[发明专利]一种心率变异性压力检测方法、装置、存储介质以及系统

说明书

本发明公开了一种心率变异性压力检测方法、装置、存储介质以及系统。通过对心电图信号过滤以获取第一检测信号，从第一检测信号中提取心率数据以及心跳间隔数据，根据心跳间隔数据对心率变异性进行时域、频域和非线性三方面分析以获取心率变异性特征集，使用FCA‑ReliefF对心率数据和心率变异性特征集融合得到的待检测特征集进行特征降维以获取降维特征集，并根据预设的多层感知器模型进行识别分类，该心率变异性压力检测方法、装置、存储介质以及系统提升了检测判断的准确性。

技术领域

本发明涉及心率变异性压力检测技术领域，尤其涉及一种心率变异性压力检测方法、装置、存储介质及系统。

背景技术

随着物质生活水平的不断提高，人们越来越重视个人的生理和心理的健康。其中，压力是最重要的心理健康问题之一，长期处于压力情况下会导致头痛、心血管疾病、抑郁症等，从而严重损害生理健康和心理健康。如果能在早期对压力进行持续检测将对社会与个人有显著的积极效益。现有的压力检测基于不同的检测机制，例如基于视频的压力检测、基于语音的压力检测，以及基于生理信号的压力检测。有研究表明，生理信号是预测压力的可靠指标。生理信号可以通过各种传感器获得。

在现有技术中，大多都是基于生理信号的组合，包括心电图、皮肤电活动和肌电图等从传感器收集的信号，再利用机器学习算法分析生理信号来检测压力。例如专利号为CN114139571A的发明专利公开了一种基于多模态生理信号的压力检测方法和系统，该方法的多模态生理信号包括皮肤电活动信号、光电容积脉搏波信号和皮肤温度信号，将生理信号进行预处理后传入压力检测迁移模型，该模型包括特征提取器和压力分类器，特征提取器用于提取深度特征并将其与人工时频域特征进行融合，压力分类器用于对用户的压力等级进行分类。

但是，现有技术仍存在如下缺陷：现有技术主要基于多模态的生理信号的检测，多种生理信号的检测提高了检测的复杂度：被观察者需要佩戴可穿戴设备，虽然是无侵入式设备，但对人的正常活动会产生一定的影响；同时，多种生理信号的检测会有一定延迟，造成多种信号在时间上有偏差，从而导致检测判断的准确性较低。

因此，当前需要一种心率变异性压力检测方法、装置、存储介质以及系统，从而克服现有技术中存在的上述缺陷。

发明内容

本发明实施例提供一种心率变异性压力检测方法、装置、存储介质以及系统，从而提升检测判断的准确性。

本发明一实施例提供一种心率变异性压力检测方法，所述检测方法包括：获取待检测对象的心电图信号，并对所述心电图信号进行过滤以获取第一检测信号；从所述第一检测信号中提取心率数据和心跳间隔数据，并根据所述心跳间隔数据进行时域分析、频域分析以及非线性分析，获取心率变异性特征集；将所述心率变异性特征集与所述心率数据进行融合处理以获取待检测特征集，并根据预设的FCA-ReliefF降维方法，对所述待检测特征集进行降维处理，获得降维特征集；根据预设的多层感知器模型，对所述降维特征集进行识别分类以获取检测结果。

作为上述方案的改进，对所述心电图信号进行过滤以获取第一检测信号，具体包括：剔除所述心电图信号中的异常值以获取第一心电图信号；根据预设的FIR带通滤波方法以及预设的带通频率范围，对所述第一心电图信号进行滤波处理，获得第一检测信号。

作为上述方案的改进，根据所述心跳间隔数据进行时域分析、频域分析以及非线性分析，获取心率变异性特征集，具体包括：根据预设的HRV函数，对所述心跳间隔数据进行总体可变性分析，获得时域特征集；根据预设的HRV函数，对所述心跳间隔数据进行特定频段分析，获得频域特征集；根据预设的HRV函数，对所述心跳间隔数据进行心血管系统调节作用分析，获得非线性特征集；根据所述时域特征集、频域特征集以及非线性特征集，获取心率变异性特征集。