心律失常的识别方法和可穿戴设备技术

本申请提供一种心律失常的识别方法和可穿戴设备，该方法包括：可穿戴设备获取用户的心率数据；根据心率数据和庞卡莱图，确定心率数据的第一特征和第二特征，第一特征为庞卡莱图的原点到第一直线的距离的标准差，第一直线为在庞卡莱图中位于2区域的第一心率数据和在庞卡莱图中位于4区域的第二心率数据构成的直线，第二特征为庞卡莱图的原点到第二直线的距离的标准差，第二直线为在庞卡莱图中位于4区域的第三心率数据和在庞卡莱图中位于2区域的第四心率数据构成的直线；可穿戴设备将目标特征输入至识别模型，得到识别结果，识别模型用于基于输入识别心律是否失常。这样，有利于提高心律失常的识别准确率。高心律失常的识别准确率。高心律失常的识别准确率。

【技术实现步骤摘要】
心律失常的识别方法和可穿戴设备


[0001]本申请涉及终端
，尤其涉及一种心律失常的识别方法和可穿戴设备。

技术介绍

[0002]随着可穿戴设备的发展，可穿戴设备可支持的功能越来越多。目前，可穿戴设备可以对用户的心律进行检测，判断用户的心律正常还是失常。
[0003]目前，可穿戴设备可以基于光电容积脉搏波描记法(photo plethysmo graphy，PPG)信号计算用户的平均心率，并基于平均心率识别用户的心律为正常还是失常。
[0004]但是，可穿戴设备经常会出现误识别的现象，从而导致识别准确率较低。例如，可穿戴设备将正常心律误识别为心律失常(例如早搏)，或者，可穿戴设备将心律失常(例如房颤)误识别为正常心律等等。

