CN114762594A - 心率异常的识别方法、装置和终端设备 - Google Patents
心率异常的识别方法、装置和终端设备 Download PDFInfo
- Publication number
- CN114762594A CN114762594A CN202110026193.8A CN202110026193A CN114762594A CN 114762594 A CN114762594 A CN 114762594A CN 202110026193 A CN202110026193 A CN 202110026193A CN 114762594 A CN114762594 A CN 114762594A
- Authority
- CN
- China
- Prior art keywords
- heart rate
- rate sequence
- data
- sequence
- identified
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02405—Determining heart rate variability
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Cardiology (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Physiology (AREA)
- Heart & Thoracic Surgery (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本发明公开了一种心率异常的识别方法、装置和终端设备。该方法包括:获取检测对象的参考心率序列;获取检测对象当天检测的标准差最小的原始心率序列作为待识别心率序列;对待识别心率序列和参考心率序列在时间轴进行对齐处理,并获取两个序列对应的数据对,其中,每个数据对分别包括一个待识别心率序列的数据点和一个参考心率序列的数据点;获取每个数据对中待识别心率序列的数据点与参考心率序列的数据点之间的差值,并根据数据对对应的差值从待识别心率序列中提取出异常的心率序列片段。该方法能够根据参考心率序列、当天检测的待识别心率序列对应的数据对的差值,从待识别心率序列中提取出异常的心率序列片段,提高了心率异常的识别准确度。
Description
技术领域
本发明涉及心率异常检测技术领域,特别涉及一种心率异常的识别方法、装置和终端设备。
背景技术
目前,随着社会经济的发展,人们越来越关注自身的健康,而心率是人体的一项重要的生理参数,若人体出现心率异常,则人体很有可能患有心脏疾病,因此,为了及时发现心脏疾病以及采取措施治疗,需要准确识别人体是否心率异常。然而相关技术中的心率异常的识别方法,时效性较差,无法全面地反映人体的心率异常情况,准确度较低。
发明内容
本发明旨在至少在一定程度上解决上述技术中的技术问题之一。
为此,本发明的一个目的在于提出一种心率异常的识别方法,能够根据检测对象的参考心率序列、当天检测的待识别心率序列对应的数据对的差值,从待识别心率序列中提取出异常的心率序列片段,能够获取到检测对象每天的心率异常情况,时效性较好,而且待识别心率序列为检测对象当天检测的标准差最小的原始心率序列,能够较为准确、全面地反映检测对象当天的心率异常情况,有助于提高心率异常的识别准确度。
本发明的第二个目的在于提出一种心率异常的识别装置。
本发明的第三个目的在于提出一种终端设备。
本发明的第四个目的在于提出一种电子设备。
本发明的第五个目的在于提出一种计算机可读存储介质。
为达到上述目的,本发明第一方面实施例提出了一种心率异常的识别方法,包括:获取检测对象的参考心率序列;获取所述检测对象当天检测的标准差最小的原始心率序列作为待识别心率序列;对所述待识别心率序列和所述参考心率序列在时间轴进行对齐处理,并获取两个序列对应的数据对,其中,每个数据对分别包括一个所述待识别心率序列的数据点和一个所述参考心率序列的数据点;获取每个数据对中所述待识别心率序列的数据点与所述参考心率序列的数据点之间的差值,并根据所述数据对对应的差值从所述待识别心率序列中提取出异常的心率序列片段。
根据本发明实施例的心率异常的识别方法,能够根据检测对象的参考心率序列、当天检测的待识别心率序列对应的数据对的差值,从待识别心率序列中提取出异常的心率序列片段,能够获取到检测对象每天的心率异常情况,时效性较好,而且待识别心率序列为检测对象当天检测的标准差最小的原始心率序列,能够较为准确、全面地反映检测对象当天的心率异常情况,有助于提高心率异常的识别准确度。
另外,根据本发明上述实施例提出的心率异常的识别方法还可以具有如下附加的技术特征:
在本发明的一个实施例中,所述根据所述数据对对应的差值从所述待识别心率序列中提取出异常的心率序列片段,包括:若所述数据对对应的差值为正值,将所述数据对对应的差值与预设值进行比较,并将大于所述预设值的数据对标记为第一数据对;统计连续出现所述第一数据对的数据长度,若所述数据长度大于预设长度,则将连续出现所述第一数据对对应的序列片段,识别为所述异常的心率序列片段。
在本发明的一个实施例中,所述统计连续出现所述第一数据对的数据长度,包括:获取当前所述第一数据对与前一所述第一数据对之间的间距;若所述间距小于或者等于预设间隔,则利用所述间距对当前的数据长度进行修改;若所述间距大于所述预设间隔,则停止对数据长度的修改。
在本发明的一个实施例中,所述对所述待识别心率序列和所述参考心率序列在时间轴进行对齐处理,包括:采用动态时间归整DTW算法,对所述待识别心率序列和/或所述参考心率序列在时间轴上进行扭曲,以将两个序列上的数据点进行对齐。
在本发明的一个实施例中,所述获取每个数据对中所述待识别心率序列的数据点与所述参考心率序列的数据点之间的差值,包括:获取所述待识别心率序列与所述参考心率序列之间的DTW距离,在所述DTW距离的计算过程中,获取所述数据对的差值。
