【技术实现步骤摘要】
本申请涉及心电图监测，特别是涉及一种心电图异常监测方法、装置、设备和存储介质。
技术介绍
1、心电图(electrocardiogram，ecg)是一种广泛用于监测/分类心脏异常(如心肌梗死、心室肥厚、心力衰竭等)的医学检查手段。
2、12导联ecg是在基层医疗中获得心脏功能信息的标准方法，其是通过在胸部和四肢的皮肤表面放置10个电极来测量，以记录心脏的电活动。ecg波形由代表心室去极化的qrs波群、代表心房去极化的p波以及代表心室复极化的t波构成。这样的波形是反映心脏功能的信息性和可靠的测量方法，因此广泛用于心脏疾病诊断的临床实践中。12导联ecg设备能够较为完善地测量ecg数据，但是其通常体积庞大，配有电极、中央单元以及显示器和键盘等附件，普通用户难以方便地使用12导联ecg设备对自身ecg进行日常持续监测。
3、相比之下，智能手表和健身追踪器等便携式ecg设备体积较小，但只能测量一条ecg导联，使得测量的ecg数据不够完善。此外，它们还需要一些用户发起的动作，例如，握持探测器以闭合导电电路，以便进行测量，因此用户需要选择合适的时机来主动发起对ecg的测量。而心律失常等心脏异常具有阵发性性质，对ecg测量时机的选择即使对于临床专家而言也是一项挑战。因此，用便携式ecg设备也难以持续地采集和监测ecg。
4、因此，上述现有的ecg测量方法仍然存在着改进的空间。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种能够方便地对心电图可能存在
2、在一方面，提供一种ecg异常监测方法，所述方法包括：
3、获取用户的光电容积脉搏波(photoplethysmography，ppg)数据；
4、将所述ppg数据输入预先训练好的ecg异常监测模型中，以得到所述ecg异常监测模型的输出值；其中，所述ecg异常监测模型是利用包括ppg数据以及标记所述ppg数据对应的ecg数据是否异常的标签的数据对的训练数据集训练得到的，所述ecg异常监测模型用于基于输入的ppg数据，输出指示所输入的所述ppg数据对应的ecg数据是否估计存在异常的输出值；
5、当所述ecg异常监测模型的输出值指示所述ecg数据估计存在异常时，使与所述用户相关联的用户设备发出警报。
6、在另一方面，提供一种ecg异常监测装置，包括：
7、数据获取模块，用于获取用户的ppg数据；
8、模型监测模块，用于将所述ppg数据输入预先训练好的ecg异常监测模型中，以得到所述ecg异常监测模型的输出值；其中，所述ecg异常监测模型是利用包括ppg数据以及标记所述ppg数据对应的ecg数据是否异常的标签的数据对的训练数据集训练得到的，所述ecg异常监测模型用于基于输入的ppg数据，输出指示所输入的所述ppg数据对应的ecg数据是否估计存在异常的输出值；
9、异常警报模块，用于当所述ecg异常监测模型的输出值指示所述ecg数据估计存在异常时，使与所述用户相关联的用户设备发出警报。
10、在另一方面，提供一种ecg异常监测设备，包括ppg数据探测器、输出装置、存储器和处理器；
11、所述ppg数据探测器用于监测用户的ppg数据，并将测得的所述ppg数据传输至所述处理器；
12、所述存储器存储有计算机程序；并且
13、所述处理器执行所述计算机程序时，用于从所述ppg数据探测器接收所述ppg数据，并实现如上所述的方法，以在当所述ecg异常监测模型的输出值指示所述用户的ecg数据估计存在异常时，利用所述输出装置使与所述用户相关联的用户设备发出警报。
14、在另一方面，提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上所述的方法。
15、上述ecg异常监测方法、装置、设备和存储介质，由于ppg数据能够以被动的方式通过例如智能手表等便携式可穿戴设备对用户进行测量得到，因此通过获取用户的ppg数据，能够方便而持续地对用户进行监测，通过巧妙地使用ppg数据对应的ecg数据是否异常的标签来对ppg数据进行标记形成的数据对进行训练，能够得到可以基于输入的ppg数据，输出指示所输入的所述ppg数据对应的ecg数据是否估计存在异常的输出值的ecg异常监测模型，从而利用该模型可以基于测得ppg数据监测到对应的ecg数据是否很可能发生异常时，并在监测到发生异常时，使与所述用户相关联的用户设备发出警报，以建议用户主动进行ecg测量获知ecg是否异常的准确结果。
本文档来自技高网...【技术保护点】
1.一种心电图异常监测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的心电图异常监测方法，其特征在于，所述心电图异常监测模型是利用训练数据集训练得到的，所述训练数据集包括光电容积脉搏波数据，以及包括所述光电容积脉搏波数据对应的心电图数据指示是否存在心脏功能异常的标签，所述训练数据标签来自多个不同的患者样本。
