[发明专利]房颤分类模型训练方法、房颤识别方法及系统

说明书

本发明公开了房颤分类模型训练方法、房颤识别方法及系统，属于智能医疗技术领域。该训练方法通过视频光电容积描记法从视频中提取面部脉搏信号；同时采用医用级脉搏仪同步地采集指尖脉搏信号。然后，设计并训练面部与指尖脉搏信号的解耦网络模型，提取两种信号的共享特征。在此基础上，将面部脉搏信号的共享特征输入到分类器中，训练房颤分类模型。再完成模型的训练后，只需往模型中输入面部脉搏信号即可实现房颤检测。本发明可以在潜在特征空间中对脉搏节律特征与干扰信号特征进行分离，从而降低受试者头部运动、表情变化等不稳定因素造成的干扰，实现在实际环境中高精度的非接触式房颤检测。

技术领域

本发明属于智能医疗技术领域，具体地说，涉及房颤分类模型训练方法、房颤识别方法及系统。

背景技术

房颤是最常见的心律失常之一，发病时心脏搏动急剧加快且节律紊乱。中国目前房颤患者已超过1000万，且患病率随着年龄增加而升高，65岁以上人群中的患病率高达3％。随着老龄化进程的加速，我国的房颤患者人数在未来预计将会持续升高。房颤会成倍地增加心力衰竭、脑卒中等并发症的风险，严重危害患者的身体健康。房颤的及时诊断和治疗是预防并发症的重要途径。但是，早期房颤多数没有持续明显的症状，超过30％的房颤患者因不知晓病情而贻误了最佳治疗时机。

筛查可以检测出早期的无症状房颤，从而提高房颤的治疗效果。心电图(Electrocardiogram,ECG)是目前房颤的主要筛查方法，但是依赖于专业的检测设备和操作人员，不适用于大范围人群的房颤筛查。光电容积描记术(Photoplethysmography,PPG)是一种相对便捷的房颤检测技术。PPG技术将特定波段的光线入射至受试者指尖、手腕等部位的皮下组织中，同时利用附着在皮肤表面的光电传感器记录由皮下血液容积变化引起的反射/透视光强度变化，实现脉搏信号的检测。脉搏是一种由心跳搏动对血液的推力以及血管内壁对血液的阻力相互作用形成的生理信号。正常脉搏信号的振动节律具有明显的周期性，而房颤脉搏信号的振动节律往往紊乱不齐。基于两种脉搏信号在振动节律特性上的差异，PPG技术可以对房颤的发生风险进行评估。

目前，随着计算机视觉以及成像技术的快速发展，基于视频的光电容积描记术(Video Photoplethysmography,VPPG)成为了PPG领域一个前沿发展方向。由于，脉搏会改变皮下血液对环境光的吸收率，进而导致人脸皮肤颜色出现相应的变化。这种变化虽然肉眼不可见，但是可以被普通摄像头捕捉到。VPPG技术采用普通摄像头录制受试者的面部视频，再通过计算机视觉方法从视频的色度变化中提取脉搏信号，基于脉搏振动特性实现房颤检测。

例如，现有技术公开了一种脉搏波检测方法，包括：从感兴趣区域的视频中获取三种颜色的灰度变化曲线；通过独立成分分析将所述灰度变化曲线分解为一个或多个独立成分；根据所述一个或多个独立成分的幅值或周期性，从所述一个或多个独立成分确定所述脉搏波。该方法相比传统方法，具有易实现、非接触、低成本等特点。但是，上述VPPG技术对受试者面部运动、表情变化、成像设备晃动等不稳定因素引起的运动干扰非常敏感，导致提取的脉搏信号存在大量的运动伪影，会降低房颤检测的准确性，因此本领域亟需开发一种新的房颤检测方法。

发明内容

1、要解决的问题

针对现有通过VPPG技术检测房颤的准确率较低的问题，本发明提供房颤分类模型训练方法，是基于训练对象的面部及指尖脉搏的共享特征；能够通过神经网络揭示脉搏信号与运动干扰信号之间的相互关系，并采用解耦网络模型实现面部脉搏信号和指尖脉搏信号在潜在特征(latent feature)空间上的有效分离；从而降低受试者头部运动、表情变化等不稳定因素造成的干扰，再基于脉搏信号的振动节律特征作为共享特征，训练分类器网络模型进行房颤识别，能够有效提高房颤分类模型识别的准确率。

2、技术方案

为解决上述问题，本发明采用如下的技术方案。

本发明第一方面提供一种房颤分类模型训练方法，所述方法包括：