在本发明的一个实施例中,所述获取检测对象的参考心率序列,包括:获取所述检测对象N天的预设时长的历史心率序列,根据N天的所述历史心率序列,生成所述参考心率序列。
在本发明的一个实施例中,所述根据N天的所述历史心率序列,生成所述参考心率序列,包括:针对N天内的任意一天,从所述任意一天的多个所述历史心率序列中,获取所述任意一天检测到的稳定心率序列;其中,所述稳定心率序列为所述任意一天对应的多个所述历史心率序列中标准差最小的心率序列;根据N个所述稳定心率序列,生成所述参考心率序列。
在本发明的一个实施例中,所述根据N个所述稳定心率序列,生成所述参考心率序列,包括:对N个所述稳定心率序列进行统计,获取平均心率序列,将所述平均心率序列作为所述参考心率序列。
在本发明的一个实施例中,所述对N个所述稳定心率序列进行统计,获取平均心率序列,包括:利用N个所述稳定心率序列构建矩阵,其中,所述矩阵中一行矩阵元素构成一个所述稳定心率序列;对所述矩阵中的每一列矩阵元素进行求平均,得到每一列对应的平均矩阵元素;利用每一列的所述平均矩阵元素,生成所述平均心率序列。
为达到上述目的,本发明第二方面实施例提出了一种心率异常的识别装置,包括:第一获取模块,用于获取检测对象的参考心率序列;第二获取模块,用于获取所述检测对象当天检测的标准差最小的原始心率序列作为待识别心率序列;对齐模块,用于对所述待识别心率序列和所述参考心率序列在时间轴进行对齐处理,并获取两个序列对应的数据对,其中,每个数据对分别包括一个所述待识别心率序列的数据点和一个所述参考心率序列的数据点;异常识别模块,用于获取每个数据对中所述待识别心率序列的数据点与所述参考心率序列的数据点之间的差值,并根据所述数据对对应的差值从所述待识别心率序列中提取出异常的心率序列片段。
本发明实施例的心率异常的识别装置,能够根据检测对象的参考心率序列、当天检测的待识别心率序列对应的数据对的差值,从待识别心率序列中提取出异常的心率序列片段,能够获取到检测对象每天的心率异常情况,时效性较好,而且待识别心率序列为检测对象当天检测的标准差最小的原始心率序列,能够较为准确、全面地反映检测对象当天的心率异常情况,有助于提高心率异常的识别准确度。
另外,根据本发明上述实施例提出的心率异常的识别装置还可以具有如下附加的技术特征:
在本发明的一个实施例中,所述异常识别模块,具体用于:若所述数据对对应的差值为正值,将所述数据对对应的差值与预设值进行比较,并将大于所述预设值的数据对标记为第一数据对;统计连续出现所述第一数据对的数据长度,若所述数据长度大于预设长度,则将连续出现所述第一数据对对应的序列片段,识别为所述异常的心率序列片段。
在本发明的一个实施例中,所述异常识别模块,具体用于:获取当前所述第一数据对与前一所述第一数据对之间的间距;若所述间距小于或者等于预设间隔,则利用所述间距对当前的数据长度进行修改;若所述间距大于所述预设间隔,则停止对数据长度的修改。
在本发明的一个实施例中,所述对齐模块,具体用于:采用动态时间归整DTW算法,对所述待识别心率序列和/或所述参考心率序列在时间轴上进行扭曲,以将两个序列上的数据点进行对齐。
在本发明的一个实施例中,所述异常识别模块,具体用于:获取所述待识别心率序列与所述参考心率序列之间的DTW距离,在所述DTW距离的计算过程中,获取所述数据对的差值。
在本发明的一个实施例中,所述第一获取模块,具体用于:获取所述检测对象N天的预设时长的历史心率序列,根据N天的所述历史心率序列,生成所述参考心率序列。
在本发明的一个实施例中,所述第一获取模块,具体用于:针对N天内的任意一天,从所述任意一天的多个所述历史心率序列中,获取所述任意一天检测到的稳定心率序列;其中,所述稳定心率序列为所述任意一天对应的多个所述历史心率序列中标准差最小的心率序列;根据N个所述稳定心率序列,生成所述参考心率序列。
在本发明的一个实施例中,所述第一获取模块,具体用于:对N个所述稳定心率序列进行统计,获取平均心率序列,将所述平均心率序列作为所述参考心率序列。
在本发明的一个实施例中,所述第一获取模块,还用于:利用N个所述稳定心率序列构建矩阵,其中,所述矩阵中一行矩阵元素构成一个所述稳定心率序列;对所述矩阵中的每一列矩阵元素进行求平均,得到每一列对应的平均矩阵元素;利用每一列的所述平均矩阵元素,生成所述平均心率序列。
为达到上述目的,本发明第三方面实施例提出了一种终端设备,包括本发明第二方面实施例所述的心率异常的识别装置。
本发明实施例的终端设备,能够根据检测对象的参考心率序列、当天检测的待识别心率序列对应的数据对的差值,从待识别心率序列中提取出异常的心率序列片段,能够获取到检测对象每天的心率异常情况,时效性较好,而且待识别心率序列为检测对象当天检测的标准差最小的原始心率序列,能够较为准确、全面地反映检测对象当天的心率异常情况,有助于提高心率异常的识别准确度。
另外,根据本发明上述实施例提出的终端设备还可以具有如下附加的技术特征:
在本发明的一个实施例中,所述终端设备为可穿戴终端设备。
为达到上述目的,本发明第四方面实施例提出了一种电子设备,包括存储器、处理器;其中,所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序,以用于实现本发明第一方面实施例所述的心率异常的识别方法。
本发明实施例的电子设备,通过处理器执行存储在存储器上的计算机程序,能够根据检测对象的参考心率序列、当天检测的待识别心率序列对应的数据对的差值,从待识别心率序列中提取出异常的心率序列片段,能够获取到检测对象每天的心率异常情况,时效性较好,而且待识别心率序列为检测对象当天检测的标准差最小的原始心率序列,能够较为准确、全面地反映检测对象当天的心率异常情况,有助于提高心率异常的识别准确度。
