[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

说明书

本发明实施例提供一种猝死风险预测模型的训练方法、猝死风险预测方法和装置，该方法包括：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。本发明实施例的方法通过对获取到的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进行加噪处理，使得训练后的心源性猝死风险预测模型可以基于日常生活场景下用户的穿戴式设备采集的信噪比较低的心电信号数据进行心源性猝死风险的预测，实现多种场景下的心源性猝死风险的预测。

技术领域

本发明涉及生物医学技术领域，尤其涉及一种猝死风险预测模型的训练方法、猝死风险预测方法和装置。

背景技术

心源性猝死指的是心律失常和血流动力学突变引起的突然和意外的死亡。从表现上看，心源性猝死的直接体现是诸如心动过速或心室颤动等恶性心律失常的发生。由于恶性心律失常常突发且高危，因此如何准确有效的对心源性猝死风险进行预测具有重要的意义。

相关技术中，通过采集和分析用户在静止状态的数据源进行心源性猝死风险的预测，预测过程中对于数据源的质量要求较高，即只有在采集的数据源的质量较高的情况下才能实现对心源性猝死风险的预测，而对于信噪比较低的数据源无法进行心源性猝死风险的准确预测。

发明内容

针对现有技术中的问题，本发明实施例提供一种猝死风险预测模型的训练方法、猝死风险预测方法和装置。

具体地，本发明实施例提供了以下技术方案：

第一方面，本发明实施例提供了一种猝死风险预测模型的训练方法，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。

进一步地，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。

进一步地，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。

进一步地，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。

进一步地，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。

进一步地，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：