一种心律异常动态实时诊断系统技术方案

本发明专利技术公开了一种心律异常动态实时诊断系统，包括心律信号采集模块以及软件系统，所述心律信号采集模块采集用户心律信号，并发送电子终端设备应用程序进行后续处理；所述软件系统包括：电子终端设备应用程序，其在电子终端设备上向用户提供可视化界面，并将心律数据传输给网页后台服务器；网页后台服务器，负责心律数据的存储和管理；PC机，其通过心律信号机器学习处理模块对采集的心律数据进行机器学习，训练出该用户的心律状况评价函数，同时根据最新传来的心律数据对评价函数进行动态实时修正，根据评价函数给出用户心律状况预测结果，将预测结果发送给电子终端设备应用程序向用户显示，以起到心律监测与预警的作用。

A dynamic real time diagnosis system for cardiac arrhythmia

The invention discloses a dynamic real-time arrhythmia diagnosis system, including cardiac signal acquisition module and software system, the rhythm signal acquisition module collects user rhythm signal, and send electronic terminal equipment application for further processing; including the software system: application of electronic terminal equipment, the terminal equipment provided in the electronic visualization to the user interface, and data transmission to the server \rhythm\; the background server responsible for the storage and management of cardiac data; PC, the heart rate signal processing module of machine learning rhythm data acquisition for machine learning, training, evaluation function of rhythm condition the user, at the same time according to the dynamic real-time correction on evaluation the latest data of cardiac function, according to the results of the evaluation function gives the user the rhythm condition, The prediction result is sent to the electronic terminal equipment, and the application program is displayed to the user, so as to play the role of heart rhythm monitoring and warning.

【技术实现步骤摘要】
一种心律异常动态实时诊断系统
本专利技术是一种利用传感器技术、机器学习算法、网络通信技术和信号处理技术动态实时诊断心律是否异常的心律异常动态实时诊断系统，属于信号综合处理

