[发明专利]猝死风险预测模型的训练方法、猝死风险预测方法和装置

权利要求书

1.一种猝死风险预测模型的训练方法，其特征在于，包括：

获取样本心电信号数据集中的用户静止状态下的样本心电信号数据；

对所述样本心电信号数据进行加噪处理，获取加噪后的样本心电信号数据；

根据加噪后的样本心电信号数据对初始心源性猝死风险预测模型进行训练，得到训练后的心源性猝死风险预测模型。

2.根据权利要求1所述的猝死风险预测模型的训练方法，其特征在于，所述样本心电信号数据包括：

心源性猝死心电信号数据、正常窦性心律心电信号数据和心力衰竭心电信号数据。

3.根据权利要求2所述的猝死风险预测模型的训练方法，其特征在于，所述对所述样本心电信号数据进行加噪处理，获取加噪后的样本心电信号数据，包括：

对所述样本心电信号数据加入目标噪声，得到加噪后的样本心电信号数据；所述目标噪声包括：漂移噪声、肌肉伪影噪声和电极运动伪影噪声；所述加噪后的样本心电信号数据对应的心电信号质量低于第一阈值。

4.根据权利要求1-3任一项所述的猝死风险预测模型的训练方法，其特征在于，所述根据加噪后的样本心电信号数据对初始心源性猝死风险预测模型进行训练，得到训练后的心源性猝死风险预测模型，包括：

对加噪后的样本心电信号数据进行预处理，得到预处理后的样本心电信号数据；所述预处理包括如下操作：重采样、带通滤波、去噪和分段；

对预处理后的样本心电信号数据进行特征提取，得到心电信号的目标特征向量；

根据心电信号的目标特征向量对初始心源性猝死风险预测模型进行训练，得到训练后的心源性猝死风险预测模型。

5.根据权利要求4所述的猝死风险预测模型的训练方法，其特征在于，所述对预处理后的样本心电信号数据进行特征提取，得到心电信号的目标特征向量，包括：

提取如下心电信号特征：RR间期特征、高阶统计特征、QT间期特征、VLP特征和T波电交替特征；

根据提取的所述心电信号特征，生成样本心电信号数据对应的目标特征向量。

6.根据权利要求5所述的猝死风险预测模型的训练方法，其特征在于，所述根据心电信号的目标特征向量对初始心源性猝死风险预测模型进行训练，得到训练后的心源性猝死风险预测模型，包括：

根据样本心电信号数据对应的目标特征向量和样本心电信号数据的标签，对初始心源性猝死风险预测模型进行训练，得到训练后的心源性猝死风险预测模型。

7.一种猝死风险预测方法，其特征在于，包括：

获取目标用户的目标心电信号数据，所述目标心电信号数据中包括噪声信号；

将所述目标心电信号数据输入心源性猝死风险预测模型中，得到心源性猝死风险的预测结果，所述心源性猝死风险预测模型为基于如权利要求1-6任一项所述的方法训练得到的。

8.一种猝死风险预测模型的训练装置，其特征在于，包括：

获取模块，用于获取样本心电信号数据集中的用户静止状态下的样本心电信号数据；

处理模块，用于对所述样本心电信号数据进行加噪处理，获取加噪后的样本心电信号数据；

训练模块，用于根据加噪后的样本心电信号数据对初始心源性猝死风险预测模型进行训练，得到训练后的心源性猝死风险预测模型。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6一项所述的猝死风险预测模型的训练方法或如权利要求7所述的猝死风险预测方法。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至6一项所述的猝死风险预测模型的训练方法或如权利要求7所述的猝死风险预测方法。

11.一种计算机程序产品，其上存储有可执行指令，其特征在于，该指令被处理器执行时使处理器实现如权利要求1至6任一项所述的猝死风险预测模型的训练方法或如权利要求7所述的猝死风险预测方法。