为达到上述目的,本发明第五方面实施例提出了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,该程序被处理器执行时实现本发明第一方面实施例所述的心率异常的识别方法。
本发明实施例的计算机可读存储介质,通过存储计算机程序并被处理器执行,能够根据检测对象的参考心率序列、当天检测的待识别心率序列对应的数据对的差值,从待识别心率序列中提取出异常的心率序列片段,能够获取到检测对象每天的心率异常情况,时效性较好,而且待识别心率序列为检测对象当天检测的标准差最小的原始心率序列,能够较为准确、全面地反映检测对象当天的心率异常情况,有助于提高心率异常的识别准确度。
本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为根据本发明一个实施例的心率异常的识别方法的流程图;
图2为根据本发明一个实施例的心率异常的识别方法中待识别心率序列、参考心率序列的示意图;
图3为根据本发明一个实施例的心率异常的识别方法中根据数据对对应的差值从待识别心率序列中提取出异常的心率序列片段的流程图;
图4为根据本发明一个实施例的心率异常的识别方法中统计连续出现第一数据对的数据长度的流程图;
图5为根据本发明一个实施例的心率异常的识别方法中根据N天的历史心率序列,生成参考心率序列的流程图;
图6为根据本发明一个实施例的心率异常的识别方法中构建的矩阵B的示意图;
图7为根据本发明一个实施例的心率异常的识别装置的方框示意图;
图8为根据本发明一个实施例的终端设备的方框示意图;以及
图9为根据本发明一个实施例的电子设备的方框示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
下面结合附图来描述本发明实施例的心率异常的识别方法、装置、终端设备、电子设备和计算机可读存储介质。
图1为根据本发明一个实施例的心率异常的识别方法的流程图。
如图1所示,本发明实施例的心率异常的识别方法,包括:
S101,获取检测对象的参考心率序列。
本公开的实施例中,参考心率序列可由多个参考心率组成,可预先设置检测对象的参考心率序列,以供后续进行检测对象的心率异常的识别。可以理解的是,不同的检测对象,可对应不同的参考心率序列。
可选的,可预先建立检测对象及其对应的参考心率序列之间的映射关系或者映射表,在获取到检测对象之后,查询映射关系或者映射表,可确定该检测对象的参考心率序列,用于进行检测对象的心率异常的识别。其中,映射关系或者映射表可根据实际情况进行标定。
S102,获取检测对象当天检测的标准差最小的原始心率序列作为待识别心率序列。
本公开的实施例中,原始心率序列可由多个原始心率组成。其中,原始心率包括但不限于检测对象当天检测的每秒钟的心率、平均每分钟的心率、平均每小时的心率等,还可包括检测对象当天周期性检测的心率,检测周期可根据实际情况进行标定,例如,检测周期可标定为2分钟。
可以理解的是,可获取检测对象当天检测的至少一个原始心率序列,而检测对象当天检测的标准差最小的原始心率序列,为上述至少一个原始心率序列中最稳定的一段原始心率序列,能够较为准确地反映检测对象当天的心率情况。
在具体实施中,可获取检测对象当天检测的每分钟的平均心率,将其作为检测对象当天检测的原始心率,之后可根据多个连续的原始心率,得到检测对象当天检测的至少一个原始心率序列,然后从上述至少一个原始心率序列中筛选出标准差最小的原始心率序列,将其作为检测对象的待识别心率序列。
可选的,原始心率序列的预设时长可根据实际情况进行标定。例如,预设时长为60分钟时,可连续获取60分钟内的所有原始心率,以得到预设时长为60分钟的原始心率序列。
可选的,可通过可穿戴终端设备来获取检测对象的原始心率。其中,可穿戴终端设备包括但不限于手环、手表、跑鞋等,可配置有光电容积脉搏波描记(Photo PlethysmoGraph,PPG)传感器、加速度传感器(Acceleration Transducer,ACC)、温度传感器、压力传感器等检测装置。
S103,对待识别心率序列和参考心率序列在时间轴进行对齐处理,并获取两个序列对应的数据对,其中,每个数据对分别包括一个待识别心率序列的数据点和一个参考心率序列的数据点。
可以理解的是,可将待识别心率序列和参考心率序列分别映射在平面直角坐标系中,平面直角坐标系的x轴为时间轴,y轴为心率轴。一般情况下,如图2所示,映射后的待识别心率序列和参考心率序列具有相似的形状,但在时间轴上不是对齐的。
本公开的实施例中,可对待识别心率序列和参考心率序列在时间轴进行对齐处理,并获取两个序列对应的数据对。
可选的,可采用动态时间归整(Dynamic Time Warping,DTW)算法,对待识别心率序列和/或参考心率序列在时间轴上进行扭曲,以将两个序列上的数据点进行对齐。其中,对待识别心率序列和/或参考心率序列在时间轴上进行扭曲,可包括对待识别心率序列和/或参考心率序列在时间轴上进行延伸或者缩短。
可以理解的是,待识别心率序列中的一个数据点可对应参考心率序列中的至少一个数据点,参考心率序列中的一个数据点也可对应待识别心率序列中的至少一个数据点,数据对应不重复出现。
举例而言,假设待识别心率序列包括x0、x1、x2至x60这些数据点,参考心率序列包括y0、y1、y2至y60这些数据点,则对齐处理后两个序列对应的数据对可包括(x0,y0)、(x0,y1)、(x1,y2)等。
继续以图2为例,对待识别心率序列和参考心率序列在时间轴进行对齐处理之后,图2中两两相连、且不在同一个序列中的数据点组成了两个序列对应的数据对,如图2所示,待识别心率序列中的数据点xm可对应参考心率序列中的5个数据点,参考心率序列中的数据点yn可对应待识别心率序列中的4个数据点。
S104,获取每个数据对中待识别心率序列的数据点与参考心率序列的数据点之间的差值,并根据数据对对应的差值从待识别心率序列中提取出异常的心率序列片段。
