一种基于智能终端的心血管检测方法技术

本发明专利技术公开了一种基于智能终端的心血管检测方法，包括以下步骤：步骤S1、在心血管病案大数据中抽取多组心血管病例作为病例样本，并基于病例样本构建病种识别模型；步骤S2、在心血管病案大数据中获取心血管疾病类别间的并发特征和心血管疾病类别的诊断指标，并基于所述并发特征和诊断指标构建并发指引思维导图，所述并发指引思维导图用于根据所述已发性的心血管疾病类别指引出存在并发性的心血管疾病类别。本发明专利技术对与已病发的心血管疾病类别存在并发可能性的心血管疾病类别进行密切关注，实现对存在并发可能性的心血管疾病类别的生理信号进行高频捕捉，能在病发初期即可识别预警，降低并发性的心血管疾病类别的病发造成的危险性。危险性。危险性。

【技术实现步骤摘要】
一种基于智能终端的心血管检测方法


[0001]本专利技术涉及智能医疗
，具体涉及一种基于智能终端的心血管检测方法。

技术介绍

[0002]心血管疾病已经成为一种非常普遍的疾病，严重威胁着人类的健康。然而，在我国医疗资源相对匮乏、老龄化加剧的大背景下，智能化、个性化的医疗诊断方式拥有巨大的发展前景。未来，能够融合多生理参数的可穿戴健康监护设备将成为数字化移动医疗的主力军。
[0003]在众多生理信号中，心电信号是检测心脏疾病的重要手段，尤其是具有突发性和随机性的心血管疾病。而脉搏波呈现出的形态、强度和速率等方面的信息，反映人体心血管系统的重要生理病理信息。心电和脉搏信号属于微弱信号，幅值低，频率低，所以在提取心脉信号的过程中，极易受到各种干扰。
[0004]专利号为CN201811085130.4公开了一种基于多生理信号深度融合的心血管疾病预警系统。包括佩戴装置、多生理信号采集装置、传输装置、智能终端设备和云端服务器；多生理信号采集装置和传输装置均设置在佩戴装置上；多生理信号采集装置采集被检测者的生理信号并通过传输装置将采集的生理信号数据传输到智能终端设备；智能终端设备内置程序，判断被检测者是否有心血管疾病风险，并将处理的生理信号传送至云端服务器；所述云端服务器内置程序，对佩戴者的多生理信号进行疾病分类和诊断，并反馈给智能终端；本专利技术提供的基于多生理信号深度融合的心血管疾病预警系统，为心脏功能的评估和心脏疾病的诊断提供更加准确的参考。
[0005]上述现有技术虽然为心脏功能的评估和心脏疾病的诊断提供更加准确的参考，能够实现疾病预警，但是仍存在一定的缺陷，比如：生理信号超健康阈值时，需要对该生理信号进行更为密切的监测，以更快的获得一组诊断信号，快速识别出目标对象的疾病类别，而在生理信号不超健康阈值时，说明生理信号在健康状态下，则无需过于密切的监测，因此上述技术对于多生理信号均是按频率无差别式监测，在生理信号不超健康阈值只会造成监测终端的高频监测资源的浪费，而在生理信号超健康阈值时可能会造成对诊断信号的遗漏，最终导致心血管疾病监测精度的降低，造成目标对象的生命财产受损。