技术介绍
人体的心律信号属于复杂多变量、强耦合、动态实时变化的伪随机事件，通常采用佩戴心律腕带的方式来检测某一时间段的心律曲线。市场上现有的心律手环和医学心律腕带都只是采集某一时间段的心律信号，并将心律信号直接以数值或曲线图像的形式呈现给用户，测量精度低，测量方法笨重，用户只能通过进行静态的测量人体具体心律情况来推测心律健康状况，并未能从心律曲线中获得更多的信息，而现有的心律检测方法尚未应用动态实时检测。
技术实现思路
为了解决现有技术存在的以上问题，本专利技术提出一种心律异常动态实时诊断系统，实现传感器技术、网络通信技术、机器学习算法在心律异常动态实时检测中的应用，利用机器学习算法分析处理心律数据，并从中训练出符合该用户的特定心律状况评价函数，从而根据该函数能实时检测、分析用户心律情况并在必要时起到预警的作用。本专利技术的目的是通过以下方案实现的：一种心律异常动态实时诊断系统，包括心律信号采集模块以及软件系统，所述心律信号采集模块包括心律传感器、蓝牙发射模块及佩戴装置；心律传感器、蓝牙发射模块均安装在佩戴装置上，由心律传感器采集用户心律信号，并通过蓝牙发射模块发送给软件系统中的电子终端设备应用程序进行后续处理；所述软件系统包括：电子终端设备应用程序，其在电子终端设备上向用户提供可视化界面，并通过网络通讯模块与可视化网页后台通讯连接，将心律数据传输给网页后台服务器；网页后台服务器，其与电子终端设备应用程序以及嵌入在PC机上的心律信号机器学习处理模块通讯连接，负责心律数据的存储和管理；PC机，其通过心律信号机器学习处理模块对采集的心律数据进行机器学习，训练出该用户的心律状况评价函数，同时根据最新传来的心律数据对评价函数进行动态实时修正，根据评价函数给出用户心律状况预测结果，将预测结果发送给电子终端设备应用程序向用户显示，以起到心律监测与预警的作用。进一步地，所述心率信号采集模块还包括辅助功能模块，其安装在佩戴装置上，可根据用户心律状况预测结果向用户提供辅助提醒功能。进一步地，所述心律信号机器学习处理模块的工作过程如下：1)对接收到的心律数据进行去噪预处理；2)提取心律信号特征值，构成二维心律特征矩阵；3)对二维心律特征矩阵进行卷积神经网络运算；4)进行激励与池化运算；5)反复迭代得到最佳心律状况评价函数；6)根据新采集的心律数据实时动态修正心律状况评价函数；7)根据心律状况评价函数评价预测该用户心律状况。本专利技术取代了现有佩戴心律腕带等静态测量方法，实现了心律信号的动态实时检测、分析与诊断，全面克服了静态检测方法的不足，使得检测效果更加精确。附图说明图1为本专利技术整体系统架构原理图；图2为基于机器学习的心律信号处理流程图；图3为心律信号采集模块结构示意图；图4为心律信号去噪与特征提取流程图。具体实施方式以下结合附图详细介绍本专利技术的技术方案：如图1至图3所示，一种心律异常动态实时诊断系统，包括硬件系统及软件系统，其中，硬件系统即心律信号采集模块，其包括：心律传感器、蓝牙发射模块、辅助功能模块(线性振动电机)和佩戴装置；心律传感器、蓝牙发射模块和线性振动电机均安装在佩戴装置上，由心律传感器采集用户心律信号，然后通过蓝牙发射模块传给软件系统中的电子终端设备应用程序进行后续处理，还可根据需要进行辅助功能拓展，例如，通过线性振动电机进向用户进行振动提醒。软件系统包括：电子终端设备应用程序(本实施例中采用基于andriod系统的APP)，其用于在电子终端设备上记录并向用户显示心律状况，电子终端设备应用程序通过网络通讯模块与可视化网页后台通讯连接；网页后台服务器(可视化网页后台)，其与电子终端设备应用程序以及嵌入在PC机上的机器学习处理模块通讯连接，负责数据的传递；PC机(本实施例中采用高性能计算机)，其通过心律信号机器学习处理模块对采集的心律信号进行一系列处理，获得用户心律状况的预测结果，并将预测结果传送给电子终端设备应用程序进行显示。以下详细介绍本专利技术心律信号采集及处理过程：一、心律信号采集模块。如图1、2所示，首先通过安装在佩戴装置上的心律信号传感器，实时采集人体的心律信号。该采集模块包括心律信号传感器、蓝牙发射模块、线性振动电机。蓝牙发射模块负责将采集到的心律数据通过蓝牙通信协议实时传输给电子终端设备应用程序(APP)，APP进一步通过网页后台服务器将心律数据传输给高性能处理计算机进行机器学习训练出该用户的心律状况评价函数。根据该函数对用户的心律状况进行实时监测、预估与预警，同时根据最新传来的心律数据进行动态实时修正该函数。网页后台服务器将高性能计算机处理运算的结果实时返回给APP起到对该用户心律状况的预警作用。二、心律信号网络传输。心律信号传感器采集到数据首先经过蓝牙通信协议传给APP，然后APP通过网络通讯模块的HTTP协议将心律数据传输给网页后台服务器，最后网页后台服务器通过TCP/IP协议将数据传输给高性能计算机。其中APP主要是为用户提供一个可视化界面，并起到网络通信中转站的作用；网页后台服务器主要是为了方便后台数据的存储和管理，同时起到第二阶网络中转的作用。三、心律信号机器学习处理模块。PC机对心律数据进行机器学习，训练出该用户的心律状况评价函数，同时根据最新传来的心律数据对评价函数进行动态实时修正，根据评价函数给出用户心律状况预测结果，将预测结果返回给电子终端设备应用程序向用户显示，以起到心律监测与预警的作用，其包括以下步骤：1)PC机首先对接收到的心律数据进行去噪预处理；2)提取心律信号特征值，构成二维心律特征矩阵；3)对二维心律特征矩阵进行卷积神经网络运算；4)进行激励与池化运算；5)反复迭代得到最佳心律状况评价函数；6)根据新采集的数据实时动态修正心律状况评价函数；7)根据函数评价预测心律状况。如图4所示，心律信号进入高性能计算机后，首先进行去噪，去噪采用均值滤波去噪掉一些随机噪声。去噪之后进行特征提取，提取该用户的心律特征状况构成一个二维心律特征矩阵。然后对该二维心律特征矩阵进行卷积神经网络运算。将心律输入样本。卷积运算的本质其实是将输入数据和滤波矩阵filter进行内积。在CNN中，滤波器filter(带着一组固定权重的神经元)对局部输入数据进行卷积计算。每计算完一个数据窗口内的局部数据后，数据窗口不断平移滑动，直到计算完所有数据。其公式如下所示：心律数据矩阵经过卷积运算主要是为了提取输入的不同特征，然后进入Sigmoid函数，其主要作用是为了提升训练速度。Sigmoid函数表达式如下所示：f(x)＝(1+e-x)-1接着进入池化层训练，池化层通常会分别作用于每个输入的特征并减少其大小。因此参数的数量和计算量也会下降，这在一定程度上也控制了过拟合。最后一层损失函数层用于决定训练过程如何来“惩罚”网络的预测结果和真实结果之间的差异已达到最佳的训练效果。训练出最佳的心律状况评价函数之后，可以根据该函数评价用户在当前时间段内心律状况是否异常从而起到预警的作用，同时该评价函数可以根据实时传输的心律数据进行动态修正，从而起本文档来自技高网...