本公开的实施例中,获取每个数据对中待识别心率序列的数据点与参考心率序列的数据点之间的差值,指的是获取每个数据对中待识别心率序列的数据点对应的心率与参考心率序列的数据点对应的心率的差值。
例如,若数据对(x0,y0)中数据点x0为待识别心率序列的数据点,数据点x0对应的心率为84,数据点y0为参考心率序列的数据点,数据点y0对应的心率为70,则数据对(x0,y0)中待识别心率序列的数据点与参考心率序列的数据点之间的差值为14。
可以理解的是,数据对中参考心率序列的数据点对应的心率,可为数据对中待识别心率序列的数据点对应的心率的参考心率,则数据对对应的差值可反映待识别心率序列中某个数据点的心率与参考心率的差异大小,则可根据数据对对应的差值从待识别心率序列中提取出异常的心率序列片段。
继续以图2为例,根据数据对对应的差值,可从待识别心率序列中提取出图2所示的异常的心率序列片段。
可以理解的是,心率可反映人体的体征情况,若人体的心率异常,则往往人体的体征也出现异常,例如,人体出现感冒、发烧等症状。
可选的,从待识别心率序列中提取出异常的心率序列片段之后,还可识别检测对象出现体征异常,可生成体征异常的提醒消息,使得检测对象能够及时了解到自身的体征异常情况,提高了与用户的交互度。
综上,根据本发明实施例的心率异常的识别方法,能够根据检测对象的参考心率序列、当天检测的待识别心率序列对应的数据对的差值,从待识别心率序列中提取出异常的心率序列片段,能够获取到检测对象每天的心率异常情况,时效性较好,而且待识别心率序列为检测对象当天检测的标准差最小的原始心率序列,能够较为准确、全面地反映检测对象当天的心率异常情况,有助于提高心率异常的识别准确度。
作为另一种可能的实施方式,若数据对对应的差值不为正值,表明该数据对中待识别心率序列的数据点的心率小于或者等于参考心率序列的数据点的心率,数据对中待识别心率序列的数据点的心率较低,心率较为正常。
在上述任一实施例的基础上,步骤S104中获取获取每个数据对中待识别心率序列的数据点与参考心率序列的数据点之间的差值,可包括获取待识别心率序列与参考心率序列之间的DTW距离,在DTW距离的计算过程中,获取数据对的差值。
需要说明的是,待识别心率序列与参考心率序列之间的DTW距离可为两个序列对应的所有数据对的绝对差值的和,每个数据对的绝对差值指的是每个数据对中数据点对应的心率的绝对差值。例如,若数据对(x0,y0)中数据点x0对应的心率为84,数据点y0对应的心率为70,则数据对(x0,y0)对应的绝对差值为14。由此,在DTW距离的计算过程中,可获取每个数据对的绝对差值,进而也可获取到每个数据对的差值。
另外,待识别心率序列与参考心率序列之间的DTW距离,可用于获取待识别心率序列与参考心率序列之间的相似度。一般情况下,待识别心率序列与参考心率序列之间的DTW距离越大,则待识别心率序列与参考心率序列之间的相似度越低。
在上述任一实施例的基础上,如图3所示,步骤S104中根据数据对对应的差值从待识别心率序列中提取出异常的心率序列片段,可包括:
S301,若数据对对应的差值为正值,将数据对对应的差值与预设值进行比较,并将大于预设值的数据对标记为第一数据对。
本公开的实施例中,若数据对对应的差值为正值,表明该数据对中待识别系心率序列的数据点的心率大于参考心率序列的数据点的心率,则可继续将数据对对应的差值与预设值进行比较,若数据对对应的差值大于预设值,表明数据对中待识别心率序列的数据点的心率过高,心率较为异常,则可将差值大于预设值的数据对标记为第一数据对,以和差值小于或者等于预设值的数据对进行区分。可以理解的是,若数据对对应的差值小于或者等于预设值,表明数据对中待识别心率序列中的数据点的心率较低,心率较为正常。其中,预设值可根据实际情况进行标定,例如可标定为20。
进一步地,可将差值大于预设值的数据对标记为第一数据对,以和差值小于或者等于预设值的数据对进行区分。
S302,统计连续出现第一数据对的数据长度,若数据长度大于预设长度,则将连续出现第一数据对对应的序列片段,识别为异常的心率序列片段。
可以理解的是,心率会由于情绪、运动等因素而产生正常的波动,此时某些数据对对应的差值可能会大于预设值。为了避免将心率的正常波动识别为心率异常,可统计连续出现第一数据对的数据长度,根据连续出现第一数据对的数据长度和预设长度的大小关系,进行心率异常的识别。
由于心率的正常波动的持续时长往往较短,若连续出现第一数据对的数据长度大于预设长度,表明数据长度较长,心率异常的持续时长较长,则此时可排除心率的正常波动的情况,将连续出现第一数据对对应的序列片段,识别为异常的心率序列片段。
若连续出现第一数据对的数据长度小于或者等于预设长度,表明数据长度较短,心率异常的持续时长较短,则此时可判定为心率的正常波动的情况,可返回继续执行统计连续出现第一数据对的数据长度及其后续步骤。
其中,预设长度可根据实际情况进行标定,例如可标定为10。
举例而言,假设待识别心率序列包括x0、x1、x2至x60这些数据点,参考心率序列包括y0、y1、y2至y60这些数据点,连续出现的第一数据对可包括(x10,y8)、(x11,y8)、(x12,y9),(x13,y10),(x14,y10),预设长度为4,则可将连续出现的第一数据对(x10,y8)、(x11,y8)、(x12,y9),(x13,y10),(x14,y10)对应的待识别心率序列上的x10、x11、x12、x13、x14所在的序列片段,识别为异常的心率序列片段。
由此,该方法可将差值大于预设值的数据对标记为第一数据对,还可获取连续出现第一数据对的数据长度,将数据长度大于预设长度的第一数据对对应的序列片段,识别为异常的心率序列片段,可有效避免将心率的正常波动识别为异常的情况,提高了心率异常的识别准确度。
在上述任一实施例的基础上,如图4所示,步骤S302中统计连续出现第一数据对的数据长度,可包括:
S401,获取当前第一数据对与前一第一数据对之间的间距。
