【技术实现步骤摘要】
【国外来华专利技术】
本公开涉及心房颤动判定系统。更具体而言，涉及使用光电容积描记法(photoplethysmography，ppg)信号感测戒指的基于深度学习的心房颤动判定系统。
技术介绍
1、心房颤动是在心房发生的、导致脉搏不规则的心律失常疾病。心房颤动间歇地发生，并且，为了通过在现有技术中广泛使用的心电图(electrocardiogram，ecg)接收诊断以判定心房颤动应当访问医院，因此难以在早期进行诊断。然而，若伴随可靠水平的持续性监督，可以在早期发现并管理患者来减轻风险。因此需要用于在日常生活中实时监督心房颤动的系统和方法。
技术实现思路
1、技术问题
2、本公开要解决的问题是提供使用光电容积描记法(photoplethysmograpy，ppg)信号感测戒指的基于深度学习的心房颤动判定系统。
3、技术方案
4、为了解决所述问题，根据本公开一实施例的使用ppg信号感测戒指的基于深度学习的心房颤动判定系统包括服务器，所述服务器包括信号质量分类部件和心房颤动判定部件，所述信号质量分类部件被配置为将ppg信号的质量分类为好或不好，所述心房颤动判定部件被配置为使用深度学习根据所述ppg信号判定是否发生心房颤动，所述ppg信号是使用所述ppg信号感测戒指测定的，所述服务器从所述ppg信号感测戒指通过终端接收所述ppg信号，所述ppg信号感测戒指包括复数个传感器，所述复数个传感器被配置为在彼此不同的位置分别同时测定复数个ppg信号，所述复数个传感器中的每一个包括光源
5、在一些实施例中，所述复数个测试ppg信号的所述信号质量是可以加速度信号的大小、信噪比，以及交流(alternating current，ac)成分大小与直流(direct current，dc)成分大小之比中的至少一个评价的。
6、在一些实施例中，所述传感器进一步包括心房颤动指标计算部件，被配置为计算心房颤动指标，所述心房颤动指标可以被定义为由所述信号质量分类部件将所述ppg信号的质量分类为好且由所述心房颤动判定部件判定为发生心房颤动的时间与由所述信号质量分类部件将所述ppg信号的质量分类为好的时间的比。
7、在一些实施例中，所述终端可以进一步包括光源控制部件，所述光源控制部件被配置为控制所述复数个传感器中每一个的所述光源，使得使用所述复数个传感器测定的所述复数个测试ppg信号中每一个的dc成分在预设范围内。
8、在一些实施例中，可以依次执行所述光源控制部件对光源的控制和所述传感器选择部件对传感器的选择，并且，可以周期性地执行所述光源控制部件对所述光源的控制和所述传感器选择部件对所述传感器的选择。
9、根据本公开一实施例的使用ppg信号感测戒指的基于深度学习的心房颤动判定方法包括接收从ppg信号感测戒指通过终端接收的ppg信号、将所述ppg信号的质量分类为好或坏，以及使用深度学习模型根据所述ppg信号判定是否发生心房颤动，其中，所述ppg信号感测戒指包括复数个传感器，所述复数个被配置为在彼此不同的位置分别同时测定复数个ppg信号，所述复数个传感器中的每一个包括光源和光电转换装置，所述ppg信号是使用所述ppg信号感测戒指测定的，所述服务器从所述ppg信号感测戒指通过终端接收所述ppg信号，所述终端可以包括传感器选择部件，所述传感器选择部件被配置为在所述复数个传感器中选择测定在复数个测试ppg信号中信号质量最高的测试ppg信号的传感器作为用于测定所述ppg信号的传感器。
10、在一些实施例中，所述复数个测试ppg信号的所述信号质量是可以加速度信号的大小、信噪比，以及ac成分大小对dc成分大小之比中的至少一个评价的。
11、在一些实施例中，所述方法可以进一步包括计算心房颤动指标，所述心房颤动指标可以被定义为由所述信号质量分类部件将所述ppg信号的质量分类为好且由所述心房颤动判定部件判定为发生心房颤动的时间与由所述信号质量分类部件将所述ppg信号的质量分类为好的时间的比例。
12、在一些实施例中，所述终端可以进一步包括光源控制部件，所述光源控制部件被配置为控制所述复数个传感器中每一个的所述光源，使得使用所述复数个传感器测定的所述复数个测试ppg信号中每一个的dc成分在预设范围内。
13、在一些实施例中，可以依次执行所述光源控制部件对光源的控制和所述传感器选择部件对传感器的选择，且可以周期性地执行所述光源控制部件对所述光源控的制和所述传感器选择部件对所述传感器的选择。
14、有益效果
15、提供一种使用ppg信号感测戒指的基于深度学习的心房颤动判定系统。根据本专利技术，可以在日常中不断、容易监督心房颤动。根据本专利技术，ppg信号感测戒指可以包括复数个传感器。可以在复数个传感器中选择ppg信号的信号质量优异的传感器。因此，可以针对根据使用者不同的血管位置和形状选择传感器。
本文档来自技高网...【技术保护点】
1.一种使用光电容积描记法(Photoplethysmography，PPG)信号感测戒指的、基于深度学习的心房颤动判定系统，其特征在于，所述系统包括服务器，所述服务器包括：
2.根据权利要求1所述的基于深度学习的心房颤动判定系统，其特征在于，
3.根据权利要求1所述的基于深度学习的心房颤动判定系统，其特征在于，
4.根据权利要求1所述的基于深度学习的心房颤动判定系统，其特征在于，
5.根据权利要求4所述的使用PPG信号感测戒指的基于深度学习的心房颤动判定系统，其特征在于，
6.一种使用光电容积描记法(Photoplethysmography，PPG)信号感测戒指的基于深度学习的心房颤动判定方法，其包括：
7.根据权利要求6所述的使用PPG信号感测戒指的基于深度学习的心房颤动判定方法，其特征在于，
8.根据权利要求6所述的使用PPG信号感测戒指的基于深度学习的心房颤动判定方法，其特征在于，
9.根据权利要求6所述的使用PPG信号感测戒指的基于深度学习的心房颤动判定方法，其特征在于，p>
10.根据权利要求9所述的使用PPG信号感测戒指的基于深度学习的心房颤动判定方法，其特征在于，
...【技术特征摘要】
【国外来华专利技术】
1.一种使用光电容积描记法(photoplethysmography，ppg)信号感测戒指的、基于深度学习的心房颤动判定系统，其特征在于，所述系统包括服务器，所述服务器包括：
2.根据权利要求1所述的基于深度学习的心房颤动判定系统，其特征在于，
3.根据权利要求1所述的基于深度学习的心房颤动判定系统，其特征在于，
4.根据权利要求1所述的基于深度学习的心房颤动判定系统，其特征在于，
5.根据权利要求4所述的使用ppg信号感测戒指的基于深度学习的心房颤动判定系统，其特征在于，
6.一种使...
【专利技术属性】
技术研发人员：张炯玟，金海娜，赵盛美，李敏珩，金畅弦，崔彰佑，李炳焕，
申请(专利权)人：天空实验室股份公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。