[發明專利]一種心率變異性壓力檢測方法、裝置、存儲介質以及系統

在審

• 申請號: 202210859450.0
• 申請日: 2022-07-21
• 公開（公告）號: CN115067910A
• 公開（公告）日: 2022-09-20
• 發明（設計）人: 李華亮;劉羽中
• 申請（專利權）人: 廣東電網有限責任公司;廣東電網有限責任公司電力科學研究院
• 主分類號: A61B5/024
• 分類號: A61B5/024;A61B5/318
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 李妙芬

本發明公開了一種心率變異性壓力檢測方法、裝置、存儲介質以及系統。通過對心電圖信號過濾以獲取第一檢測信號，從第一檢測信號中提取心率數據以及心跳間隔數據，根據心跳間隔數據對心率變異性進行時域、頻域和非線性三方面分析以獲取心率變異性特征集，使用FCA?ReliefF對心率數據和心率變異性特征集融合得到的待檢測特征集進行特征降維以獲取降維特征集，并根據預設的多層感知器模型進行識別分類，該心率變異性壓力檢測方法、裝置、存儲介質以及系統提升了檢測判斷的準確性。

技術領域

本發明涉及心率變異性壓力檢測技術領域，尤其涉及一種心率變異性壓力檢測方法、裝置、存儲介質及系統。

背景技術

隨著物質生活水平的不斷提高，人們越來越重視個人的生理和心理的健康。其中，壓力是最重要的心理健康問題之一，長期處于壓力情況下會導致頭痛、心血管疾病、抑郁癥等，從而嚴重損害生理健康和心理健康。如果能在早期對壓力進行持續檢測將對社會與個人有顯著的積極效益。現有的壓力檢測基于不同的檢測機制，例如基于視頻的壓力檢測、基于語音的壓力檢測，以及基于生理信號的壓力檢測。有研究表明，生理信號是預測壓力的可靠指標。生理信號可以通過各種傳感器獲得。

在現有技術中，大多都是基于生理信號的組合，包括心電圖、皮膚電活動和肌電圖等從傳感器收集的信號，再利用機器學習算法分析生理信號來檢測壓力。例如專利號為CN114139571A的發明專利公開了一種基于多模態生理信號的壓力檢測方法和系統，該方法的多模態生理信號包括皮膚電活動信號、光電容積脈搏波信號和皮膚溫度信號，將生理信號進行預處理后傳入壓力檢測遷移模型，該模型包括特征提取器和壓力分類器，特征提取器用于提取深度特征并將其與人工時頻域特征進行融合，壓力分類器用于對用戶的壓力等級進行分類。

但是，現有技術仍存在如下缺陷：現有技術主要基于多模態的生理信號的檢測，多種生理信號的檢測提高了檢測的復雜度：被觀察者需要佩戴可穿戴設備，雖然是無侵入式設備，但對人的正常活動會產生一定的影響；同時，多種生理信號的檢測會有一定延遲，造成多種信號在時間上有偏差，從而導致檢測判斷的準確性較低。

因此，當前需要一種心率變異性壓力檢測方法、裝置、存儲介質以及系統，從而克服現有技術中存在的上述缺陷。

發明內容

本發明實施例提供一種心率變異性壓力檢測方法、裝置、存儲介質以及系統，從而提升檢測判斷的準確性。

本發明一實施例提供一種心率變異性壓力檢測方法，所述檢測方法包括：獲取待檢測對象的心電圖信號，并對所述心電圖信號進行過濾以獲取第一檢測信號；從所述第一檢測信號中提取心率數據和心跳間隔數據，并根據所述心跳間隔數據進行時域分析、頻域分析以及非線性分析，獲取心率變異性特征集；將所述心率變異性特征集與所述心率數據進行融合處理以獲取待檢測特征集，并根據預設的FCA-ReliefF降維方法，對所述待檢測特征集進行降維處理，獲得降維特征集；根據預設的多層感知器模型，對所述降維特征集進行識別分類以獲取檢測結果。

作為上述方案的改進，對所述心電圖信號進行過濾以獲取第一檢測信號，具體包括：剔除所述心電圖信號中的異常值以獲取第一心電圖信號；根據預設的FIR帶通濾波方法以及預設的帶通頻率范圍，對所述第一心電圖信號進行濾波處理，獲得第一檢測信號。

作為上述方案的改進，根據所述心跳間隔數據進行時域分析、頻域分析以及非線性分析，獲取心率變異性特征集，具體包括：根據預設的HRV函數，對所述心跳間隔數據進行總體可變性分析，獲得時域特征集；根據預設的HRV函數，對所述心跳間隔數據進行特定頻段分析，獲得頻域特征集；根據預設的HRV函數，對所述心跳間隔數據進行心血管系統調節作用分析，獲得非線性特征集；根據所述時域特征集、頻域特征集以及非線性特征集，獲取心率變異性特征集。