举例而言,假设待识别心率序列包括x0、x1、x2至x60这些数据点,参考心率序列包括y0、y1、y2至y60这些数据点,数据对依次为(x0,y0)、(x0,y1)、(x1,y2)、(x2,y2)等,第一数据对依次为(x0,y0)、(x1,y2)、(x2,y2)等。假设当前第一数据对为(x1,y2),则其前一第一数据对为(x0,y0),二者之间的间距为2,假设当前第一数据对为(x2,y2),则其前一第一数据对为(x1,y2),二者之间的间距为1。
S402,若间距小于或者等于预设间隔,则利用间距对当前的数据长度进行修改。
本公开的实施例中,若间距小于或者等于预设间隔,表明当前第一数据对与前一第一数据对之间的间距较小,可判定当前第一数据对与前一第一数据对连续,并可利用间距对当前的数据长度进行修改。其中,预设间隔可根据实际情况进行标定,例如可标定为2。
可选的,利用间距对当前的数据长度进行修改,可包括将当前的第一数据对的数据长度与间距的和值,作为修改后的第一数据对的数据长度。
例如,若当前的第一数据对的数据长度为4,当前第一数据对与前一第一数据对之间的间距为2,预设间隔为2,则可确定修改后的第一数据对的数据长度为6。
S403,若间距大于预设间隔,则停止对数据长度的修改。
本公开的实施例中,若间距大于预设间隔,表明当前第一数据对与前一第一数据对之间的间距较大,可判定当前第一数据对与前一第一数据对不连续,则可停止对数据长度的修改。
由此,该方法可根据第一数据对之间的间距,统计连续出现第一数据对的数据长度。
在上述任一实施例的基础上,步骤S101中获取获取检测对象的参考心率序列,可包括获取检测对象N天的预设时长的历史心率序列,根据N天的历史心率序列,生成参考心率序列。
可以理解的是,检测对象的参考心率序列,可根据检测对象的历史心率数据生成,则检测对象的参考心率序列可反映检测对象的心率特征,不同的检测对象可对应不同的参考心率序列。
本公开的实施例中,可根据检测对象N天的预设时长的历史心率序列,生成检测对象的参考心率序列,能够综合考虑检测对象N天的历史心率数据,从而获取的参考心率序列能够较为准确、全面地反映检测对象的心率情况,进而也有助于心率异常的识别。
其中,N、预设时长均可根据实际情况进行标定,例如,N可标定为7,预设时长可标定为60分钟。
在上述任一实施例的基础上,如图5所示,根据N天的历史心率序列,生成参考心率序列,可包括:
S501,针对N天内的任意一天,从任意一天的多个历史心率序列中,获取任意一天检测到的稳定心率序列,其中,稳定心率序列为任意一天对应的多个历史心率序列中标准差最小的心率序列。
可以理解的是,可获取检测对象N天内的任意一天检测的多个历史心率序列,而任意一天检测到的稳定心率序列,为上述多个历史心率序列中标准差最小的一段历史心率序列,能够较为准确地反映检测对象任意一天的心率情况。
S502,根据N个稳定心率序列,生成参考心率序列。
本公开的实施例中,可针对N天内的任意一天,获取任意一天检测到的稳定心率序列,则可获取N个稳定心率序列,之后可根据N个稳定心率序列,生成检测对象的参考心率序列。可以理解的是,N个稳定心率序列,可分别反映检测对象N天内的任意一天的心率情况。
由此,该方法能够根据检测对象N天的N个稳定心率序列,生成检测对象的参考心率序列,获取的参考心率序列能够较为准确、、全面地反映检测对象的心率情况。
在上述任一实施例的基础上,步骤S302中根据N个稳定心率序列,生成参考心率序列,可包括对N个稳定心率序列进行统计,获取平均心率序列,将平均心率序列作为参考心率序列。
由此,该方法能够根据N个稳定心率序列的平均心率序列,获取检测对象的参考心率序列。
可选的,对N个稳定心率序列进行统计,获取平均心率序列,可包括利用N个稳定心率序列构建矩阵,其中,矩阵中一行矩阵元素构成一个稳定心率序列,然后对矩阵中的每一列矩阵元素进行求平均,得到每一列对应的平均矩阵元素,然后利用每一列的平均矩阵元素,生成平均心率序列。
举例而言,假设N为3,且3天中第一天的稳定心率序列A1可包括x0、x1、x2至x60这些数据点,第二天的稳定心率序列A2可包括x0’、x1’、x2’至x60’这些数据点,第三天的稳定心率序列A3可包括x0”、x1”、x2”至x60”这些数据点,则可利用稳定心率序列A1、A2、A3构建大小为3*60的矩阵B。
如图6所示,矩阵B中的第一行矩阵元素分别为x0、x1、x2至x60,第二行矩阵元素分别为x0’、x1’、x2’至x60’,第三行矩阵元素分别为x0”、x1”、x2”至x60”,可对矩阵B中的每一列矩阵元素进行求平均,得到每一列对应的平均矩阵元素,进而生成平均心率序列
例如,矩阵B的第一列对应的平均矩阵元素为(x0+x0’+x0”)/3,则平均心率序列的第一个数据点可为(x0+x0’+x0”)/3,矩阵B的第二列对应的平均矩阵元素为(x1+x1’+x1”)/3,则平均心率序列的第二个数据点可为(x1+x1’+x1”)/3,以此类推,可确定平均心率序列的所有60个数据点。
由此,该方法可通过构建矩阵的方式,生成平均心率序列。
在上述任一实施例的基础上,参考心率序列、待识别心率序列中的心率数据包括但不限于静息心率、运动心率等,静息心率包括但不限于睡眠心率等,或者,参考心率序列、待识别心率序列中的心率数据还可为多种类型的心率数据的组合,这里不做过多限定。
本公开的实施例中,参考心率序列、待识别心率序列中的心率数据的检测时间可为一天中的任意时间段,或者,参考心率序列、待识别心率序列中的心率数据还可为多个不同时间段的心率数据的组合,这里不做过多限定。
可选的,为了确保序列中的心率数据有效,参考心率序列和/或待识别心率序列中的心率数据应处于预设范围内,进一步地,为了确保序列中存在较多的有效心率数据,序列中处于预设范围内的心率数据的数量应大于预设阈值。其中,预设范围、预设阈值均可根据实际情况进行标定,例如,预设范围可标定为(30~120),预设阈值可标定为15。
