【技术实现步骤摘要】
本申请涉及计算机信息处理领域，具体而言，涉及一种可穿戴设备的多源异构时序传感数据处理方法、装置、电子设备及计算机可读介质。
技术介绍
1、心电信号是评估人的健康、疲劳、压力等指标的重要依据；通过设备采集心电信号对辅助及时监测健康状况具有重要意义。可穿戴技术的发展进一步推进了智能心电信号监测设备的普及。穿戴式生理监测设备主要涉及到传感技术、无线通信技术和信号处理技术等,具有低负荷、操作简便、可移动、持续监测、无线传输和异常生理状况报警等功能，能够监测人体多种生理信号，提供全天实时健康状态监测并将数据上传至监测系统。
2、现有技术中，在可穿戴设备方面，目前常用的进行心电信号类监测的可穿戴设备主要包括手环、手表、心率带、指环等等，主要进行脉率、心率、血氧、血压、温度等生理指标，尽管可穿戴设备具有便捷等多方面的优点，但由于可穿戴设备的尺寸和操作限制，设备无法提供复杂的功能进行交互，功能扩展相对有限。而且，由于不同的可穿戴设备采用不同的传感器进行测量，可包括光学传感器、生物电势能传感器、生物阻抗传感器等等，不同的传感器配合不同的计算模型计算结果，这就使得同位置佩戴的可穿戴设备之间测量的结果差异很大，测量的精度和准确性有限，无法达到医疗设备的精确性要求。
3、因此，需要一种新的可穿戴设备的多源异构时序传感数据处理方法、装置、电子设备及计算机可读介质。
4、在所述
技术介绍
部分公开的上述信息仅用于加强对本申请的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
<
1、有鉴于此，本申请提供一种可穿戴设备的多源异构时序传感数据处理方法、装置、电子设备及计算机可读介质，能够克服传统心电信号难以准确表征心脏动态系统特征性变化的缺陷，引入新的采集信号进行心血管疾病的监测，还可以进行心血管疾病的早筛和风险评估。
2、本申请的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本申请的实践而习得。
3、根据本申请的一方面，提出一种可穿戴设备的多源异构时序传感数据处理方法，该方法包括：由设置在用户处的多种可穿戴设备获取多个时序传感数据；将所述多个时序传感数据分别进行多源预处理，以生成多源异构时序数据；将多源异构时序数据输入通过确定学习方法和动态环境建立的多维度多模态协同预测模型中，生成多个预测结果；将多个预测结果分别和用户历史数据进行比对，并在比对结果满足健康策略时，生成告警信息。
4、可选地，还包括：获取预设时间范围内的多个用户的多源异构时序数据；获取与多个用户对应的健康监测数据；根据所述健康监测数据为所述多个多源异构时序数据设置标签；通过带有标签的多源异构时序数据生成时序样本数据；通过动态学习方法和所述时序样本数据对机器学习模型进行训练以生成多维度多模态协同预测模型。
5、可选地，将多源异构时序数据输入通过确定学习方法和动态环境建立的多维度多模态协同预测模型中，生成多个预测结果，包括：基于确定学习法基于时序样本数据的动态环境建立动态学习模型；将多源异构时序数据输入动态学习模型中；所述动态学习模型基于多个神经网络辨识器和其对应的权重对所述多源异构时序数据进行初步预测，生成初步预测结果；根据所述初步预测结果生成稳定性指标；在所述稳定性指标满足阈值时，生成所述多维度多模态协同预测模型。
6、可选地，由设置在用户处的多种可穿戴设备获取多个时序传感数据，包括：由设置在用户耳部的耳机获取第一心电时序传感数据、第二心电时序传感数据、温度时序传感数据；由设置在用户手腕的手环获取第三心电时序传感数据、脉搏时序传感数据、血氧时序传感数据、运动状态时序传感数据、环境时序传感数据。
7、可选地，将所述多个时序传感数据分别进行多源预处理，以生成多源异构时序数据，包括：将所述多个时序传感数据经由多源滤波器进行过滤，生成多个滤波数据；将所述多个滤波数据进行补偿校准，生成多个校准数据；将所述多个校准数据分别进行归一化处理，生成多个心电向量数据；通过所述多个心电向量数据构成所述多源异构时序数据。
8、可选地，将所述多个时序传感数据经由多源滤波器进行过滤，生成多个滤波数据，包括：为所述多个时序传感数据分别设置其对应的小波滤波器；将所述多个时序传感数据分别经由其对应的小波滤波器进行过滤，生成多个滤波数据。
9、可选地，将所述多个滤波数据进行补偿校准，生成多个校准数据，包括：由所述多个滤波数据中提取多个类别基准数据；将所述多个滤波数据按照预设设置分为多个类别；按照每个类别对应的类别基准数据对所述多个滤波数据进行校准。
