[发明专利]一种心电信号异常检测方法、装置及电子设备

说明书

本发明公开了一种心电信号异常检测方法、装置及电子设备，应用于云服务器，所述方法包括：获取智能穿戴设备采集的目标用户的心电信号数据；将所述心电信号数据输入至预先训练好的初始心电信号检测模型，对所述心电信号数据进行异常检测，所述初始心电信号检测模型在训练时使用的训练样本为利用预设信号优化算法分解得到的；当检测到异常心电信号时，向所述智能穿戴设备发送异常提示信息。由于进行心电信号数据异常检测的初始心电检测模型所使用的训练样本预先通过预设信号优化算法优化分解处理，实现了对原始的心电信号数据中干扰信号移除，保证了训练得到的检测模型的检测准确性，降低了误报率或漏报率。

技术领域

本发明涉及信号处理技术领域，具体涉及一种心电信号异常检测方法、装置及电子设备。

背景技术

近年来基于心电信号进行分析的研究有很多，比如根据心电信号进行心脏病类型的分类、预测某种心脏病的机率等。智能设备在采集穿戴者行动和健康数据的同时也对数据进行统计和记录，以生成健康报告或建议。目前，智能手环已经支持通过测量心脏电势差来捕获心电信号，其原理与ECG(心电图)一致。但由于ECG信号很微弱，处于mV级别，且包含多种干扰信号，将其直接作为原始数据进行学习会影响模型的检测效果，导致检测方法误报率或漏报率较高。

发明内容

因此，本发明要解决的技术问题在于克服现有模型检测结果误报率或漏报率较高的缺陷，从而提供一种心电信号异常检测方法、装置及电子设备。

根据第一方面，本发明实施例公开了一种心电信号异常检测方法，应用于云服务器，所述方法包括：获取智能穿戴设备采集的目标用户的心电信号数据；将所述心电信号数据输入至预先训练好的初始心电信号检测模型，对所述心电信号数据进行异常检测，所述初始心电信号检测模型在训练时使用的训练样本为利用预设信号优化算法分解得到的；当检测到异常心电信号时，向所述智能穿戴设备发送异常提示信息。

可选地，所述方法还包括：获取所述初始心电信号检测模型在对所述心电信号数据进行检测过程中输出的预测值，所述预测值包括异常概率值和正常概率值；获取满足预设条件的预测值对应的目标心电信号数据并利用所述预设信号优化算法对所述目标心电信号数据进行分解处理；将分解后得到的分量数据以及所述训练样本构建新的训练样本；利用所述新的训练样本对所述初始心电信号检测模型进行迭代训练得到所述目标用户对应的目标心电信号检测模型。

可选地，利用所述新的训练样本对所述初始心电信号检测模型进行迭代训练得到所述目标用户对应的目标心电信号检测模型之后，所述方法还包括：当获取到所述目标用户的新的心电信号数据，利用所述目标用户对应的目标心电信号检测模型对所述新的心电信号数据进行异常检测；当检测结果对应的预测值满足所述预设条件，对所述新的心电信号数据进行分解处理后添加到用于进行迭代训练的训练样本中。

可选地，所述满足预设条件的预测值对应的目标心电信号数据，包括：异常概率值和正常概率值差值大于预设阈值的心电信号数据。

可选地，将所述心电信号数据输入至预先训练好的初始心电信号检测模型之前，所述方法还包括：对存储有心电信号数据的目标数据库按照预设采样频率进行采样，所述预设采样频率与所述智能穿戴设备的采样频率相同；利用所述预设信号优化算法对采样得到的心电信号数据进行分解处理；对分解得到的分量数据进行筛选并对筛选后的分量数据进行标注得到所述训练样本；利用所述训练样本对预设神经网络模型进行训练直至满足预设训练条件得到所述初始心电信号检测模型。

可选地，所述方法还包括：将异常检测结果以及对应的心电信号数据存储到云服务器中。