[发明专利]一种心房颤动的评估方法、系统和设备

说明书

本发明实施例提供一种心房颤动的评估方法、系统和设备，通过基于移动智能终端的摄像头获取脉搏波形；基于脉搏波形提取预设数量个RR间期，将预设数量个RR间期组成RR间期序列；将RR间期序列输入到已训练的神经网络模型，输出心房颤动的概率；从而不需要额外设备和专业医护人员协助，仅利用智能终端设备的摄像头即可对当前用户的心房颤动的现象进行分析和评估，使得该方法、系统和设备具有更好的便捷性和实时性；并且利用神经网络模型，能有效分析用户数据，满足了精确度的要求，减小了错误评估的可能性。

技术领域

本发明实施例涉及健康评估技术领域，更具体地，涉及一种心房颤动的评估方法、系统和设备。

背景技术

心房颤动(AF)是一种比较常见的心律现象，出现该现象的人口数量占总人口数量的1-2％，且伴随着年龄的增长而增加，心房颤动的现象与许多心脏病的发病率和死亡率相关，是诊断许多疾病的重要依据，例如栓塞性中风。因此，心房颤动的早期评估对于预防中风和降低相关并发症的风险具有重要意义。

现阶段心房颤动的评估主要依靠心电图，基于房颤患者心电图的异常特征，检测房颤的研究主要有三种方法：1、基于心房活动分析的方法；2、基于心室响应分析的方法；3、以上两种方法的组合方法。基于心房活动分析的方法主要通过对TQ间隔中缺少P波或出现f波的分析，但由于T波幅度小，易受噪声影响。基于心室响应分析的方法是以往研究中最主要的方法，这种方法在心率由药物或起搏器控制时可导致错误评估。结合上述两种方法的组合方法包括基于RR区间马尔可夫模型的方法和模糊逻辑分类方法。

以上的心房颤动的评估主要通过医院的专业设备进行动态心电图的连续观测，一方面采集心电图需要额外设备和专业医护人员，不便于随时随地检测心脏的健康状况，另一方面，评估的精确度不高，容易造成错误的评估。

发明内容

为了克服上述问题或者至少部分地解决上述问题，本发明实施例提供一种心房颤动的评估方法、系统和设备。

本发明实施例提供一种心房颤动的评估方法，包括：基于移动智能终端的摄像头获取脉搏波形；基于脉搏波形提取预设数量个RR间期，将预设数量个RR间期组成RR间期序列；将RR间期序列输入到已训练的神经网络模型，输出心房颤动的概率。

其中，基于移动智能终端的摄像头获取脉搏波形，包括：控制移动智能终端的摄像头闪光灯照射小动脉；控制移动智能终端的摄像头采集摄像头闪光灯照射小动脉的反射光的强度变化；根据摄像头采集的反射光的强度变化获取脉搏波形。

其中，基于脉搏波形提取预设数量个RR间期，包括：确定脉搏波形中的峰值点；提取相邻的峰值点之间的时间间隔，将连续的预设数量个相邻的峰值点之间的时间间隔作为预设数量个RR间期。

其中，基于脉搏波形提取预设数量个RR间期之前，还包括：对脉搏波形进行去噪处理。

其中，神经网络模型的训练步骤包括：将每一RR间期序列作为一个样本，提取每一样本的时域特征、频域特征和非线性特征，其中，每一RR间期序列包括预设数量个RR间期；将样本集中预设比例的样本组成训练集，将训练集中每一样本的时域特征、频域特征和非线性特征以及每一样本对应的标签输入到神经网络模型，对神经网络模型进行训练。

其中，将训练集中每一样本的时域特征、频域特征和非线性特征以及每一样本对应的标签输入到神经网络模型，对神经网络模型进行训练之后，还包括：将样本集中训练集以外的样本组成测试集，将测试集中每一样本的时域特征、频域特征和非线性特征以及每一样本对应的标签输入到神经网络模型，对神经网络模型进行测试。