[发明专利]一种疲劳检测方法、装置、电子设备及存储介质

说明书

本发明提供了一种疲劳检测方法、装置、电子设备以及存储介质，方法包括：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。本发明通过获取人体心电信号并将心电信号进行分类处理且确定其与疲劳度的对应关系，并根据此对应关系能够实现疲劳状态的精准检测。

技术领域

本发明涉及疲劳检测技术领域，具体涉及一种疲劳检测方法、装置、电子设备及存储介质。

背景技术

慢性疾病如心血管疾病、糖尿病和癌症具有发病晚、早期不易识别的特点，对早期危险因素或早期疾病的早筛，早诊和治疗可延迟或预防其发病几率和发病程度。

目前，精神疲劳是许多慢性疾病如心血管疾病、糖尿病和癌症的关键原因，然而精神疲劳又难以量化评估及测量，因此，精神疲劳的检测给医疗和护理行业提出了严峻的考验。

发明内容

有鉴于此，有必要提供一种疲劳检测方法、装置、电子设备及存储介质，能够实现精神疲劳的精准检测和识别。

为了解决上述技术问题，本发明提供了一种疲劳检测方法，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。

优选的，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。

优选的，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。

优选的，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。

优选的，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。