[发明专利]基于被动接触式设备的端到端心电监测方法、系统及设备在审
申请号: | 202310327987.7 | 申请日: | 2023-03-30 |
公开(公告)号: | CN116269427A | 公开(公告)日: | 2023-06-23 |
发明(设计)人: | 请求不公布姓名 | 申请(专利权)人: | 北京安芯测科技有限公司 |
主分类号: | A61B5/346 | 分类号: | A61B5/346;A61B5/00;G06F18/10;G06F18/214;G06N3/0464;G06N3/08 |
代理公司: | 北京慕达星云知识产权代理事务所(特殊普通合伙) 11465 | 代理人: | 李冉 |
地址: | 100080 北京市*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 被动 接触 设备 端到端心电 监测 方法 系统 | ||
本发明公开了一种基于被动接触式设备的端到端心电监测方法、系统及设备,该方法包括:基于被动接触式设备采集获取心电信号数据,并对心电信号数据进行清洗预处理;将预处理后的心电信号数据输入训练好的心电信号判别模型进行计算,得到心电信号风险和可信度结果;根据心电信号风险和可信度结果计算出心电风险分数;当心电风险分数超过预设阈值时进行心电风险预警;根据用户反馈对心电风险预警进行偏差判断,当判定存在预警偏差时,记录偏差并根据偏差对判别模型进行优化;该方法中采用被动接触式设备采集心电数据信号,便利高效直接;采用端到端的设计,便于降低系统复杂程度;同时可以提高心电风险监测的准确性。
技术领域
本发明涉及心电监测技术领域,更具体的说是涉及一种基于被动接触式设备的端到端心电监测方法、系统及设备。
背景技术
心电信号是评估人的健康、疲劳、压力等指标的重要依据;通过设备采集心电信号对辅助及时监测健康状况具有重要意义。
目前,心电监测方式还主要以主动式监测方式为主,例如在车载场景下,通常采用可穿戴设备进行心电监测,其设备繁重、操作复杂以及甚至占据正常作业操作空间。繁重设备操作影响用户作业体验,不适合实际场景;数据采集方式不够高效直接。
除此以外,现有监测技术不足在还存在于以下两个层面的问题:
1、监测结果置信度低,多受场景环境复杂、噪声等因素干扰。当前的心电监测方法往往不能自动识别出噪声信号。因此当采集设备采集的心电信号信噪比较低时,现有技术往往会将噪声信号识别为心电异常信号,导致监测结果不够准确。
2、现有的监测系统不属于端到端的设计,而是往往由多个模块级联构成,包括质量评估等模块;这样的系统由于集成耦合性高,有牵一发而动全身的缺陷。由于模块之间耦合堆叠,造成系统复杂臃肿,后续系统的更新迭代愈加困难。
因此,如何高效直接的进行心电监测,并提高心电信号的辨识度、监测结果的准确性、检测的便利性以及降低监测系统复杂程度,是本领域技术人员亟需解决的问题。
发明内容
鉴于上述技术问题,本发明提供至少解决上述部分技术问题的一种基于被动接触式设备的端到端心电监测方法、系统及设备,本发明方法中采用被动接触式设备采集获取心电数据信号,数据采集方式便利高效直接,同时使用该方法便于提高心电信号的辨识度、有利于提高心电监测结果准确性,有助于降低监测系统复杂程度。
为实现上述目的,本发明采取的技术方案为:
第一方面,本发明实施例提供一种基于被动接触式设备的端到端心电监测方法,该方法包括训练阶段和应用阶段,其中:
训练阶段包括:
基于被动接触式设备采集获取原始心电信号数据;
对所述原始心电信号数据进行清洗预处理;
将预处理后的心电信号数据进行分割和筛选;
将分割和筛选后的心电信号数据和公开数据集中的心电信号数据输入到神经网络模型中进行训练,获得用于心电信号风险和可信度的判别模型;
应用阶段包括:
基于被动接触式设备采集获取待检测心电信号数据,并对心电信号数据进行清洗预处理;
将预处理后的待检测心电信号数据输入训练好的判别模型进行计算,得到心电信号风险和可信度结果。
进一步地,在应用阶段,得到心电信号风险和可信度结果后,该方法还包括:根据所述心电信号风险和可信度结果计算出心电风险分数;当所述心电风险分数超过预设阈值时进行心电风险预警。
进一步地,该方法还包括:根据用户反馈对所述心电风险预警进行偏差判断,当判定存在预警偏差时,记录偏差并根据偏差对判别模型进行优化。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京安芯测科技有限公司,未经北京安芯测科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202310327987.7/2.html,转载请声明来源钻瓜专利网。