一种心房颤动的评估方法、系统和设备技术方案

本发明专利技术实施例提供一种心房颤动的评估方法、系统和设备，通过基于移动智能终端的摄像头获取脉搏波形；基于脉搏波形提取预设数量个RR间期，将预设数量个RR间期组成RR间期序列；将RR间期序列输入到已训练的神经网络模型，输出心房颤动的概率；从而不需要额外设备和专业医护人员协助，仅利用智能终端设备的摄像头即可对当前用户的心房颤动的现象进行分析和评估，使得该方法、系统和设备具有更好的便捷性和实时性；并且利用神经网络模型，能有效分析用户数据，满足了精确度的要求，减小了错误评估的可能性。

An Assessment Method, System and Equipment for Atrial Fibrillation

The embodiment of the present invention provides an evaluation method, system and equipment for atrial fibrillation, which acquires pulse waveform by a camera based on mobile intelligent terminal; extracts a preset number of RR intervals based on the pulse waveform, and composes a preset number of RR intervals into a RR interval sequence; inputs the RR interval sequence into a trained neural network model, and outputs the probability of atrial fibrillation, thus eliminating the need for an amount of RR intervals. With the assistance of external equipment and professional medical staff, the phenomenon of atrial fibrillation of current users can be analyzed and evaluated only by using the camera of intelligent terminal equipment, which makes the method, system and equipment more convenient and real-time; moreover, the use of neural network model can effectively analyze user data, meet the requirements of accuracy and reduce the possibility of error assessment.

【技术实现步骤摘要】
一种心房颤动的评估方法、系统和设备
本专利技术实施例涉及健康评估
，更具体地，涉及一种心房颤动的评估方法、系统和设备。
技术介绍
心房颤动(AF)是一种比较常见的心律现象，出现该现象的人口数量占总人口数量的1-2％，且伴随着年龄的增长而增加，心房颤动的现象与许多心脏病的发病率和死亡率相关，是诊断许多疾病的重要依据，例如栓塞性中风。因此，心房颤动的早期评估对于预防中风和降低相关并发症的风险具有重要意义。现阶段心房颤动的评估主要依靠心电图，基于房颤患者心电图的异常特征，检测房颤的研究主要有三种方法：1、基于心房活动分析的方法；2、基于心室响应分析的方法；3、以上两种方法的组合方法。基于心房活动分析的方法主要通过对TQ间隔中缺少P波或出现f波的分析，但由于T波幅度小，易受噪声影响。基于心室响应分析的方法是以往研究中最主要的方法，这种方法在心率由药物或起搏器控制时可导致错误评估。结合上述两种方法的组合方法包括基于RR区间马尔可夫模型的方法和模糊逻辑分类方法。以上的心房颤动的评估主要通过医院的专业设备进行动态心电图的连续观测，一方面采集心电图需要额外设备和专业医护人员，不便于随时随地检测心脏的健康状况，另一方面，评估的精确度不高，容易造成错误的评估。
技术实现思路
为了克服上述问题或者至少部分地解决上述问题，本专利技术实施例提供一种心房颤动的评估方法、系统和设备。本专利技术实施例提供一种心房颤动的评估方法，包括：基于移动智能终端的摄像头获取脉搏波形；基于脉搏波形提取预设数量个RR间期，将预设数量个RR间期组成RR间期序列；将RR间期序列输入到已训练的神经网络模型，输出心房颤动的概率。其中，基于移动智能终端的摄像头获取脉搏波形，包括：控制移动智能终端的摄像头闪光灯照射小动脉；控制移动智能终端的摄像头采集摄像头闪光灯照射小动脉的反射光的强度变化；根据摄像头采集的反射光的强度变化获取脉搏波形。其中，基于脉搏波形提取预设数量个RR间期，包括：确定脉搏波形中的峰值点；提取相邻的峰值点之间的时间间隔，将连续的预设数量个相邻的峰值点之间的时间间隔作为预设数量个RR间期。其中，基于脉搏波形提取预设数量个RR间期之前，还包括：对脉搏波形进行去噪处理。其中，神经网络模型的训练步骤包括：将每一RR间期序列作为一个样本，提取每一样本的时域特征、频域特征和非线性特征，其中，每一RR间期序列包括预设数量个RR间期；将样本集中预设比例的样本组成训练集，将训练集中每一样本的时域特征、频域特征和非线性特征以及每一样本对应的标签输入到神经网络模型，对神经网络模型进行训练。其中，将训练集中每一样本的时域特征、频域特征和非线性特征以及每一样本对应的标签输入到神经网络模型，对神经网络模型进行训练之后，还包括：将样本集中训练集以外的样本组成测试集，将测试集中每一样本的时域特征、频域特征和非线性特征以及每一样本对应的标签输入到神经网络模型，对神经网络模型进行测试。本专利技术实施例还提供一种心房颤动的评估系统，包括：移动智能终端、脉搏波形获取模块、RR间期提取模块和心房颤动评估模块；脉搏波形获取模块，用于基于移动智能终端的摄像头获取脉搏波形；RR间期提取模块，用于基于脉搏波形提取预设数量个RR间期，将预设数量个RR间期组成RR间期序列；心房颤动评估模块，用于将RR间期序列输入到已训练的神经网络模型，输出心房颤动的概率。其中，该系统还包括脉搏波形去噪模块；脉搏波形去噪模块，用于对脉搏波形进行去噪处理。本专利技术实施例还提供一种心房颤动的评估设备，包括：至少一个处理器、至少一个存储器和通信总线；其中：处理器与存储器通过通信总线完成相互间的通信；存储器存储有可被处理器执行的程序指令，处理器调用程序指令以执行上述方法。本专利技术实施例还提供一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储计算机程序，该计算机程序使计算机执行上述的方法。本专利技术实施例提供的一种心房颤动的评估方法、系统和设备，通过基于移动智能终端的摄像头获取脉搏波形；基于脉搏波形提取预设数量个RR间期，将预设数量个RR间期组成RR间期序列；将RR间期序列输入到已训练的神经网络模型，输出心房颤动的概率；从而不需要额外设备和专业医护人员协助，仅利用智能终端设备的摄像头即可对当前用户的心房颤动的现象进行分析和评估，使得该方法、系统和设备具有更好的便捷性和实时性；并且利用神经网络模型，能有效分析用户数据，满足了精确度的要求，减小了错误评估的可能性。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为根据本专利技术实施例的心房颤动的评估方法的流程图；图2为根据本专利技术实施例的心房颤动的评估系统的示意图；图3为根据本专利技术实施例的心房颤动的评估设备的示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术实施例提供一种心房颤动的评估方法，参考图1，包括：S11，基于移动智能终端的摄像头获取脉搏波形；S12，基于脉搏波形提取预设数量个RR间期，将预设数量个RR间期组成RR间期序列；S13，将RR间期序列输入到已训练的神经网络模型，输出心房颤动的概率。具体地，心房颤动与心率有关，因此通常情况下会通过心电图实现对心房颤动这一现象进行评估。由于心率也能通过脉搏来体现，本实施例的心房颤动的评估方法，利用摄像头的摄像功能，通过一定的方式拍摄人体脉搏的搏动，就可以通过拍摄得到的数据获取到脉搏波形；由于移动智能终端均携带有摄像头，利用移动智能终端的摄像头来获取脉搏波形，可达到充分利用身边的移动智能终端的目的，达到更好的便捷性和实时性，例如移动智能终端包括手机、平板电脑、掌上电脑等。心电图RR间期是指心电波形的两个相邻R波之间的时间间隔，RR间期实质上是代表时间段的数值，包含多个RR间期的RR间期序列可以看做是一个序列的数值，能表现出一定的规律来，通过已训练的神经网络模型对RR间期序列进行分析，就可以得到心房颤动的概率。本实施例中，脉搏波形在一定程度上也能反映心电波形，通过脉搏波形也能提取到RR间期，预设数量个RR间期组成的RR间期序列输入到已训练的神经网络模型，最终可得到心房颤动的概率，RR间期序列中RR间期的预设数量过多会增大计算量，过少则会影响评估精度，本实施例中，预设数量可选择32个。本实施例通过基于移动智能终端的摄像头获取脉搏波形；基于脉搏波形提取预设数量个RR间期，将预设数量个RR间期组成RR间期序列；将RR间期序列输入到已训练的神经网络模型，输出心房颤动的概率；从而不需要额外设备和专业医护人员协助，仅利用智能终端设备的摄像头即可对当前用户的心房颤动的现象进行分析和评估，使得该方法、系统和设备具有更好的便捷性和实时性；并且利用神经网络模型，能有效本文档来自技高网...

【技术保护点】
1.一种心房颤动的评估方法，其特征在于，包括：基于移动智能终端的摄像头获取脉搏波形；基于所述脉搏波形提取预设数量个RR间期，将所述预设数量个RR间期组成RR间期序列；将所述RR间期序列输入到已训练的神经网络模型，输出心房颤动的概率。

【技术特征摘要】
1.一种心房颤动的评估方法，其特征在于，包括：基于移动智能终端的摄像头获取脉搏波形；基于所述脉搏波形提取预设数量个RR间期，将所述预设数量个RR间期组成RR间期序列；将所述RR间期序列输入到已训练的神经网络模型，输出心房颤动的概率。2.根据权利要求1所述的方法，其特征在于，所述基于移动智能终端的摄像头获取脉搏波形，包括：控制所述移动智能终端的摄像头闪光灯照射小动脉；控制所述移动智能终端的摄像头采集所述摄像头闪光灯照射所述小动脉的反射光的强度变化；根据所述摄像头采集的所述反射光的强度变化获取所述脉搏波形。3.根据权利要求1所述的方法，其特征在于，所述基于所述脉搏波形提取预设数量个RR间期，包括：确定所述脉搏波形中的峰值点；提取相邻的峰值点之间的时间间隔，将连续的所述预设数量个相邻的峰值点之间的时间间隔作为所述预设数量个RR间期。4.根据权利要求1所述的方法，其特征在于，所述基于所述脉搏波形提取预设数量个RR间期之前，还包括：对所述脉搏波形进行去噪处理。5.根据权利要求1所述的方法，其特征在于，所述神经网络模型的训练步骤包括：将每一RR间期序列作为一个样本，提取每一样本的时域特征、频域特征和非线性特征，其中，每一RR间期序列包括所述预设数量个RR间期；将样本集中预设比例的样本组成训练集，将所述训练集中每一样本的时域特征、频域特征和非线性特征以及每一样本对应的标签输入到所述神经网络模型，对所述神经网络模型进行训练。6.根据权利要求5所述的方...

【专利技术属性】
技术研发人员：周晓光，刘娜，王露笛，赵力子，于清，周葳，杨理培，陶惺祥，党豪，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：北京,11