技术实现思路

[0005]本申请提供一种心律失常的识别方法和可穿戴设备，应用于终端
，有利于提高心律失常的识别准确率。
[0006]第一方面，本申请提供一种心律失常的识别方法，该方法包括：获取用户的心率数据；根据心率数据和庞卡莱图，确定心率数据的目标特征，目标特征包括第一特征和第二特征，第一特征为庞卡莱图的原点到第一直线的距离的标准差，第一直线为在庞卡莱图中位于2区域的第一心率数据和在庞卡莱图中位于4区域的第二心率数据构成的直线，第一心率数据的获取时间早于第二心率数据的获取时间、且第一心率数据的获取时间与第二心率数据的获取时间相邻，第二特征为庞卡莱图的原点到第二直线的距离的标准差，第二直线为在庞卡莱图中位于4区域的第三心率数据和在庞卡莱图中位于2区域的第四心率数据构成的直线，第三心率数据的获取时间早于第四心率数据的获取时间、且第三心率数据的获取时间与第四心率数据的获取时间相邻；将目标特征输入至识别模型，得到识别结果，识别模型用于基于输入识别心律是否失常。
[0007]用户的心率数据是用户在连续的一段时长内的心率数据，心率数据可以以集合或者数组的形式表示，本申请对此不作限定。用户的心率数据可以基于用户的PPG信号得到，但本申请并不限于此。若用户的心率数据基于用户的PPG信号得到，具体的实现方式可以是可穿戴设备基于用户的PPG信号获取峰值数据，再基于峰值数据获取心博间期(inter
‑
beat interval，IBI)数据，然后基于IBI数据得到心率数据。具体的计算方法可以参考实施例中图5所示的S209～S211。
[0008]若用户的心率数据以集合的形式表示，心率数据可以称为心率集合，可以用符号HR表示。若心率集合中包括q
‑
1个元素，则HR＝[HR1,HR2,
…
,HR
q
‑1]。庞卡莱图以原点(0,0)为中心，上下左右以心率差值的最大值为界，或者，以原点为中心，上下左右不设界限。
[0009]可穿戴设备可以基于心率数据，计算相邻心率数据的差值，并基于差值数据确定在庞卡莱图中的区域，提取目标特征。
[0010]示例性地，心率集合HR＝[HR1,HR2,
…
,HR
q
‑1]，则心率差值也可以用差值集合表示。差值集合可以用ΔHR表示，ΔHR＝[ΔHR1,ΔHR2,
…
,ΔHR
q
‑2]，其中，ΔHR1＝HR2‑
HR1，ΔHR2＝HR3‑
HR2，
……
，ΔHR
q
‑2＝HR
q
‑1‑
HR
q
‑2。庞卡莱图的横坐标可以用ΔHR
i+1
表示，纵坐标可以用ΔHR
i
表示。可穿戴设备可以根据差值集合ΔHR中各个相邻元素(例如ΔHR1和ΔHR2,、ΔHR
q
‑3和ΔHR
q
‑2等等)构建坐标，得到坐标集合。坐标集合可以用W表示，则W＝[W1,W2,
…
,W
q
‑3]。其中，W1＝(ΔHR2,ΔHR1)，W2＝(ΔHR3,ΔHR2)，
……
，W
q
‑3＝(ΔHR
q
‑2,ΔHR
q
‑3)。庞卡莱图可以包括9个区域，这9个区域分别为0区域、1区域、2区域、3区域、4区域、5区域、6区域、7区域以及8区域。0区域的范围可以为(
‑
5≤HR
i+1
≤5,
‑
5≤HR
i
≤5)，1区域的范围可以为(5＜HR
i+1
,
‑
5≤HR
i
≤5)，2区域的范围可以为(HR
i+1
<
‑
5,5＜HR
i
)，3区域的范围可以为(
‑
5≤HR
i+1
≤5,HR
i
<
‑
5)，4区域的范围可以为(5＜HR
i+1
,HR
i
<
‑
5)，5区域的范围可以为(
‑
5≤HR
i+1
≤5,5<HR
i
)，6区域的范围可以为(HR
i+1
＜
‑
5,
‑
5≤HR
i
≤5)，7区域的范围可以为(5＜HR
i+1
,5＜HR
i
)，8区域的范围可以为(HR
i+1
<
‑
5,HR
i
＜
‑
5)。可穿戴设备可以根据坐标集合W中的坐标点和这9个区域的范围确定坐标点在庞卡莱图中的区域，提取目标特征。
[0011]差值数据中相邻差值组成的坐标点可以通过坐标集合W表示，则第一心率数据、第二心率数据、第三心率数据以及第四心率数据均是坐标集合W中元素。第一心率数据和第四心率数据在庞卡莱图中位于2区域，则第一心率数据和第四心率数据均可以称为坐标集合W中位于2区域的元素。第二心率数据和第三心率数据在庞卡莱图中位于4区域，则第二心率数据和第三心率数据均可以称为坐标集合W中位于4区域的元素。
[0012]第一心率数据的获取时间早于第二心率数据的获取时间、且第一心率数据的获取时间与第二心率数据的获取时间相邻，换句话说，第一心率数据在坐标集合W的位置在第二心率数据在坐标集合W的位置之前、且第一心率数据在坐标集合W的位置与第二心率数据在坐标集合W的位置相邻。第三心率数据的获取时间早于第四心率数据的获取时间、且第三心率数据的获取时间与第二心率数据的获取时间相邻，换句话说，第一心率数据在坐标集合W的位置在第二心率数据在坐标集合W的位置之前、且第一心率数据在坐标集合W的位置与第二心率数据在坐标集合W的位置相邻。
[0013]第一特征为庞卡莱图的原点(0,0)到第一直线的距离的标准差，第二特征为庞卡莱图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种心律失常的识别方法，其特征在于，包括：获取用户的心率数据；根据所述心率数据和庞卡莱图，确定所述心率数据的目标特征，所述目标特征包括第一特征和第二特征，所述第一特征为所述庞卡莱图的原点到第一直线的距离的标准差，所述第一直线为在所述庞卡莱图中位于2区域的第一心率数据和在所述庞卡莱图中位于4区域的第二心率数据构成的直线，所述第一心率数据的获取时间早于所述第二心率数据的获取时间、且所述第一心率数据的获取时间与所述第二心率数据的获取时间相邻，所述第二特征为所述庞卡莱图的原点到第二直线的距离的标准差，所述第二直线为在所述庞卡莱图中位于4区域的第三心率数据和在所述庞卡莱图中位于2区域的第四心率数据构成的直线，所述第三心率数据的获取时间早于所述第四心率数据的获取时间、且所述第三心率数据的获取时间与所述第四心率数据的获取时间相邻；将所述目标特征输入至识别模型，得到识别结果，所述识别模型用于基于输入识别心律是否失常。2.根据权利要求1所述的方法，其特征在于，所述目标特征还包括第三特征和第四特征，所述第三特征为所述第一直线对应的角度的模，所述第四特征为所述第二直线对应的角度的模。3.根据权利要求1或2所述的方法，其特征在于，所述目标特征还包括第五特征和第六特征，所述第五特征为所述第一直线对应的角度的标准差，所述第六特征为所述第二直线对应的角度的标准差。4.根据权利要求1至3中任一项所述的方法，其特征在于，所述目标特征还包括第七特征、第八特征以及第九特征，所述第七特征为所述心率数据在所述庞卡莱图中位于0区域的数据个数与所述心率数据的总个数的比值，所述第八特征为所述心率数据在所述庞卡莱图中分别位于1区域、2区域以及3区域的相邻三个心率数据中以位于2区域的心率数据为顶点的角度的标准差，所述第九特征为所述心率数据在所述庞卡莱图中分别位于6区域、4区域以及5区域的相邻三个心率数据中以位于4区域的心率数据为顶点的角度的标准差。5.根据权利要求1至4中任一项所述的方法，其特征在于，所述心率数据基于光电容积脉搏波描记法PPG信号的心博间期IBI数据得到，所述目标特征还包括以下中的至少一个：IBI数据中各个相邻数据的差值中大于50毫秒的个数与IBI数据中总个数的比值，IBI数据的均值，IBI数据的中位数，IBI数据的标准差，IBI数据中各个相邻数据的差值的均方根，或者，IBI数据中各个相邻数据的差值的标准差。6.根据权利要求1至5中任...

【专利技术属性】
技术研发人员：马瑞青，李丹洪，陆晨曦，张晓武，
申请(专利权)人：荣耀终端有限公司，
类型：发明
国别省市：