[發明專利]基于深度學習的心率預測方法及裝置

有效

• 申請號: 201810553893.0
• 申請日: 2018-05-31
• 公開（公告）號: CN108926338B
• 公開（公告）日: 2019-06-18
• 發明（設計）人: 高軍峰;黨鑫;榮凡穩;陳冉
• 申請（專利權）人: 中南民族大學
• 主分類號: G16H50/70
• 分類號: G16H50/70
• 代理公司: 北京超凡志成知識產權代理事務所(普通合伙) 11371
• 代理人: 陳劍

1.一種基于深度學習的心率預測方法，其特征在于，所述方法包括：

對長短期記憶網絡LSTM模型依據輸入的運動姿態信號對應的不同運動狀態分別進行訓練，獲得訓練后的最終LSTM模型；

獲取待測的脈搏信號與運動姿態信號；

將待測的所述脈搏信號與所述運動姿態信號輸入預先訓練好的所述最終LSTM模型中，根據所述運動姿態信號對應的運動狀態，選擇所述最終LSTM模型中所述運動狀態對應的LSTM進行預測，獲取輸出的預測心電信號，其中，所述最終LSTM模型包括訓練后獲得的各個運動狀態下對應的LSTM模型；

其中，對所述LSTM模型依據輸入的運動姿態信號對應的不同運動狀態分別進行訓練，獲得訓練后的最終LSTM模型，包括：

獲取多組信號，每組信號包括多種運動狀態下的心電信號、脈搏信號及運動姿態信號，其中，所述多種運動狀態包括：慢速運動狀態、中速運動狀態以及快速運動狀態；

針對所述慢速運動狀態，將所述慢速運動狀態下的心電信號、脈搏信號及運動姿態信號輸入至LSTM模型進行訓練，獲得所述慢速運動狀態下對應的LSTM模型，針對所述中速運動狀態，將所述中速運動狀態下的心電信號、脈搏信號及運動姿態信號輸入至LSTM模型進行訓練，獲得所述中速運動狀態下對應的LSTM模型，針對快速運動狀態，將所述快速運動狀態下的心電信號、脈搏信號及運動姿態信號輸入至LSTM模型進行訓練，獲得所述快速運動狀態對應的LSTM模型；

其中，所述最終LSTM模型包括訓練后獲得的所述慢速運動狀態下對應的LSTM模型、所述中速運動狀態下對應的LSTM模型以及所述快速運動狀態下對應的LSTM模型。

2.根據權利要求1所述的方法，其特征在于，獲取多組信號，每組信號包括多種運動狀態下的心電信號、脈搏信號與運動姿態信號，包括：

采集多組初始信號，每組初始信號包括多種運動狀態下的初始心電信號、初始脈搏信號及初始運動姿態信號；

將采集的多組初始信號進行放大處理，獲取多組放大信號，其中，每組放大信號包括放大脈搏信號、放大心電信號與放大運動姿態信號；

將所述多組放大信號進行采樣，獲得多組信號，每組信號包括多種運動狀態下的心電信號、脈搏信號與運動姿態信號。

3.根據權利要求1所述的方法，其特征在于，對所述LSTM模型依據輸入的運動姿態信號對應的不同運動狀態分別進行訓練，獲得訓練后的最終LSTM模型，包括：

獲取多組信號，每組信號包括多種運動狀態下的實際心電信號、實際脈搏信號與實際運動姿態信號；

將所述實際脈搏信號與所述實際運動姿態信號輸入至預先訓練好的最終LSTM模型，根據輸入的所述實際運動姿態信號對應的運動狀態，選擇所述最終LSTM模型中所述運動狀態對應的LSTM模型，獲得輸出的預期心電信號；

將所述預期心電信號值與所述實際脈搏信號對應的所述實際心電信號值進行比較，若所述預期心電信號值與所述實際心電信號值之間的差值超出預設范圍時，則繼續將所述多組信號輸入至對應運動狀態下的LSTM模型進行訓練，以獲得訓練后的最終LSTM模型。