【技术保护点】
一种心律异常动态实时诊断系统，其特征在于，包括心律信号采集模块以及软件系统，所述心律信号采集模块包括心律传感器、蓝牙发射模块及佩戴装置；心律传感器、蓝牙发射模块均安装在佩戴装置上，由心律传感器采集用户心律信号，并通过蓝牙发射模块发送给软件系统中的电子终端设备应用程序进行后续处理；所述软件系统包括：电子终端设备应用程序，其在电子终端设备上向用户提供可视化界面，并通过网络通讯模块与可视化网页后台通讯连接，将心律数据传输给网页后台服务器；网页后台服务器，其与电子终端设备应用程序以及嵌入在PC机上的心律信号机器学习处理模块通讯连接，负责心律数据的存储和管理；PC机，其通过心律信号机器学习处理模块对采集的心律数据进行机器学习，训练出该用户的心律状况评价函数，同时根据最新传来的心律数据对评价函数进行动态实时修正，根据评价函数给出用户心律状况预测结果，将预测结果发送给电子终端设备应用程序向用户显示，以起到心律监测与预警的作用。

【技术特征摘要】
1.一种心律异常动态实时诊断系统，其特征在于，包括心律信号采集模块以及软件系统，所述心律信号采集模块包括心律传感器、蓝牙发射模块及佩戴装置；心律传感器、蓝牙发射模块均安装在佩戴装置上，由心律传感器采集用户心律信号，并通过蓝牙发射模块发送给软件系统中的电子终端设备应用程序进行后续处理；所述软件系统包括：电子终端设备应用程序，其在电子终端设备上向用户提供可视化界面，并通过网络通讯模块与可视化网页后台通讯连接，将心律数据传输给网页后台服务器；网页后台服务器，其与电子终端设备应用程序以及嵌入在PC机上的心律信号机器学习处理模块通讯连接，负责心律数据的存储和管理；PC机，其通过心律信号机器学习处理模块对采集的心律数据进行机器学习，训练出该用户的心律状况评价函数，同时根据最新传来的心律数据对评价函数进行...

【专利技术属性】
技术研发人员：丁红昌，陈小杰，江远，曲琳，赵玉娟，崔小强，
申请(专利权)人：长春理工大学，
类型：发明
国别省市：吉林,22