本公开的实施例中,可根据数据对中待识别心率序列的数据点与参考心率序列的数据点之间的差值,从待识别心率序列中提取出异常的心率序列片段。可以理解的是,还可根据数据对中数据点之间的欧式距离、曼哈顿距离等其他类型的距离,从待识别心率序列中提取出异常的心率序列片段,具体实现过程及原理可参照上述实施例中根据数据对对应的差值,从待识别心率序列中提取出异常的心率序列片段的相关内容,这里不再赘述。
图7为根据本发明一个实施例的心率异常的识别装置的方框示意图。
如图7所示,本发明实施例的心率异常的识别装置100,包括:第一获取模块11、第二获取模块12、对齐模块13和异常识别模块14。
第一获取模块11用于获取检测对象的参考心率序列;
第二获取模块12用于获取所述检测对象当天检测的标准差最小的原始心率序列作为待识别心率序列;
对齐模块13用于对所述待识别心率序列和所述参考心率序列在时间轴进行对齐处理,并获取两个序列对应的数据对,其中,每个数据对分别包括一个所述待识别心率序列的数据点和一个所述参考心率序列的数据点;
异常识别模块14用于获取每个数据对中所述待识别心率序列的数据点与所述参考心率序列的数据点之间的差值,并根据所述数据对对应的差值从所述待识别心率序列中提取出异常的心率序列片段。
在本发明的一个实施例中,所述异常识别模块14具体用于:若所述数据对对应的差值为正值,将所述数据对对应的差值与预设值进行比较,并将大于所述预设值的数据对标记为第一数据对;统计连续出现所述第一数据对的数据长度,若所述数据长度大于预设长度,则将连续出现所述第一数据对对应的序列片段,识别为所述异常的心率序列片段。
在本发明的一个实施例中,所述异常识别模块14具体用于:获取当前所述第一数据对与前一所述第一数据对之间的间距;若所述间距小于或者等于预设间隔,则利用所述间距对当前的数据长度进行修改;若所述间距大于所述预设间隔,则停止对数据长度的修改。
在本发明的一个实施例中,所述对齐模块13具体用于:采用动态时间归整DTW算法,对所述待识别心率序列和/或所述参考心率序列在时间轴上进行扭曲,以将两个序列上的数据点进行对齐。
在本发明的一个实施例中,所述异常识别模块14具体用于:获取所述待识别心率序列与所述参考心率序列之间的DTW距离,在所述DTW距离的计算过程中,获取所述数据对的差值。
在本发明的一个实施例中,所述第一获取模块11具体用于获取所述检测对象N天的预设时长的历史心率序列,根据N天的所述历史心率序列,生成所述参考心率序列。
在本发明的一个实施例中,所述第一获取模块11具体用于针对N天内的任意一天,从所述任意一天的多个所述历史心率序列中,获取所述任意一天检测到的稳定心率序列;其中,所述稳定心率序列为所述任意一天对应的多个所述历史心率序列中标准差最小的心率序列;根据N个所述稳定心率序列,生成所述参考心率序列。
在本发明的一个实施例中,所述第一获取模块11具体用于对N个所述稳定心率序列进行统计,获取平均心率序列,将所述平均心率序列作为所述参考心率序列。
在本发明的一个实施例中,所述第一获取模块11还用于利用N个所述稳定心率序列构建矩阵,其中,所述矩阵中一行矩阵元素构成一个所述稳定心率序列;对所述矩阵中的每一列矩阵元素进行求平均,得到每一列对应的平均矩阵元素;利用每一列的所述平均矩阵元素,生成所述平均心率序列。
需要说明的是,本发明实施例的心率异常的识别装置中未披露的细节,请参照本发明上述实施例中的心率异常的识别方法所披露的细节,这里不再赘述。
综上,本发明实施例的心率异常的识别装置,能够根据检测对象的参考心率序列、当天检测的待识别心率序列对应的数据对的差值,从待识别心率序列中提取出异常的心率序列片段,能够获取到检测对象每天的心率异常情况,时效性较好,而且待识别心率序列为检测对象当天检测的标准差最小的原始心率序列,能够较为准确、全面地反映检测对象当天的心率异常情况,有助于提高心率异常的识别准确度。
为了实现上述实施例,本发明还提出一种终端设备200,如图8所示,其包括上述心率异常的识别装置100。
在本发明的一个实施例中,所述终端设备为可穿戴终端设备。
本发明实施例的终端设备,能够根据检测对象的参考心率序列、当天检测的待识别心率序列对应的数据对的差值,从待识别心率序列中提取出异常的心率序列片段,能够获取到检测对象每天的心率异常情况,时效性较好,而且待识别心率序列为检测对象当天检测的标准差最小的原始心率序列,能够较为准确、全面地反映检测对象当天的心率异常情况,有助于提高心率异常的识别准确度。
为了实现上述实施例,本发明还提出一种电子设备300,如图9所示,该电子设备300包括存储器31、处理器32。其中,处理器32通过读取存储器31中存储的可执行程序代码来运行与可执行程序代码对应的程序,以用于实现上述心率异常的识别方法。
本发明实施例的电子设备,通过处理器执行存储在存储器上的计算机程序,能够根据检测对象的参考心率序列、当天检测的待识别心率序列对应的数据对的差值,从待识别心率序列中提取出异常的心率序列片段,能够获取到检测对象每天的心率异常情况,时效性较好,而且待识别心率序列为检测对象当天检测的标准差最小的原始心率序列,能够较为准确、全面地反映检测对象当天的心率异常情况,有助于提高心率异常的识别准确度。
为了实现上述实施例,本发明还提出一种计算机可读存储介质,其存储有计算机程序,该程序被处理器执行时实现上述心率异常的识别方法。
本发明实施例的计算机可读存储介质,通过存储计算机程序并被处理器执行,能够根据检测对象的参考心率序列、当天检测的待识别心率序列对应的数据对的差值,从待识别心率序列中提取出异常的心率序列片段,能够获取到检测对象每天的心率异常情况,时效性较好,而且待识别心率序列为检测对象当天检测的标准差最小的原始心率序列,能够较为准确、全面地反映检测对象当天的心率异常情况,有助于提高心率异常的识别准确度。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中,除非另有明确的规定和限定,第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触,或第一和第二特征通过中间媒介间接接触。而且,第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方,或仅仅表示第一特征水平高度小于第二特征。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (14)
