[发明专利]一种基于机器学习的人体疾病检测方法及检测产品

权利要求书

1.一种基于机器学习的人体疾病检测方法，其特征在于，包括以下步骤：

步骤S1. 对心电向量数据进行特征提取，得到心电向量数据特征；

步骤S2. 对步骤S1所述的心电向量数据特征进行提取，形成所述的心电向量数据特征的量化指标数据；

步骤S3. 根据步骤S2得到的心电向量数据特征的量化指标数据进行机器学习，建立特定人体疾病的机器学习分类模型。

2.根据权利要求1所述人体疾病的检测方法，其特征在于，步骤S1所述的心电向量数据特征包括：几何特征、非线性动力学特征、模型特征、时域特征、频域特征和时频特征中的一种或几种。

3.根据权利要求1所述人体疾病的检测方法，其特征在于，用于步骤S3所述的机器学习的算法选自：支持向量机、卷积神经网络、循环神经网络、贝叶斯分类器、K近邻算法、K均值算法、线性回归、逻辑回归、多元非线性回归拟合方法、Adaboost算法、隐马尔可夫模型、极限学习机、随机森林算法、决策树算法、聚类算法、生成式对抗网络、堆叠自动编码器、全连接网络、无监督预训练网络、深度信念网络、深度玻尔兹曼机和神经张量网络中的至少一种。

4.一种基于机器学习的人体疾病检测方法，其特征在于，包括以下步骤：

步骤1. 采集待测人员的心电向量数据特征的量化指标数据；

步骤2. 将步骤1采集的待测人员的心电向量数据特征的量化指标数据，输入到特定人体疾病的机器学习分类模型；

步骤3. 输出特定人体疾病检测结果，包括所述待测人员的心电向量数据特征的量化指标数据的阈值判定信息。

5.一种人体疾病检测方法，其特征在于，将步骤S3所述的特定人体疾病的机器学习分类模型的不同输出结果赋以权重值，进行人体疾病的检测；优选地，将步骤S2所述的心电向量数据特征的量化指标数据的人体疾病判定的不同结果和步骤S3所述的特定人体疾病的机器学习分类模型的的不同输出结果赋以权重值，进行人体疾病检测的综合判定。

6.一种人体疾病的检测产品，其特征在于，所述检测产品使用了权利要求1-5任一权项所述的人体疾病的检测方法。

7.一种存储介质，其中存储有计算机程序，其特征在于，所述计算机程序被处理器加载执行时，实现如权利要求1至5中任一所述的人体疾病检测方法。

8.一种电子设备，其特征在于，包括：处理器、及存储器；其中，

所述存储器用于存储计算机程序；

所述处理器用于加载执行所述计算机程序，以使所述电子设备执行如权利要求1至5中任一所述的人体疾病检测方法。

9.一种可穿戴设备，其特征在于，所述可穿戴设备包括：

处理器；

用于存储所述处理器可执行指令的存储器；

其中，所述处理器用于通过心电传感器采集用户的原始心电信号，接着通过权利要求1至5中任一所述的人体疾病检测方法确定采集用户的健康状况。

10.一种基于机器学习的人体健康状况检测装置，其特征在于，所述装置包括：

信号采集模块，用于通过心电传感器采集用户的原始心电信号；

第一确定模块，用于确定所述信号采集模块采集的所述原始心电信号对应的特征向量，所述特征向量包括所述原始心电信号的心电向量数据特征向量；

第二确定模块，用通过所述第一确定模块确定的所述的心电向量数据特征向量与特定人体疾病的机器学习分类模型确定所述原始心电信号对应的健康状况信息。