一种提升心率采集准确度的方法、系统、设备及介质与流程

本发明涉及智能穿戴设备，尤其涉及一种提升心率采集准确度的方法、系统、设备及介质。

背景技术：

1、心率可作为反映人体健康状况的一项重要指标。在过去，由于技术限制，只能通过专业的心电采集设备来获取心率数据。随着技术进步，如智能手环、智能手表等可穿戴设备，因其具有监测心率的功能和良好的用户体验成为主流电子产品。如今市面上销售的智能手表、手环产品，多数均具有ecg心电传感器和ppg光电传感器，通过不同的理论基础测量心率，其分别是基于心电传感器测量ecg心率和基于光电体积描记测量ppg心率。但是这两者的准确度很大程度上受到个体心率、运动强度和心率变异性等多重因素的影响，使得相同仪器对于不同个体，或在不同场景下采集的心率数据差别很大。因此，如何全面利用数据并提高心率数据的可靠性，提升算法模型是关键之一。

2、目前，在心率采集准确性方面已经积累了相关研究成果。如基于ecg与ppg联合处理的算法，在ecg和ppg的协同下，能够有效改善心率的检测结果，如提高抗噪能力和心率检测范围。然而，现有技术没有考虑个体之间心率差异和情境因素对心率采集准确度造成的影响，且心率估计中没有考虑心率变异性(autonomic nervous system，ans)这一生理参数的影响。且其对于个体差异所引起的心率估计偏差效果欠佳，对于运动或不同强度动作产生的心率影响，并无充分考虑，造成心率采集的准确度偏低。

技术实现思路

1、本发明提供了一种提升心率采集准确度的方法、系统、设备及介质，以实现提升心率采集准确度。

2、第一方面，为了解决上述技术问题，本发明提供了一种提升心率采集准确度的方法，包括：

3、获取心电图信号和光电容积脉搏波信号；

4、根据所述光电容积脉搏波信号计算得到脉率，并通过心率变异性分析，得到心率变异性参数；

5、根据所述心电图信号，计算得到心率；

6、根据所述心率变异性参数，通过线性判别分析算法，得到心率类别分类；

7、根据所述心率，通过心率模型，得到心率预测值；

8、根据所述心率预测值、所述心率类别分类、所述光电容积脉搏波信号和所述心率，通过误差反向传播神经网络，得到最终心率输出值。

9、优选地，所述根据所述光电容积脉搏波信号计算得到脉率，并通过心率变异性分析，得到心率变异性参数，包括：

10、对所述光电容积脉搏波信号进行频域滤波处理，得到滤波光电容积脉搏波信号；

11、通过以下公式计算得到脉率：

12、

13、其中，rbpm为脉率，trp根据所述滤波光电容积脉搏波信号中相邻的两个峰值的时间间隔；

14、根据所述滤波光电容积脉搏波信号，提取每个心跳周期的心跳波峰间隔；

15、所述心率变异性参数包括呼吸窦性心律不齐、相邻心跳波峰间隔差值的均方根和正常心跳波峰间隔的标准差；

16、通过以下公式计算呼吸窦性心律不齐：

17、

18、其中，rsa为呼吸窦性心律不齐，fh为所述滤波光电容积脉搏波信号的高频占比，fl为所述滤波光电容积脉搏波信号的低频占比；

19、通过均方根公式计算相邻心跳波峰间隔差值的均方根；

20、通过标准差公式计算正常心跳波峰间隔的标准差。

21、优选地，所述根据所述心率变异性参数，通过线性判别分析算法，得到心率类别分类，包括：

22、所述心率类别分类包括：安静心率、活动心率和运动心率；

23、当所述心率变异性参数中的呼吸窦性心律不齐的值以及相邻心跳波峰间隔差值的均方根高于预设阈值，且正常心跳波峰间隔的标准差小于预设阈值时，判定为运动心率；

24、当所述心率变异性参数中的呼吸窦性心律不齐的值以及相邻心跳波峰间隔差值的均方根低于预设阈值，且正常心跳波峰间隔的标准差大于预设阈值时，判定为安静心率。

25、优选地，所述根据所述心率，通过心率模型，得到心率预测值，包括：

26、所述心率模型公式为：

27、ppg＝c1·hr+c2·hr2-c3·hr3+c4·hr4-c5·hr5

28、其中hr为所述心率，ppg为预测心率，c1、c2、c3、c4和c5是设定系数；

29、其中，所述心率模型通过历史大数据训练得到，所述心率模型能够根据输入的心率得到心率预测值。

30、优选地，所述根据所述心率预测值、所述心率类别分类、所述光电容积脉搏波信号和所述心率，通过误差反向传播神经网络，得到最终心率输出值，包括：

31、将所述心率预测值、所述心率类别分类、所述光电容积脉搏波信号和所述心率作为所述误差反向传播神经网络的输入层的神经元；

32、通过所述误差反向传播神经网络，得到神经网络预测心率；

33、当所述心率类别分类为活动心率时，以所述神经网络预测心率为最终心率输出值。

34、优选地，所述根据所述心电图信号，计算得到心率，包括：

35、对所述心电图信号进行频域滤波处理，得到滤波心电图信号；

36、通过以下公式计算得到心率：

37、

38、其中，hr为心率，tr根据所述滤波心电图信号中相邻的两个峰值的时间间隔。

39、优选地，所述方法还包括：

40、当所述心率类别分类为安静心率时，以所述心率预测值为最终心率输出值。

41、第二方面，本发明提供了一种提升心率采集准确度的系统，包括：

42、数据获取模块，用于获取心电图信号和光电容积脉搏波信号；

43、心率参数模块，用于根据所述光电容积脉搏波信号计算得到脉率，并通过心率变异性分析，得到心率变异性参数；

44、心率计算模块，用于根据所述心电图信号，计算得到心率；

45、心率分类模块，用于根据所述心率变异性参数，通过线性判别分析算法，得到心率类别分类；

46、心率预测模块，用于根据所述心率，通过心率模型，得到心率预测值；

47、心率输出模块，用于根据所述心率预测值、所述心率类别分类、所述光电容积脉搏波信号和所述心率，通过误差反向传播神经网络，得到最终心率输出值。

48、第三方面，本发明还提供了一种电子设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现上述中任意一项所述的提升心率采集准确度的方法。

49、第四方面，本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行上述中任意一项所述的提升心率采集准确度的方法。

50、相比于现有技术，本发明具有如下有益效果：

51、本发明公开了一种提升心率采集准确度的方法，所述方法包括获取心电图信号和光电容积脉搏波信号；根据所述光电容积脉搏波信号计算得到脉率，并通过心率变异性分析，得到心率变异性参数；根据所述心电图信号，计算得到心率；根据所述心率变异性参数，通过线性判别分析算法，得到心率类别分类；根据所述心率，通过心率模型，得到心率预测值；根据所述心率预测值、所述心率类别分类、所述光电容积脉搏波信号和所述心率，通过误差反向传播神经网络，得到最终心率输出值。结合ecg和ppg两种不同的信号采集方式，充分利用各自的优势。ecg提供高精度的心电信息，而ppg则适用于持续监测。这种多模态融合可以更全面地反映用户的心率状况。同时通过个性化模型，能够适应不同用户的生理特征，减少因个体差异导致的心率估计偏差。进一步的，利用lda算法对心率变异性参数进行分类，区分安静、活动和运动三种状态，从而在不同情境下采用不同的心率计算方法，提高数据的准确性。