1.一种心率异常的识别方法,其特征在于,包括:
获取检测对象的参考心率序列;
获取所述检测对象当天检测的标准差最小的原始心率序列作为待识别心率序列;
对所述待识别心率序列和所述参考心率序列在时间轴进行对齐处理,并获取两个序列对应的数据对,其中,每个数据对分别包括一个所述待识别心率序列的数据点和一个所述参考心率序列的数据点;
获取每个数据对中所述待识别心率序列的数据点与所述参考心率序列的数据点之间的差值,并根据所述数据对对应的差值从所述待识别心率序列中提取出异常的心率序列片段。
2.根据权利要求1所述的心率异常的识别方法,其特征在于,所述根据所述数据对对应的差值从所述待识别心率序列中提取出异常的心率序列片段,包括:
若所述数据对对应的差值为正值,将所述数据对对应的差值与预设值进行比较,并将大于所述预设值的数据对标记为第一数据对;
统计连续出现所述第一数据对的数据长度,若所述数据长度大于预设长度,则将连续出现所述第一数据对对应的序列片段,识别为所述异常的心率序列片段。
3.根据权利要求2所述的心率异常的识别方法,其特征在于,所述统计连续出现所述第一数据对的数据长度,包括:
获取当前所述第一数据对与前一所述第一数据对之间的间距;
若所述间距小于或者等于预设间隔,则利用所述间距对当前的数据长度进行修改;
若所述间距大于所述预设间隔,则停止对数据长度的修改。
4.根据权利要求1-3任一项所述的心率异常的识别方法,其特征在于,所述对所述待识别心率序列和所述参考心率序列在时间轴进行对齐处理,包括:
采用动态时间归整DTW算法,对所述待识别心率序列和/或所述参考心率序列在时间轴上进行扭曲,以将两个序列上的数据点进行对齐。
5.根据权利要求4所述的心率异常的识别方法,其特征在于,所述获取每个数据对中所述待识别心率序列的数据点与所述参考心率序列的数据点之间的差值,包括:
获取所述待识别心率序列与所述参考心率序列之间的DTW距离,在所述DTW距离的计算过程中,获取所述数据对的差值。
6.根据权利要求1-3任一项所述的心率异常的识别方法,其特征在于,所述获取检测对象的参考心率序列,包括:
获取所述检测对象N天的预设时长的历史心率序列,根据N天的所述历史心率序列,生成所述参考心率序列。
7.一种心率异常的识别装置,其特征在于,包括:
第一获取模块,用于获取检测对象的参考心率序列;
第二获取模块,用于获取所述检测对象当天检测的标准差最小的原始心率序列作为待识别心率序列;
对齐模块,用于对所述待识别心率序列和所述参考心率序列在时间轴进行对齐处理,并获取两个序列对应的数据对,其中,每个数据对分别包括一个所述待识别心率序列的数据点和一个所述参考心率序列的数据点;
异常识别模块,用于获取每个数据对中所述待识别心率序列的数据点与所述参考心率序列的数据点之间的差值,并根据所述数据对对应的差值从所述待识别心率序列中提取出异常的心率序列片段。
8.根据权利要求7所述的心率异常的识别装置,其特征在于,所述异常识别模块,具体用于:
若所述数据对对应的差值为正值,将所述数据对对应的差值与预设值进行比较,并将大于所述预设值的数据对标记为第一数据对;
统计连续出现所述第一数据对的数据长度,若所述数据长度大于预设长度,则将连续出现所述第一数据对对应的序列片段,识别为所述异常的心率序列片段。
9.根据权利要求8所述的心率异常的识别装置,其特征在于,所述异常识别模块,具体用于:
获取当前所述第一数据对与前一所述第一数据对之间的间距;
若所述间距小于或者等于预设间隔,则利用所述间距对当前的数据长度进行修改;
若所述间距大于所述预设间隔,则停止对数据长度的修改。
10.根据权利要求7-9任一项所述的心率异常的识别装置,其特征在于,所述对齐模块,具体用于:
采用动态时间归整DTW算法,对所述待识别心率序列和/或所述参考心率序列在时间轴上进行扭曲,以将两个序列上的数据点进行对齐。
11.根据权利要求10所述的心率异常的识别装置,其特征在于,所述异常识别模块,具体用于:
获取所述待识别心率序列与所述参考心率序列之间的DTW距离,在所述DTW距离的计算过程中,获取所述数据对的差值。
12.根据权利要求7-9任一项所述的心率异常的识别装置,其特征在于,所述第一获取模块,具体用于:
获取所述检测对象N天的预设时长的历史心率序列,根据N天的所述历史心率序列,生成所述参考心率序列。
13.一种终端设备,其特征在于,包括:如权利要求7-12任一项所述的心率异常的识别装置。
14.根据权利要求13所述的终端设备,其特征在于,所述终端设备为可穿戴终端设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110026193.8A CN114762594A (zh) | 2021-01-08 | 2021-01-08 | 心率异常的识别方法、装置和终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110026193.8A CN114762594A (zh) | 2021-01-08 | 2021-01-08 | 心率异常的识别方法、装置和终端设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114762594A true CN114762594A (zh) | 2022-07-19 |
Family
ID=82363514
