心率预测模型的训练方法及装置、电子设备、存储介质制造方法及图纸

本申请提供一种心率预测模型的训练方法及装置、电子设备、存储介质，方法包括：S1：将训练集中的样本特征参数输入至注意力模型，获得注意力模型的输出特征参数；其中，样本特征参数携带标签序列，标签序列包括与K个心率类别对应的标签；S2：通过K个心率分类器处理输出特征参数，获得K个心率二分类结果；其中，K个心率分类器对应K个连续的心率类别；S3：根据K个心率二分类结果与标签序列计算预测损失，并基于预测损失对神经网络模型的模型参数进行调整；其中，神经网络模型包括注意力模型和K个心率分类器；S4：重复S1至S3的过程，直至神经网络模型收敛，得到心率预测模型。本申请方案，能够训练出准确实现心率预测的心率预测模型。

【技术实现步骤摘要】

本申请涉及电生理信号处理，特别涉及一种心率预测模型的训练方法及装置、电子设备、计算机可读存储介质。

技术介绍

1、随着人们对身体健康的重视，可穿戴设备(比如：智能手表、智能手腕等)的应用逐渐变得广泛。通过可穿戴设备采集ppg(photoplethysmography，光电容积脉搏波描记法)信号和acc(accelerometer，三轴加速度计)信号，进而以ppg信号和acc信号预测心率，是较为普遍的应用服务。相关方案中，预测方法通常借助回归模型或分类模型来实现。回归模型可以根据输入特征直接预测心率的具体值，然而回归模型大量的超参数调试，复杂程度较高。分类模型将心率划分为若干个类别，通过预测类别来确定当前心率。然而，将心率分为若干类别让模型进行学习，忽略了心率的自然序特征，即心率的变换是一个较为连续、平滑的过程，很难出现心率从40bpm突然跳变到180bpm的情况。这种情况下，一般的分类模型无法实现准确的心率预测。

技术实现思路

1、本申请实施例的目的在于提供一种心率预测模型的训练方法及装置、电子设备、计算机可本文档来自技高网...

【技术保护点】

1.一种心率预测模型的训练方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述训练集的构建方式，包括：

3.根据权利要求2所述的方法，其特征在于，所述分别对所述滤波后样本PPG数据和所述滤波后样本ACC数据进行归一化处理，得到归一化的PPG数据和归一化的ACC数据，包括：

4.根据权利要求2所述的方法，其特征在于，所述基于所述样本PPG数据和所述样本ACC数据对应的真实心率值确定所述样本特征参数的标签序列，包括：

5.根据权利要求1所述的方法，其特征在于，所述根据所述K个心率二分类结果与所述标签序列计算预测损失，包括：<...

【技术特征摘要】

1.一种心率预测模型的训练方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述训练集的构建方式，包括：

3.根据权利要求2所述的方法，其特征在于，所述分别对所述滤波后样本ppg数据和所述滤波后样本acc数据进行归一化处理，得到归一化的ppg数据和归一化的acc数据，包括：

4.根据权利要求2所述的方法，其特征在于，所述基于所述样本ppg数据和所述样本acc数据对应的真实心率值确定所述样本特征参数的标签序列，包括：

5.根据权利要求1所述的方法，其特征在于，所述根据...

【专利技术属性】
技术研发人员：刘畅，卢县，李倩，
申请(专利权)人：恒玄科技上海股份有限公司，
类型：发明
国别省市：