CN116602642B 心率監(jiān)測方法、裝置、設(shè)備 (深圳市愛保護科技有限公司)_第1頁
CN116602642B 心率監(jiān)測方法、裝置、設(shè)備 (深圳市愛保護科技有限公司)_第2頁
CN116602642B 心率監(jiān)測方法、裝置、設(shè)備 (深圳市愛保護科技有限公司)_第3頁
CN116602642B 心率監(jiān)測方法、裝置、設(shè)備 (深圳市愛保護科技有限公司)_第4頁
CN116602642B 心率監(jiān)測方法、裝置、設(shè)備 (深圳市愛保護科技有限公司)_第5頁
已閱讀5頁,還剩38頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)

文檔簡介

道和平社區(qū)安達(dá)電子工業(yè)廠區(qū)廠房US2013261479A1,2013.US2009005826A1,2009.01.01US2009138463A1,2009.0WO2022236064A2,2022.11始加速度能量;對所述初始心電信號進行預(yù)處2通過預(yù)置的心率傳感器獲取用戶的初始心電信號,并通過預(yù)置的加速度傳感基于預(yù)設(shè)的檢測算法在目標(biāo)心電信號中定位R波,并計對所述指標(biāo)分析結(jié)果與所述目標(biāo)加速度能量分別進行析結(jié)果樣本和標(biāo)記后形成的目標(biāo)加速度能量樣本輸入至訓(xùn)練后的心率監(jiān)測模型中進行目獲取實際心率信號,并通過預(yù)設(shè)的異常度量算法計算所述通過預(yù)置的心率傳感器獲取用戶的初始心電信號通過預(yù)置的心率傳感器獲取用戶的初始心電信號,并通過預(yù)置的加速度傳感通過預(yù)設(shè)的粒子群算法計算各基學(xué)習(xí)器對應(yīng)的小波閾值函數(shù)的參數(shù)的最優(yōu)組合權(quán)重,將得到的初始心電信號和初始加速度能量的原始小波系數(shù)分別代入生成的自適應(yīng)小將閾值處理后的心電信號和加速度能量小波系數(shù)進行重構(gòu),得到所述基于預(yù)設(shè)的檢測算法在目標(biāo)心電信號中定位R波,并計算相鄰R波之間的時間間結(jié)合預(yù)置的生理傳感器獲取生理數(shù)據(jù)和環(huán)境參3獲取心率生物信號數(shù)據(jù)與用戶行為、環(huán)境相關(guān)的構(gòu)建心率監(jiān)測模型,將第一訓(xùn)練特征向量樣本輸所述獲取實際心率信號,并通過預(yù)設(shè)的異常度對實際心率信號與目標(biāo)心率模式進行數(shù)據(jù)預(yù)處分別計算去噪后的實際心率信號與去噪后的目標(biāo)心率模式在時間序列上的均值向量,基于所述第一時間序列數(shù)據(jù)和所述第二時間序列數(shù)據(jù),分別計算對應(yīng)的協(xié)方差矩陣;評估馬氏距離與設(shè)定閾值之間的關(guān)系,并根4或所述獲取實際心率信號,并通過預(yù)設(shè)的異常度通過短時傅里葉變換對實際心率信號和目標(biāo)心率模式進行處理,得通過加權(quán)指數(shù)平滑歐氏距離公式,逐個窗口段地計算實際心針對每個窗口段,得到實際心率信號與目標(biāo)心率模式在頻域上的加權(quán)異常程度分?jǐn)?shù)f和g是針對實際心率信號和目標(biāo)心率模式分別應(yīng)用的非線性函數(shù),所述非線性函數(shù)h是作用于協(xié)方差矩陣的逆的函數(shù),所述協(xié)方差矩陣的逆的函數(shù)包括線性或非線性函5Abnormality_Score為當(dāng)前時刻實際心率信號與目標(biāo)心率模式在頻域上的加權(quán)異常程Abnormalityscoreqi-1)為上一時刻實際心率信號與目標(biāo)心率模式在頻域上的加權(quán)獲取模塊,用于通過預(yù)置的心率傳感器獲取用戶的處理模塊,用于基于預(yù)設(shè)的檢測算法在目標(biāo)后形成的指標(biāo)分析結(jié)果樣本和標(biāo)記后形成的目標(biāo)加速度能量樣本輸入至訓(xùn)練后的心率監(jiān)健康管理措施生成模塊,用于獲取實際心率信號,并通過預(yù)置的心率傳感器獲取用戶的初始心電信號,并通過預(yù)置的加速度傳感通過預(yù)設(shè)的粒子群算法計算各基學(xué)習(xí)器對應(yīng)的小波閾值函數(shù)的參數(shù)的最優(yōu)組合權(quán)重,將得到的初始心電信號和初始加速度能量的原始小波系數(shù)分別代入生成的自適應(yīng)小將閾值處理后的心電信號和加速度能量小波系數(shù)進行重構(gòu),得到6結(jié)合預(yù)置的生理傳感器獲取生理數(shù)據(jù)和環(huán)境參獲取心率生物信號數(shù)據(jù)與用戶行為、環(huán)境相關(guān)的構(gòu)建心率監(jiān)測模型,將第一訓(xùn)練特征向量樣本輸對實際心率信號與目標(biāo)心率模式進行數(shù)據(jù)預(yù)處分別計算去噪后的實際心率信號與去噪后的目標(biāo)心率模式在時間序列上的均值向量,基于所述第一時間序列數(shù)據(jù)和所述第二時間序列數(shù)據(jù),分別計算對應(yīng)的協(xié)方差矩陣;7評估馬氏距離與設(shè)定閾值之間的關(guān)系,并根所述獲取實際心率信號,并通過預(yù)設(shè)的異常度通過短時傅里葉變換對實際心率信號和目標(biāo)心率模式進行處理,得通過加權(quán)指數(shù)平滑歐氏距離公式,逐個窗口段地計算實際心針對每個窗口段,得到實際心率信號與目標(biāo)心率模式在頻域上的加權(quán)異常程度分?jǐn)?shù)所述至少一個處理器調(diào)用所述存儲器中的所述指令,以使得所8[0006]基于預(yù)設(shè)的檢測算法在目標(biāo)心電信號中定位R波,并計算相鄰R波之間的時間間標(biāo)分析結(jié)果樣本和標(biāo)記后形成的目標(biāo)加速度能量樣本輸入至訓(xùn)練后的心率監(jiān)測模型中進9[0012]通過預(yù)設(shè)的粒子群算法計算各基學(xué)習(xí)器對應(yīng)的小波閾值函數(shù)的參數(shù)的最優(yōu)組合[0013]將得到的初始心電信號和初始加速度能量的原始小波系數(shù)分別代入生成的自適序列轉(zhuǎn)化為心率時間序列;通過預(yù)設(shè)的指標(biāo)計算算法對所述心率時間序列進行分析處理,[0016]基于預(yù)設(shè)的檢測算法在目標(biāo)心電信號中定位R波,并計算相鄰R波之間的時間間后的心率生物信號數(shù)據(jù)和異構(gòu)數(shù)據(jù)進行關(guān)鍵特征提取,得到心率特征向量和異構(gòu)特征向預(yù)設(shè)的異常度量算法計算所述實際心率信號與所述目標(biāo)心率模式在時間序列或者頻域上[0028]分別計算去噪后的實際心率信號與去噪后的目標(biāo)心率模式在時間序列上的均值[0031]利用實際心率信號與目標(biāo)心率模式的均值向量、協(xié)方差矩陣以及它們之間的差[0040]f和g是針對實際心率信號和目標(biāo)心率模式分別應(yīng)用的非線性函數(shù),所述非線性[0042]h是作用于協(xié)方差矩陣的逆的函數(shù),所述協(xié)方差矩陣的逆的函數(shù)