10、可选地，将多源异构时序数据输入通过动态学习方法生成的多维度多模态协同预测模型中，生成多个预测结果，包括：将多源异构时序数据输入通过动态学习方法生成的多维度多模态协同预测模型中；多维度多模态协同预测模型通过内置的动态神经网络辨识器对所述多元异构数据进行自适应计算；多维度多模态协同预测模型通过内置的多个支持向量机分类器分别对自适应计算结果进行分类，以生成多个预测结果。
11、可选地，将多个预测结果分别和用户历史数据进行比对，并在比对结果满足健康策略时，生成告警信息，包括：通过对用户历史数据的统计分析生成多个指标区间；将所述多个预测结果分别和其对应的指标区间进行对比；在比对结果中包含超出指标区间的预测结果时，根据所述预测结果生成告警信息。
12、根据本申请的一方面，提出一种可穿戴设备的多源异构时序传感数据处理装置，该装置包括：传感模块，用于由设置在用户处的多种可穿戴设备获取多个时序传感数据；预处理模块，用于将所述多个时序传感数据分别进行多源预处理，以生成多源异构时序数据；预测模块，用于将多源异构时序数据输入通过确定学习方法和动态环境建立的多维度多模态协同预测模型中，生成多个预测结果；告警模块，用于将多个预测结果分别和用户历史数据进行比对；并在比对结果满足健康策略时，生成告警信息。
13、根据本申请的一方面，提出一种电子设备，该电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如上文的方法。
14、根据本申请的一方面，提出一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如上文中的方法。
15、根据本申请的可穿戴设备的多源异构时序传感数据处理方法、装置、电子设备及计算机可读介质，通过由设置在用户处的多种可穿戴设备获取多个时序传感数据；将所述多个时序传感数据分别进行多源预处理，以生成多源异构时序数据；将多源异构时序数据输入通过确定学习方法和动态环境建立的多维度多模态协同预测模型中，生成多个预测结果；将多个预测结果分别和用户历史数据进行比对，并在比对结果满足健康策略时，生成告警信息的方式，能够克服传统心电信号难以准确表征心脏动态系统特征性变化的缺陷，引入新的采集信号进行心血管疾病的监测，还可以进行心血管疾病的早筛和风险评估。
<本文档来自技高网...【技术保护点】
1.一种可穿戴设备的多源异构时序传感数据处理方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，还包括：
3.如权利要求2所述的方法，其特征在于，通过动态学习方法和所述时序样本数据对机器学习模型进行训练以生成多维度多模态协同预测模型，包括：
4.如权利要求1所述的方法，其特征在于，由设置在用户处的多种可穿戴设备获取多个时序传感数据，包括：
5.如权利要求1所述的方法，其特征在于，将所述多个时序传感数据分别进行多源预处理，以生成多源异构时序数据，包括：
6.如权利要求5所述的方法，其特征在于，将所述多个时序传感数据经由多源滤波器进行过滤，生成多个滤波数据，包括：
7.如权利要求5或6所述的方法，其特征在于，将所述多个滤波数据进行补偿校准，生成多个校准数据，包括：
8.如权利要求1所述的方法，其特征在于，将多源异构时序数据输入通过动态学习方法生成的多维度多模态协同预测模型中，生成多个预测结果，包括：
9.如权利要求1所述的方法，其特征在于，将多个预测结果分别和用户历史数据进行
10.一种可穿戴设备的多源异构时序传感数据处理装置，其特征在于，包括：
11.一种电子设备，其特征在于，包括：
12.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1至9中任一所述的方法。
...【技术特征摘要】
1.一种可穿戴设备的多源异构时序传感数据处理方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，还包括：
3.如权利要求2所述的方法，其特征在于，通过动态学习方法和所述时序样本数据对机器学习模型进行训练以生成多维度多模态协同预测模型，包括：
4.如权利要求1所述的方法，其特征在于，由设置在用户处的多种可穿戴设备获取多个时序传感数据，包括：
5.如权利要求1所述的方法，其特征在于，将所述多个时序传感数据分别进行多源预处理，以生成多源异构时序数据，包括：
6.如权利要求5所述的方法，其特征在于，将所述多个时序传感数据经由多源滤波器进行过滤，生成多个滤波数据，包括：
7.如...
【专利技术属性】
技术研发人员：霍冰，
申请(专利权)人：北京康缘荃科科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。