[发明专利]一种心跳异常监测方法、电子设备及存储介质

说明书

本发明公开了一种心跳异常监测方法、电子设备及存储介质，包括以下步骤：获取正常心跳的数据集；使用循环神经网络方法对所述数据集进行模型训练，获取预测模型；获取被测的带有异常心跳的数据集tsubgt;M/subgt;，使用所述预测模型对所述数据集tsubgt;M/subgt;进行预测；计算tsubgt;M/subgt;中每个心跳记录值对应的误差向量；计算每个误差向量的高斯分布概率密度；当概率密度值小于阈值时，则对应的心跳记录值为心跳异常点；使用循环神经网络方法对所述数据集进行模型训练，利用RNN生成预测序列模型，将预测序列与真实序列进行比较，生成误差序列，再根据误差序列中的误差向量进行高斯分布概率密度计算，实现无监督的心跳异常检测。

技术领域

本发明属于人体生理状况监测的技术领域，具体涉及一种心跳异常监测方法、电子设备及存储介质。

背景技术

人口老龄化、医疗资源短缺等问题，对传统医疗造成了巨大的压力。基于物联网的智能化医疗产品在未来会针对不同年龄层次和不同身体状况的用户进行个性化需求分析设计，将无创连续监测技术等智能医疗高新技术运用到个人健康设备中，通过传感器收集身体数据，实时监测各项指标，将结果通过设备上传发送到医疗服务中心，让医生能够进行专业的分析治疗。

以往发现心跳异常的方法主要有基于统计的方法(如ARIMA等)、无监督聚类的方法(如基于密度的聚类方法DBSCAN等)、有监督分类的方法(如神经网络等)。但这些方法在进行心跳异常监测时，则存在一定的局限性，主要体现在：统计的方法和聚类的方法，适用于离散异常的检测，而对于连续的时序异常数据很难有效进行检测；基于监督的分类方法可以进行异常检测，但需要基于人工定义好的特征，而对于心跳异常来说，其异常模式并固定，很难基于人工的方式将全部异常特征定义完整，需基于无监督的方式来发现异常。

发明内容

本发明的目的是提供一种心跳异常监测方法、电子设备及存储介质，用以解决现有技术中在进行心跳异常监测时，需要人工的方式将全部异常特征定义完整的问题。

为了实现上述目的，本发明采用以下技术方案：

本发明第一方面提供了一种心跳异常监测方法，包括以下步骤：

获取正常心跳数据集s_N；

使用循环神经网络方法对所述数据集s_N进行模型训练，获取预测模型；

获取带有异常心跳的数据集t_M，t_M＝[x₁,x₂,…,x_i,…x_M]，M代表数据集t_M中的心跳记录值的数量，i为正整数，x_i代表时间i的心跳记录值；使用所述预测模型对所述数据集t_M进行预测；

计算t_M中每个心跳记录值x_i的对应的误差向量e_i；

计算每个e_i的高斯分布概率密度y_i；当概率密度值y_i小于阈值τ时，则对应的心跳记录值x_i为心跳异常点，否则为正常点。

根据上述技术，通过使用循环神经网络方法对所述数据集s_N进行模型训练，利用RNN将历史数据进行拟合，生成预测序列模型，将拟合的预测序列与真实序列进行比较，生成误差序列，再根据误差序列中的误差向量进行高斯分布概率密度计算，实现无监督的心跳异常检测，解决现有技术中在进行心跳异常监测时，需要人工的方式将全部异常特征定义完整的问题。