[发明专利]基于深度学习的心率预测方法及装置

摘要

本发明实施例提供一种基于深度学习的心率预测方法及装置，属于数据处理领域。该方法首先获取待测的脉搏信号及运动姿态信号，然后将所述待测的脉搏信号及运动姿态信号输入预先训练好的最终长短期记忆网络LSTM(long‑short term memory)模型中，根据所述运动姿态信号对应的运动状态，选择所述最终LSTM模型中所述运动状态对应的LSTM模型进行心电信号预测，进一步获取心电信号，本方案通过运动姿态信号，将训练模型分为多个不同状态对应的LSTM模型，并分别对这些LSTM模型进行心电信号的训练及预测，从而可以有效的预测出准确的心率值。

主权项

1.一种基于深度学习的心率预测方法，其特征在于，所述方法包括：对长短期记忆网络LSTM模型依据输入的运动姿态信号对应的不同运动状态分别进行训练，获得训练后的最终LSTM模型；获取待测的脉搏信号与运动姿态信号；将待测的所述脉搏信号与所述运动姿态信号输入预先训练好的所述最终LSTM模型中，根据所述运动姿态信号对应的运动状态，选择所述最终LSTM模型中所述运动状态对应的LSTM进行预测，获取输出的预测心电信号，其中，所述最终LSTM模型包括训练后获得的各个运动状态下对应的LSTM模型；其中，对所述LSTM模型依据输入的运动姿态信号对应的不同运动状态分别进行训练，获得训练后的最终LSTM模型，包括：获取多组信号，每组信号包括多种运动状态下的心电信号、脉搏信号及运动姿态信号，其中，所述多种运动状态包括：慢速运动状态、中速运动状态以及快速运动状态；针对所述慢速运动状态，将所述慢速运动状态下的心电信号、脉搏信号及运动姿态信号输入至LSTM模型进行训练，获得所述慢速运动状态下对应的LSTM模型，针对所述中速运动状态，将所述中速运动状态下的心电信号、脉搏信号及运动姿态信号输入至LSTM模型进行训练，获得所述中速运动状态下对应的LSTM模型，针对快速运动状态，将所述快速运动状态下的心电信号、脉搏信号及运动姿态信号输入至LSTM模型进行训练，获得所述快速运动状态对应的LSTM模型；其中，所述最终LSTM模型包括训练后获得的所述慢速运动状态下对应的LSTM模型、所述中速运动状态下对应的LSTM模型以及所述快速运动状态下对应的LSTM模型。