技术实现思路

[0006]本专利技术的目的在于提供一种基于智能终端的心血管检测方法，以解决现有技术中对于多生理信号均是按无差别式监测，在生理信号不超健康阈值只会造成监测终端的高频监测资源的浪费，而在生理信号超健康阈值时可能会造成对诊断信号的遗漏，最终导致心血管疾病监测精度的降低的技术问题。
[0007]为解决上述技术问题，本专利技术具体提供下述技术方案：
[0008]一种基于智能终端的心血管检测方法，包括以下步骤：
[0009]步骤S1、在心血管病案大数据中抽取多组心血管病例作为病例样本，并基于病例
样本构建病种识别模型，所述病种识别模型用于根据生理信号识别出已发性的心血管疾病类别，所述生理信号表征为判定所述已发性的心血管疾病类别的诊断指标；
[0010]步骤S2、在心血管病案大数据中获取心血管疾病类别间的并发特征和心血管疾病类别的诊断指标，并基于所述并发特征和诊断指标构建并发指引思维导图，所述并发指引思维导图用于根据所述已发性的心血管疾病类别指引出存在并发性的心血管疾病类别；
[0011]步骤S3、监测终端以固定频率实时监测目标对象多个类别的生理信号，并同步提取出超健康阈值的生理信号，将超健康阈值的生理信号的监测频率由所述固定频率调整为自适应频率，以所述自适应频率对所述超健康阈值的生理信号进行定时长监测得到一组用于判定心血管疾病类别的生理信号作为诊断信号，再将所述诊断信号通过病种识别模型得到目标对象的已发性的心血管疾病类别，同步将目标对象的已发性的心血管疾病类别反馈至并发指引思维导图，所述超健康阈值的生理信号表征为目标对象中脱离健康状态呈现为异常状态的生理信号；
[0012]步骤S4、利用并发思维导图根据所述目标对象的已发性的心血管疾病类别输出并发性的心血管疾病类别以及并发性的心血管疾病类别的诊断指标，同步反馈至监测终端将与并发性的心血管疾病类别的诊断指标相同的生理信号的固定频率进行提高，以提高后的固定频率对所述并发性的心血管疾病类别的诊断指标相同的生理信号进行实时监测，以提高对并发性的心血管疾病类别的关注度来保障并发性的心血管疾病的病发检测具有高时效性。
[0013]作为本专利技术的一种优选方案，在心血管病案大数据中抽取多组心血管病例作为病例样本，并基于病例样本构建病种识别模型，包括：
[0014]依次在每个所述心血管病例的病案报告中提取出一组用于诊断出心血管病例已发性的心血管疾病类别的生理信号作为样本数据，并将心血管病例所患的已发性的心血管疾病类别作为一组生理信号的样本标签，再将所述样本数据和样本标签进行组合得到病例样本，所述病例样本标记为[生理信号，已发性的心血管疾病类别]；
[0015]利用BP神经网络对所述生理信号和已发性的心血管疾病类别构建表征生理信号和已发性的心血管疾病类别非线性映射关系的映射模型作为病种识别模型，所述病种识别模型的函数表达式为：
[0016]Z
y
＝BP[X
y
]；
[0017]式中，Z
y
表征第y个病例样本的已发性的心血管疾病类别，X
y
表征为第y个病例样本的生理信号，BP表征为BP神经网络；
[0018]将所有病例样本以数据量为6:4分割成训练集和测试集带入病种识别模型进行模型训练以使得病种识别模型准确映射出生理信号和已发性的心血管疾病类别的非线性关系。
[0019]作为本专利技术的一种优选方案，所述在心血管病案大数据中获取心血管疾病类别间的并发特征和心血管疾病类别的诊断指标，包括：
[0020]在所述心血管病案大数据中依次统计出每个已发性的心血管疾病类别的心血管病例总数，以及统计出每个已发性的心血管疾病类别中所有心血管病例具有的所有并发性的心血管疾病类别；
[0021]在每个已发性的心血管疾病类别中统计出每个并发性的心血管疾病类别的心血
管病例总数，并将每个并发性的心血管疾病类别的心血管病例总数与每个已发性的心血管疾病类别的心血管病例总数的比值作为每个并发性的心血管疾病类别的发病率；
[0022]在每个已发性的心血管疾病类别中将发病率超过60％的并发性的心血管疾病类别作为对应的已发性的心血管疾病类别的并发特征，所述并发特征表征为已发性的心血管疾病类别的所有并发性的心血管疾病类别；
[0023]在所述心血管病案大数据中依次统计出每个已发性的心血管疾病类别的诊断指标，并在每个已发性的心血管疾病类别中统计出每个诊断指标应用的心血管病例总数，将所述每个诊断指标应用的心血管病例总数与每个已发性的心血管疾病类别的心血管病例总数的比值作为每个诊断指标的应用率；
[0024]在每个已发性的心血管疾病类别中选取最高应用率对应的诊断指标作为对应的心血管疾病类别的诊断指标。