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110026193.8A Pending CN114762594A (zh) | 2021-01-08 | 2021-01-08 | 心率异常的识别方法、装置和终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114762594A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116701886A (zh) * | 2023-08-07 | 2023-09-05 | 知心健(南京)科技有限公司 | 一种运动肺测试数据智能分析管理系统 |
-
2021
- 2021-01-08 CN CN202110026193.8A patent/CN114762594A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116701886A (zh) * | 2023-08-07 | 2023-09-05 | 知心健(南京)科技有限公司 | 一种运动肺测试数据智能分析管理系统 |
CN116701886B (zh) * | 2023-08-07 | 2023-10-27 | 知心健(南京)科技有限公司 | 一种运动肺测试数据智能分析管理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chon et al. | Approximate entropy for all signals | |
US11589828B2 (en) | System and methods for electrocardiogram beat similarity analysis using deep neural networks | |
EP1897028A2 (en) | Method and apparatus for distinguishing between clinically significant changes and artifacts in patient physiological information | |
CN109564586B (zh) | 系统监测器及系统监测方法 | |
EP2891094A1 (en) | Methods and systems for calculating and using statistical models to predict medical events | |
CN116823492B (zh) | 一种数据的存储方法及系统 | |
US20170360379A1 (en) | Method for score confidence interval estimation when vital sign sampling frequency is limited | |
WO2017077414A1 (en) | Prediction of acute respiratory disease syndrome (ards) based on patients' physiological responses | |
CN114762594A (zh) | 心率异常的识别方法、装置和终端设备 | |
Karmakar et al. | Defining asymmetry in heart rate variability signals using a Poincaré plot | |
US20130041270A1 (en) | Blood pressure measuring device and system with automatic self-examination and self-calibration functions | |
US20200205675A1 (en) | System and method for enhancing accuracy of body surface temperature measurement | |
CN113838575A (zh) | 基于健康风险评估的预警方法、装置和终端设备 | |
JP5708553B2 (ja) | 睡眠の質推定装置及び睡眠の質推定用プログラム | |
CN106859625B (zh) | 一种hrv测量方法以及装置 | |
CN114366060A (zh) | 一种基于心率变异性的健康预警方法、装置及电子设备 | |
CN108309238A (zh) | 一种基于相位排列熵的心电信号异常识别方法 | |
CN116720493A (zh) | 生理数据处理方法、装置、电子设备及存储介质 | |
WO2019171015A1 (en) | Method and apparatus for monitoring a human or animal subject | |
CN106777884B (zh) | 一种hrv测量方法以及装置 | |
US20200229772A1 (en) | Physiological property forecasting | |
CN112716525B (zh) | 胎儿心率的处理方法、装置及可读存储介质 | |
Hugueny et al. | Novelty detection with extreme value theory in vital-sign monitoring | |
CN114081450B (zh) | 一种基于差异可见图的睡眠呼吸暂停检测方法及装置 | |
Sun et al. | Reducing ECG alarm fatigue based on SQI analysis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |