心律失常检测的方法及装置制造方法及图纸

本发明专利技术提供了一种心律失常检测的方法及装置，该方法包括：采集第一用户在一个采样周期内的心电数据和个性化特征数据，其中，个性化特征数据包括年龄、性别、身高、体重、每日步数、血压、血脂和血氧中的两种以上；分析并提取心电数据中的多项特征数据，计算得到每项特征数据在一个采样周期内的平均值和方差；将平均值、方差、多项特征数据和个性化特征数据组合，得到第一用户对应的第一多维向量；将第一多维向量与预先确定的用户心律失常类型的统计模型进行匹配，确定第一用户的心律失常类型。本发明专利技术通过采集用户的多项数据来进行心律失常类型的检测，提高了检测结果的准确性。

【技术实现步骤摘要】
心律失常检测的方法及装置
本专利技术涉及移动健康领域，尤其涉及一种心律失常检测的方法及装置。
技术介绍
传统的心律失常检测方法为心电图检查，医生再根据心电图诊断心律失常情况。近年来，一些医疗机构推出远程心电监护服务，用户在家中采集心电，上传远程诊断平台，在平台上使用智能算法自动分析心电图，判断心律失常种类。已有的心律失常预测方法较少，在申请号为201310103295.0的专利《用于预测室性快速型心律失常的方法、设备和计算机程序产品》中，公开了通过在连续时间段中确定指示对象的心脏中心室复极化的复极化参数的集合，产生指示心脏的心室复极化的变化的至少一个变化指示变量，并且基于至少一个变化指示变量预测潜在的室性快速型心律失常的风险。心律失常与很多因素有关，年龄较大、肥胖、高血压、糖尿病等人群的心律失常患病比例较高，传统的方法由于采集不便、可采集数据类型有限等因素难以对心律失常进行预测。
技术实现思路
为了克服预测心律失常时可采集数据类型有限和数据采集方法较少，造成的心律失常难以预测的问题，本专利技术实施例提供了一种心律失常检测的方法及装置。为了解决上述技术问题，本专利技术实施例采用如下技术方案本文档来自技高网...

【技术保护点】
一种心律失常检测的方法，其特征在于，包括：采集第一用户在一个采样周期内的心电数据和个性化特征数据，其中，所述个性化特征数据包括年龄、性别、身高、体重、每日步数、血压、血脂和血氧中的两种以上；分析并提取所述心电数据中的多项特征数据，计算得到每项特征数据在所述采样周期内的平均值和方差；将所述平均值、方差、多项特征数据和所述个性化特征数据组合，得到所述第一用户对应的第一多维向量；将所述第一多维向量与预先确定的用户心律失常类型的统计模型进行匹配，确定所述第一用户的心律失常类型。

【技术特征摘要】
1.一种心律失常检测的方法，其特征在于，包括：采集第一用户在一个采样周期内的心电数据和个性化特征数据，其中，所述个性化特征数据包括年龄、性别、身高、体重、每日步数、血压、血脂和血氧中的两种以上；分析并提取所述心电数据中的多项特征数据，计算得到每项特征数据在所述采样周期内的平均值和方差；将所述平均值、方差、多项特征数据和所述个性化特征数据组合，得到所述第一用户对应的第一多维向量；将所述第一多维向量与预先确定的用户心律失常类型的统计模型进行匹配，确定所述第一用户的心律失常类型；进一步通过以下步骤来获得所述用户心律失常类型的统计模型：采集多个样本用户中每个样本用户在多个采样周期内的心电数据、所述个性化特征数据和所患心律失常类型；分析并提取每个样本用户的所述心电数据中的所述多项特征数据，计算得到每个样本用户的所述心电数据中每项特征数据在各个采样周期内的平均值和方差；将每个样本用户在一个采样周期内的所述平均值、方差、多项特征数据和所述个性化特征数据组合，得到与该样本用户的心律失常类型相对应的多维向量；针对每种心律失常类型，分别利用机器学习算法，对该心律失常类型对应的多个多维向量进行训练学习，获得该心律失常类型对应的多维向量模型。2.如权利要求1所述的方法，其特征在于，所述机器学习算法为支持向量机算法。3.如权利要求1所述的方法，其特征在于，所述所患心律失常类型包括窦房结异常、心房异常、心室异常、房室结异常和正常中的两者以上。4.一种心律失常检测的装置，其特征在于，包括：...

【专利技术属性】
技术研发人员：王博，张志鹏，许利群，
申请(专利权)人：中国移动通信集团公司，
类型：发明
国别省市：北京;11