包括線性或非線預(yù)設(shè)的異常度量算法計算所述實際心率信號與所述目標(biāo)心率模式在時間序列或者頻域上[0052]將整個時間序列上的所有窗口段里的異常程度分?jǐn)?shù)匯總,得到單一異常度量數(shù)[0056]H;(K)代表實際心率信號[0061]Abnormality_Score為當(dāng)前時刻實際心率信號與目標(biāo)心率模式在頻域上的加權(quán)異[0062]Abnormalityscoreqi-1)為上一時刻實際心率信號與目標(biāo)心率模式在頻域上的標(biāo)記后形成的指標(biāo)分析結(jié)果樣本和標(biāo)記后形成的目標(biāo)加速度能量樣本輸入至訓(xùn)練后的心指標(biāo)分析結(jié)果樣本與目標(biāo)加速度能量樣本輸入訓(xùn)練后的心率監(jiān)測模型中生成目標(biāo)心率模[0077]用戶佩戴了一款具備預(yù)置心率傳感器和加速度傳感器的智能手環(huán)或者智能手形成的指標(biāo)分析結(jié)果樣本和標(biāo)記后形成的目標(biāo)加速度能量樣本輸入至訓(xùn)練后的心率監(jiān)測[0087]標(biāo)記指標(biāo)分析結(jié)果和目標(biāo)加速度能量:標(biāo)記這些樣本是為了訓(xùn)練心率監(jiān)測模[0104]通過預(yù)設(shè)的粒子群算法計算各基學(xué)習(xí)器對應(yīng)的小波閾值函數(shù)的參數(shù)的最優(yōu)組合[0105]將得到的初始心電信號和初始加速度能量的原始小波系數(shù)分別代入生成的自適后的目標(biāo)心電信號和目標(biāo)加速度能量。這些信號可用于后續(xù)心率監(jiān)測模型訓(xùn)練和異常檢[0118]基于預(yù)設(shè)的檢測算法在目標(biāo)心電信號中定位R波,并計算相鄰R波之間的時間間[0131]Pan_Tompkins算法:一種基于QRS波的特征進行心電信號分析的高度可靠且廣泛[0133]QRSdetectionusingHilbertTransform(希爾伯特變換利用希爾伯特變換[0139]實際應(yīng)用實施過程中,根據(jù)需求或目標(biāo)信號的特點選擇或結(jié)合上述算法進行R波后的心率生物信號數(shù)據(jù)和異構(gòu)數(shù)據(jù)進行關(guān)鍵特征提取,得到心率特征向量和異構(gòu)特征向[0164]分別計算去噪后的實際心率信號與去噪后的目標(biāo)心率模式在時間序列上的均值[0167]利用實際心率信號與目標(biāo)心率模式的均值向量、協(xié)方差矩陣以及它們之間的差[0178]f和g是針對實際心率信號和目標(biāo)心率模式分別應(yīng)用的非線性函數(shù),所述非線性[0180]h是作用于協(xié)方差矩陣的逆的函數(shù),所述協(xié)方差矩陣的逆的函數(shù)包括線性或非線[0193]將整個時間序列上的所有窗口段里的異常程度分?jǐn)?shù)匯總,得到單一異常度量數(shù)[0204]H;(K)代表實際心率信號[0209]Abnormality_Score為當(dāng)前時刻實際心率信號與目標(biāo)心率模式在頻域上的加權(quán)異[0210]Abnormalityscoreqi-1)為上一時刻實際心率信號與目標(biāo)心率模式在頻域上的將標(biāo)記后形成的指標(biāo)分析結(jié)果樣本和標(biāo)記后形成的目標(biāo)加速度能量樣本輸入至訓(xùn)練后的感器和加速度傳感器分別獲取初始心電信號和初始加速度能

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論