3.根据权利要求1所述的心电图异常监测方法，其特征在于，所述获取用户的光电容积脉搏波数据，将所述光电容积脉搏波数据输入预先训练好的心电图异常监测模型中，包括：
4.根据权利要求1所述的心电图异常监测方法，其特征在于，所述心电图异常监测模型包括DCA-Net模型、ResNet-18模型、ResNet-34模型、ResNet-50模型和ECA-Net模型中的一者。
5.根据权利要求1所述的心电图异常监测方法，其特征在于，所述心电图异常监测模型包括一个或多个残差-双卷积注意力块，所述残差-双卷积注意力块是在残差块中加入双卷积注意力块而形成，所述双卷积注意力块包括用于在通道维度上进行卷积的第一卷积注意力块以及用于在时间维度上进
6.根据权利要求5所述的心电图异常监测方法，其特征在于，所述心电图异常监测模型包括串行设置的多个所述残差-双卷积注意力块，所述多个所述残差-双卷积注意力块中的每个残差-双卷积注意力块包括：
7.根据权利要求6所述的心电图异常监测方法，其特征在于，所述第一卷积注意力块和所述第二卷积注意力块串行设置，且所述第一卷积注意力块位于所述第二卷积注意力块之前。
8.根据权利要求6所述的心电图异常监测方法，其特征在于，所述第一卷积注意力块和所述第二卷积注意力块中的每一者包括：
9.根据权利要求6所述的心电图异常监测方法，其特征在于，每个残差-双卷积注意力块中的各个卷积层的输出侧还分别设置有批量归一化层以及激活函数层。
10.根据权利要求6所述的心电图异常监测方法，其特征在于，所述心电图异常监测模型还包括：
11.根据权利要求1至10中任一项所述的心电图异常监测方法，其特征在于，所述心电图异常监测模型的训练过程包括：
12.根据权利要求1至10中任一项所述的心电图异常监测方法，其特征在于，与所述用户相关联的用户设备包括所述用户佩戴的便携终端设备和/或与所述用户关联的监护者的监护终端设备，所述获取用户的光电容积脉搏波数据包括由所述便携终端设备实时监测所述用户的光电容积脉搏波数据；
13.根据权利要求1至10中任一项所述的心电图异常监测方法，其特征在于，所述方法还包括：
14.根据权利要求1至10中任一项所述的心电图异常监测方法，其特征在于，所述方法还包括：
15.一种心电图异常监测装置，其特征在于，所述装置包括：
16.一种心电图异常监测设备，包括光电容积脉搏波数据探测器、存储器和处理器；
17.根据权利要求16所述的心电图异常监测设备，其特征在于，还包括输出装置，所述输出装置包括显示屏、指示灯、振动器和/或声音输出装置。
18.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至14中任一项所述的心电图异常监测方法。
...【技术特征摘要】
1.一种心电图异常监测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的心电图异常监测方法，其特征在于，所述心电图异常监测模型是利用训练数据集训练得到的，所述训练数据集包括光电容积脉搏波数据，以及包括所述光电容积脉搏波数据对应的心电图数据指示是否存在心脏功能异常的标签，所述训练数据标签来自多个不同的患者样本。
3.根据权利要求1所述的心电图异常监测方法，其特征在于，所述获取用户的光电容积脉搏波数据，将所述光电容积脉搏波数据输入预先训练好的心电图异常监测模型中，包括：
4.根据权利要求1所述的心电图异常监测方法，其特征在于，所述心电图异常监测模型包括dca-net模型、resnet-18模型、resnet-34模型、resnet-50模型和eca-net模型中的一者。
5.根据权利要求1所述的心电图异常监测方法，其特征在于，所述心电图异常监测模型包括一个或多个残差-双卷积注意力块，所述残差-双卷积注意力块是在残差块中加入双卷积注意力块而形成，所述双卷积注意力块包括用于在通道维度上进行卷积的第一卷积注意力块以及用于在时间维度上进行卷积的第二卷积注意力块。
6.根据权利要求5所述的心电图异常监测方法，其特征在于，所述心电图异常监测模型包括串行设置的多个所述残差-双卷积注意力块，所述多个所述残差-双卷积注意力块中的每个残差-双卷积注意力块包括：
7.根据权利要求6所述的心电图异常监测方法，其特征在于，所述第一卷积注意力块和所述第二卷积注意力块串行设置，且所述第一卷积注意力块位于所述第二卷积注意力块之前。
8.根据权利要求6...
【专利技术属性】
技术研发人员：刘张代红，大卫·克利夫顿，朱婷婷，卢磊，张元亭，
申请(专利权)人：牛津大学苏州科技有限公司，
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。