[0025]作为本专利技术的一种优选方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于智能终端的心血管检测方法，其特征在于，包括以下步骤：步骤S1、在心血管病案大数据中抽取多组心血管病例作为病例样本，并基于病例样本构建病种识别模型，所述病种识别模型用于根据生理信号识别出已发性的心血管疾病类别，所述生理信号表征为判定所述已发性的心血管疾病类别的诊断指标；步骤S2、在心血管病案大数据中获取心血管疾病类别间的并发特征和心血管疾病类别的诊断指标，并基于所述并发特征和诊断指标构建并发指引思维导图，所述并发指引思维导图用于根据所述已发性的心血管疾病类别指引出存在并发性的心血管疾病类别；步骤S3、监测终端以固定频率实时监测目标对象多个类别的生理信号，并同步提取出超健康阈值的生理信号，将超健康阈值的生理信号的监测频率由所述固定频率调整为自适应频率，以所述自适应频率对所述超健康阈值的生理信号进行定时长监测得到一组用于判定心血管疾病类别的生理信号作为诊断信号，再将所述诊断信号通过病种识别模型得到目标对象的已发性的心血管疾病类别，同步将目标对象的已发性的心血管疾病类别反馈至并发指引思维导图，所述超健康阈值的生理信号表征为目标对象中脱离健康状态呈现为异常状态的生理信号；步骤S4、利用并发思维导图根据所述目标对象的已发性的心血管疾病类别输出并发性的心血管疾病类别以及并发性的心血管疾病类别的诊断指标，同步反馈至监测终端将与并发性的心血管疾病类别的诊断指标相同的生理信号的固定频率进行提高，以提高后的固定频率对所述并发性的心血管疾病类别的诊断指标相同的生理信号进行实时监测，以提高对并发性的心血管疾病类别的关注度来保障并发性的心血管疾病的病发检测具有高时效性。2.根据权利要求1所述的一种基于智能终端的心血管检测方法，其特征在于：在心血管病案大数据中抽取多组心血管病例作为病例样本，并基于病例样本构建病种识别模型，包括：依次在每个所述心血管病例的病案报告中提取出一组用于诊断出心血管病例已发性的心血管疾病类别的生理信号作为样本数据，并将心血管病例所患的已发性的心血管疾病类别作为一组生理信号的样本标签，再将所述样本数据和样本标签进行组合得到病例样本，所述病例样本标记为[生理信号，已发性的心血管疾病类别]；利用BP神经网络对所述生理信号和已发性的心血管疾病类别构建表征生理信号和已发性的心血管疾病类别非线性映射关系的映射模型作为病种识别模型，所述病种识别模型的函数表达式为：Z
y
＝BP[X
y
]；式中，Z
y
表征第y个病例样本的已发性的心血管疾病类别，X
y
表征为第y个病例样本的生理信号，BP表征为BP神经网络；将所有病例样本以数据量为6:4分割成训练集和测试集带入病种识别模型进行模型训练以使得病种识别模型准确映射出生理信号和已发性的心血管疾病类别的非线性关系。3.根据权利要求2所述的一种基于智能终端的心血管检测方法，其特征在于：所述在心血管病案大数据中获取心血管疾病类别间的并发特征和心血管疾病类别的诊断指标，包括：在所述心血管病案大数据中依次统计出每个已发性的心血管疾病类别的心血管病例总数，以及统计出每个已发性的心血管疾病类别中所有心血管病例具有的所有并发性的心
血管疾病类别；在每个已发性的心血管疾病类别中统计出每个并发性的心血管疾病类别的心血管病例总数，并将每个并发性的心血管疾病类别的心血管病例总数与每个已发性的心血管疾病类别的心血管病例总数的比值作为每个并发性的心血管疾病类别的发病率；在每个已发性的心血管疾病类别中将发病率超过60％的并发性的心血管疾病类别作为对应的已发性的心血管疾病类别的并发特征，所述并发特征表征为已发性的心血管疾病类别的所有并发性的心血管疾病类别；在所述心血管病案大数据中依次统计出每个已发性的心血管疾病类别的诊断指标，并在每个已发性的心血管疾病类别中统计出每个诊断指标应用的心血管病例总数，将所述每个诊断指标应用的心血管病例总数与每个已发性的心血管疾病类别的心血管病例总数的比值作为每个诊断指标的应用率；在每个已发性的心血管疾病类别中选取最高应用率对应的诊断指标作为对应的心血管疾病类别的诊断指标。4.根据权利要求3所述的一种基于智能终端的心血管检测方法，其特征在于：所述基于所述并发特征和诊断指标构建并发指引思维导图，包括：将心血管疾病并发指引作为核心主题，将所述并发特征作为已发性的心血管疾病类别的第一分支主题，以及将诊断指标作为已发性的心血管疾病类别的第一分支主题；将所有的所述已发性的心血管疾病类别均作为并联在核心主题处的主节点，将所述并发特征中所有的并发性心血管疾病类别作为并联在第一分支主题处的第一分支节点，以及将诊断指标对应的生理信号类别作为连接第二分支主题处的第二分支节点；所述第二分支主题与第一分支主题并联在每个所述主节点处，以实现将核心主题、第一分支主题、第一分支主题、主节点、第一分支节点和第二分...

【专利技术属性】
技术研发人员：张健，余逸超，孙伟，李小荣，陈晓栋，
申请(专利权)人：江苏省人民医院南京医科大学第一附属医院，
类型：发明
国别省市：