[发明专利]心律失常检测的方法及装置

摘要

本发明提供了一种心律失常检测的方法及装置，该方法包括：采集第一用户在一个采样周期内的心电数据和个性化特征数据，其中，个性化特征数据包括年龄、性别、身高、体重、每日步数、血压、血脂和血氧中的两种以上；分析并提取心电数据中的多项特征数据，计算得到每项特征数据在一个采样周期内的平均值和方差；将平均值、方差、多项特征数据和个性化特征数据组合，得到第一用户对应的第一多维向量；将第一多维向量与预先确定的用户心律失常类型的统计模型进行匹配，确定第一用户的心律失常类型。本发明通过采集用户的多项数据来进行心律失常类型的检测，提高了检测结果的准确性。

主权项

1.一种心律失常检测的方法，其特征在于，包括：采集第一用户在一个采样周期内的心电数据和个性化特征数据，其中，所述个性化特征数据包括年龄、性别、身高、体重、每日步数、血压、血脂和血氧中的两种以上；分析并提取所述心电数据中的多项特征数据，计算得到每项特征数据在所述采样周期内的平均值和方差；将所述平均值、方差、多项特征数据和所述个性化特征数据组合，得到所述第一用户对应的第一多维向量；将所述第一多维向量与预先确定的用户心律失常类型的统计模型进行匹配，确定所述第一用户的心律失常类型；进一步通过以下步骤来获得所述用户心律失常类型的统计模型：采集多个样本用户中每个样本用户在多个采样周期内的心电数据、所述个性化特征数据和所患心律失常类型；分析并提取每个样本用户的所述心电数据中的所述多项特征数据，计算得到每个样本用户的所述心电数据中每项特征数据在各个采样周期内的平均值和方差；将每个样本用户在一个采样周期内的所述平均值、方差、多项特征数据和所述个性化特征数据组合，得到与该样本用户的心律失常类型相对应的多维向量；针对每种心律失常类型，分别利用机器学习算法，对该心律失常类型对应的多个多维向量进行训练学习，获得该心律失常类型对应的多维向量模型。