[发明专利]一种疲劳检测方法、装置、电子设备及存储介质在审
申请号: | 202111396127.6 | 申请日: | 2021-11-23 |
公开(公告)号: | CN114190940A | 公开(公告)日: | 2022-03-18 |
发明(设计)人: | 魏大雪;孙铄 | 申请(专利权)人: | 粒恩医疗科技(深圳)有限公司 |
主分类号: | A61B5/16 | 分类号: | A61B5/16;A61B5/318;A61B5/346;A61B5/352;A61B5/366;A61B5/00 |
代理公司: | 深圳市燊汇智诚专利代理事务所(普通合伙) 44725 | 代理人: | 张雷 |
地址: | 518000 广东省深圳市龙岗区坂田街道雪象*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 疲劳 检测 方法 装置 电子设备 存储 介质 | ||
1.一种疲劳检测方法,其特征在于,包括:
获取初始心电信号数据,并将所述初始心电信号数据进行前置滤波、差分放大以及模数转换后得到数字心电信号数据;
将所述数字心电信号数据进行预处理以及特征提取后得到RR间期序列数据;
将所述RR间期系列数据进行间期滤波、重采样以及去除趋势项后得到RR间期直方图数据;
创建回归模型,基于所述回归模型建立所述RR间期直方图数据与预设疲劳度等级的对应关系;
获取待检测的心电信号数据,根据所述对应关系进行疲劳检测。
2.根据权利要求1所述的疲劳检测方法,其特征在于,将所述初始心电信号数据进行前置滤波、差分放大以及模数转换后得到数字心电信号数据,包括:
采用前置低通滤波器滤除频率高于采样频率预设倍率的高频分量信号;
将所述前置低通滤波器处理过后的心电信号数据进行差分放大得到差分放大信号;
将所述差分放大信号进行模数转换后得到所述数字心电信号数据。
3.根据权利要求1所述的疲劳检测方法,其特征在于,将所述数字心电信号数据进行预处理,包括:
将所述数字心电信号数据依次进行数字高通滤波、数字陷波和数字低通滤波处理后得到预处理后的心电信号数据。
4.根据权利要求3所述的疲劳检测方法,其特征在于,特征提取后得到RR间期序列数据,包括:
采用数字带通滤波器对所述预处理后的心电信号数据基于QRS波幅度进行特征提取;
判断特征提取后的心电信号数据是否超过预设阈值,并在超过预设阈值时,获取所述RR间期序列数据。
5.根据权利要求1所述的疲劳检测方法,其特征在于,将所述RR间期系列数据进行间期滤波、重采样以及去除趋势项后得到RR间期直方图数据,包括:
设置滑动窗口对所述RR间期序列数据进行滤波处理;
对所述RR间期序列数据进行重采样,获得等间隔的RR间期序列数据;
采用数字高通滤波器对所述RR间期序列数据进行去除趋势项处理;
提取经间期滤波、重采样以及去除趋势项后处理后的RR间期序列的最大值和最小值,作为直方图分布的区间,基于预设的间隔,对RR间期序列进行分布数目的统计,得到RR间期直方图数据。
6.根据权利要求1所述的疲劳检测方法,其特征在于,所述回归模型为softmax回归模型;基于所述回归模型建立所述RR间期直方图数据与预设疲劳度等级的对应关系,包括:
设定疲劳度等级的各个类别,获取所述RR间期直方图数据中的多个预设参数;
将所述多个预设参数作为所述softmax回归模型的输入、将所述疲劳度等级的各个类别作为所述softmax回归模型的输出,经过所述softmax回归模型的训练,得出所述RR间期直方图数据与预设疲劳度等级的对应关系。
7.根据权利要求6所述的疲劳检测方法,其特征在于,获取待检测的心电信号数据,根据所述对应关系进行疲劳检测,包括:
获取所述待检测的心电信号数据中的多个预设参数,根据所述多个预设参数组成多个类;
计算所述多个类的分数,根据所述多个类的分数计算所述多个类中每一个的概率;
选择概率最大的类,并根据所述对应关系确定对应的疲劳度等级。
8.一种疲劳检测装置,其特征在于,包括:
心电信号获取单元,用于获取初始心电信号数据,并将所述初始心电信号数据进行前置滤波、差分放大以及模数转换后得到数字心电信号数据;
心电信号处理单元,用于将所述数字心电信号数据进行预处理以及特征提取后得到RR间期序列数据;
RR间期数据处理单元,用于将所述RR间期系列数据进行间期滤波、重采样以及去除趋势项后得到RR间期直方图数据;
关系建立单元,用于创建回归模型,基于所述回归模型建立所述RR间期直方图数据与预设疲劳等级的对应关系;
疲劳检测单元,用于获取待检测的心电信号数据,根据所述对应关系进行疲劳检测。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于粒恩医疗科技(深圳)有限公司,未经粒恩医疗科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202111396127.6/1.html,转载请声明来源钻瓜专利网。