脉搏波时域数据计算多个RR间期的平均值得到间期平均值；

根据所述目标对象的脉搏波时域数据计算多个RR间期的标准差得到间期标准差；

根据所述目标对象的脉搏波时域数据计算多个RR间期的均方根得到间期均方根；

根据所述目标对象的脉搏波时域数据计算每相邻两个RR间期的差值，并计算多个所述差值的标准差得到差值标准差；

根据所述目标对象的脉搏波时域数据计算每相邻两个RR间期的差值，并将大于预设时长的差值确定为目标差值，计算所述目标差值的数量与所述RR间期的总数量之间的比值得到间期比值。

4.根据权利要求2所述的方法，其特征在于，所述对所述目标对象的脉搏波频域数据进行频域分析得到目标频域特征数据，包括：

根据所述目标对象的脉搏波频域数据，确定幅值最大的脉搏波频域数据所对应的第一频率，并对所述第一频率进行加倍处理得到第二频率和第三频率；

将所述第一频率、所述第二频率和所述第三频率附近预设数量的脉搏波频域数据确定为所述目标频域特征数据。

5.一种基于人工智能的心脏状态检测方法，其特征在于，应用于服务器，所述方法包括：

接收终端发送的目标特征数据；所述目标特征数据为所述终端在获取到目标对象的脉搏波数据后，对所述目标对象的脉搏波数据进行特征分析得到的；所述目标特征数据包括所述目标对象的脉搏特征；

根据预先训练的心脏状态检测模型和所述目标特征数据进行状态检测，得到心脏状态检测结果；所述心脏状态检测结果用于指示所述目标对象的心脏是否为正常状态；

将所述心脏状态检测结果反馈到所述终端。

6.根据权利要求5所述的方法，其特征在于，在所述根据预先训练的心脏状态检测模型和所述目标特征数据进行状态检测，得到心脏状态检测结果之前，所述方法还包括：

获取样本集；所述样本集包括多个样本特征数据和各所述样本特征数据的标注；所述样本特征数据包括训练对象的脉搏特征；所述标注用于指示所述训练对象的心脏是否为正常状态；

基于所述样本集进行神经网络模型的训练，得到所述心脏状态检测模型。

7.根据权利要求6所述的方法，其特征在于，所述获取样本集，包括：

获取多个所述训练对象的脉搏波数据和心电图数据；

对于各所述训练对象，对所述训练对象的脉搏波数据进行特征分析得到样本特征数据，对所述训练对象的心电图数据进行特征分析得到所述训练对象的心脏是否为正常状态的标注；

根据多个所述训练对象的样本特征数据和标注得到所述样本集。