[发明专利]分类模型获取方法、HRV数据分类方法、装置及相关产品

说明书

本申请涉及一种分类模型获取方法、HRV数据分类方法、装置及相关产品。该方法包括：获取多个时段内的初始HRV训练数据和每个时段内的所述初始HRV训练数据对应的类别标签值；根据所述每个时段内的所述初始HRV训练数据，分别确定所述每个时段对应的前向HRV训练数据和后向HRV训练数据；根据所述每个时段内的所述初始HRV训练数据、所述每个时段对应的所述前向HRV训练数据和所述后向HRV训练数据，确定所述每个时段对应的长时记忆HRV训练数据；根据所述每个时段对应的所述长时记忆HRV训练数据和所述类别标签值，训练初始分类模型，得到目标分类模型。采用本方法能够提高HRV数据分类的有效性以及分类结果的准确性。

技术领域

本申请涉及数据处理技术领域，特别是涉及一种分类模型获取方法、HRV数据分类方法、装置及相关产品。

背景技术

随着科学技术的快速发展，人们对人体电信号的认知和处理手段有了极大地提高。例如人们可以通过采集心电图(electrocardiogram,简称ECG)数据，以此进行分析从而得到人的呼吸特征，进而判断人的呼吸是否存在异常，例如是否存在呼吸暂停的情况。

传统技术中，人们通过采集ECG数据，并将ECG数据按照时间段进行划分，然后依据划分为时间段的ECG数据，分别来判断各个时段内是否存在呼吸暂停的情况。

然而，传统技术中仅依据单个时段内的ECG数据对呼吸异常的情况进行判断，其判断依据单一，导致判断结果不准确。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高判断准确性的分类模型获取方法、HRV数据分类方法、装置及相关产品。

第一方面，本申请实施例提供一种分类模型获取方法，所述方法包括：

获取多个时段内的初始心率变异性HRV训练数据，和每个时段内的所述初始HRV训练数据对应的类别标签值；所述类别标签值用于表征一个时段是否发生呼吸暂停事件；

根据所述每个时段内的所述初始HRV训练数据，分别确定所述每个时段对应的前向HRV训练数据和后向HRV训练数据；所述前向HRV训练数据用于表征对应时段之前的HRV数据、所述后向HRV训练数据用于表征对应时段之后的HRV数据，所述前向HRV训练数据、所述后向HRV训练数据与对应时段内的所述初始HRV训练数据一一对应；

根据所述每个时段内的所述初始HRV训练数据、所述每个时段对应的所述前向HRV训练数据和所述后向HRV训练数据，确定所述每个时段对应的长时记忆HRV训练数据；

根据所述每个时段对应的所述长时记忆HRV训练数据和所述类别标签值，训练初始分类模型，得到目标分类模型。

第二方面，本申请实施例提供一种HRV数据分类方法，所述方法包括：

将待分类HRV数据输入目标分类模型，得到所述待分类数据的每个时段对应的所述类别标签值；所述目标分类模型包括如权利要求1-8所述的目标分类模型；

将所述待分类HRV数据的每个时段对应的所述类别标签值按照预设的时长范围进行统计，得到每个时长范围内的所述类别标签值的类别数量；

获取与所述类别数量匹配的类别区间，根据所述类别区间确定所述呼吸暂停事件的类别。

第三方面，本申请实施例提供一种分类模型获取装置，所述装置包括：

获取模块，用于获取多个时段内的初始心率变异性HRV训练数据，和每个时段内的所述初始HRV训练数据对应的类别标签值；所述类别标签值用于表征一个时段是否发生呼吸暂停事件；