本申请涉及智能监测领域,且更为具体地,涉及一种基于人工智能的心率智能监测系统及方法。
背景技术:
1、心率是指心脏每分钟跳动的次数,通常以每分钟心跳数(bpm)来表示。心率的变化可以反映人体的生理状态和心脏健康状况。通过监测和分析心率数据,可以提供有关个体的健康状况和心脏功能的重要信息。
2、然而,传统的心率监测通常依赖于心电图仪器或胸带式心率监测器。这些设备需要与人体直接接触或佩戴,限制了监测的时间和场景。此外,传统方案通常需要专业人员进行数据采集和分析,增加了成本和复杂性。另外,传统的心率监测在实时性和连续性方面也存在一些限制。例如,ecg仪器通常需要在特定时间点进行测量,无法提供持续的心率监测。而胸带式心率监测器虽然可以提供连续监测,但佩戴不够方便,可能会影响用户的日常活动。
3、因此,期望一种基于人工智能的心率智能监测系统及方法。
技术实现思路
1、为了解决上述技术问题,提出了本申请。
2、根据本申请的一个方面,提供了一种基于人工智能的心率智能监测系统,其包括:
3、心率时序数据采集模块,用于获取由被监测对象佩戴的智能手环采集的所述被监测对象的心率值时间序列;
4、心率时序规则模块,用于将所述心率值时间序列按照时间维度进行规整以得到心率时序输入向量;
5、心率时序信息划分模块,用于对所述心率时序输入向量进行基于不同时间尺度的划分以得到第一心率局部时序输入向量的序列和第二心率局部时序输入向量的序列;
6、多尺度心率时序动态关联编码模块,用于分别对所述第一心率局部时序输入向量的序列和所述第二心率局部时序输入向量的序列进行心率时序动态关联编码以得到第一时间尺度心率时序特征向量和第二时间尺度心率时序特征向量;
7、心率模式时序特征表达模块,用于使用投影层融合所述第一时间尺度心率时序特征向量和所述第二时间尺度心率时序特征向量以得到心率模式时序特征向量作为心率模式时序特征;
8、心率异常检测模块,用于基于所述心率模式时序特征,确定被监测对象的心率是否存在异常。
9、在上述基于人工智能的心率智能监测系统中,所述心率时序信息划分模块,包括:
10、心率时序信息第一尺度划分单元,用于基于第一时间尺度对所述心率时序输入向量进行切分以得到所述第一心率局部时序输入向量的序列;
11、心率时序信息第二尺度划分单元,用于基于第二时间尺度对所述心率时序输入向量进行切分以得到所述第二心率局部时序输入向量的序列。
12、在上述基于人工智能的心率智能监测系统中,所述多尺度心率时序动态关联编码模块,用于:将所述第一心率局部时序输入向量的序列和所述第二心率局部时序输入向量的序列分别通过基于bi-lstm模型的心率时序模式特征提取器以得到所述第一时间尺度心率时序特征向量和所述第二时间尺度心率时序特征向量。
13、在上述基于人工智能的心率智能监测系统中,所述心率模式时序特征表达模块,用于:使用投影层以如下公式来融合所述第一时间尺度心率时序特征向量和所述第二时间尺度心率时序特征向量以得到心率模式时序特征向量;
14、其中,所述公式为:
15、;
16、其中是所述第一时间尺度心率时序特征向量,是所述第二时间尺度心率时序特征向量,是所述心率模式时序特征向量,表示所述投影层。
17、在上述基于人工智能的心率智能监测系统中,所述心率异常检测模块,包括:
18、心率模式时序特征优化单元,用于对所述心率模式时序特征向量进行特征优化以得到优化心率模式时序特征向量;
19、心率检测单元,用于将所述优化心率模式时序特征向量通过分类器以得到分类结果,所述分类结果用于表示被监测对象的心率是否存在异常。
20、在上述基于人工智能的心率智能监测系统中,所述心率模式时序特征优化单元,包括:
21、优化融合子单元,用于对所述第一时间尺度心率时序特征向量和所述第二时间尺度心率时序特征向量以特征值为粒度进行优化融合以得到多尺度心率时序细粒度融合特征向量;
22、心率模式特征融合优化子单元,用于融合所述多尺度心率时序细粒度融合特征向量和所述心率模式时序特征向量以得到所述优化心率模式时序特征向量。
23、在上述基于人工智能的心率智能监测系统中,所述心率检测单元,包括:
24、全连接编码子单元,用于使用所述分类器的多个全连接层对所述优化心率模式时序特征向量进行全连接编码以得到编码分类特征向量;
25、分类结果生成子单元,用于将所述编码分类特征向量通过所述分类器的softmax分类函数以得到所述分类结果。
26、根据本申请的另一个方面,提供了一种基于人工智能的心率智能监测方法,其包括:
27、获取由被监测对象佩戴的智能手环采集的所述被监测对象的心率值时间序列;
28、将所述心率值时间序列按照时间维度进行规整以得到心率时序输入向量;
29、对所述心率时序输入向量进行基于不同时间尺度的划分以得到第一心率局部时序输入向量的序列和第二心率局部时序输入向量的序列;
30、分别对所述第一心率局部时序输入向量的序列和所述第二心率局部时序输入向量的序列进行心率时序动态关联编码以得到第一时间尺度心率时序特征向量和第二时间尺度心率时序特征向量;
31、使用投影层融合所述第一时间尺度心率时序特征向量和所述第二时间尺度心率时序特征向量以得到心率模式时序特征向量作为心率模式时序特征;
32、基于所述心率模式时序特征,确定被监测对象的心率是否存在异常。
33、与现有技术相比,本申请提供的一种基于人工智能的心率智能监测系统及方法,其通过用户佩戴的智能手环实时监测采集被监测对象的心率值,并在后端引入数据处理和分析算法来进行该心率值的时序分析,以此来识别出被监测对象的心率模式和异常情况,以便于及时对心脏健康问题进行预警,从而采取相应措施预防心脏健康风险。这样,能够实现更为便携、实时和连续的心率监测和预警,从而为医疗专业人员提供辅助诊断和决策支持,并有利于提供更全面和个性化的心脏健康管理和预防措施。
1.一种基于人工智能的心率智能监测系统,其特征在于,包括:
2.根据权利要求1所述的基于人工智能的心率智能监测系统,其特征在于,所述心率时序信息划分模块,包括:
3.根据权利要求2所述的基于人工智能的心率智能监测系统,其特征在于,所述多尺度心率时序动态关联编码模块,用于:将所述第一心率局部时序输入向量的序列和所述第二心率局部时序输入向量的序列分别通过基于bi-lstm模型的心率时序模式特征提取器以得到所述第一时间尺度心率时序特征向量和所述第二时间尺度心率时序特征向量。
4.根据权利要求3所述的基于人工智能的心率智能监测系统,其特征在于,所述心率模式时序特征表达模块,用于:使用投影层以如下公式来融合所述第一时间尺度心率时序特征向量和所述第二时间尺度心率时序特征向量以得到心率模式时序特征向量;
5.根据权利要求4所述的基于人工智能的心率智能监测系统,其特征在于,所述心率异常检测模块,包括:
6.根据权利要求5所述的基于人工智能的心率智能监测系统,其特征在于,所述心率模式时序特征优化单元,包括:
7.根据权利要求6所述的基于人工智能的心率智能监测系统,其特征在于,所述心率检测单元,包括:
8.一种基于人工智能的心率智能监测方法,其特征在于,包括: