基于深度学习的心率预测方法及装置

    公开(公告)号:CN108926338A

    公开(公告)日:2018-12-04

    申请号:CN201810553893.0

    申请日:2018-05-31

    IPC分类号: A61B5/024

    摘要: 本发明实施例提供一种基于深度学习的心率预测方法及装置,属于数据处理领域。该方法首先获取待测的脉搏信号及运动姿态信号,然后将所述待测的脉搏信号及运动姿态信号输入预先训练好的最终长短期记忆网络LSTM(long-short term memory)模型中,根据所述运动姿态信号对应的运动状态,选择所述最终LSTM模型中所述运动状态对应的LSTM模型进行心电信号预测,进一步获取心电信号,本方案通过运动姿态信号,将训练模型分为多个不同状态对应的LSTM模型,并分别对这些LSTM模型进行心电信号的训练及预测,从而可以有效的预测出准确的心率值。

    活动能力监视
    8.
    发明公开
    活动能力监视 审中-实审

    公开(公告)号:CN108348194A

    公开(公告)日:2018-07-31

    申请号:CN201680066723.9

    申请日:2016-09-14

    IPC分类号: A61B5/11 A61B5/00

    摘要: 一种监视对象的活动能力的方法,所述方法包括在至少一个处理设备中:确定指示多个传感器中的每个传感器的传感器读数的传感器数据,所述传感器位于所述对象的生活环境内,并且每个传感器的传感器数据至少部分地指示所述对象执行的一个或多个活动;针对多个活动域中的每个活动域,确定指示相应活动域内的活动水平的域分数,所述域分数是使用来自与相应域相关联的传感器的相应组合的传感器数据来确定的;使用在参考时间段期间测量的参考域分数来确定参考活动水平;使用在监视时间段期间测量的当前域分数来确定当前活动水平;以及至少部分地根据所述当前活动水平和所述参考活动水平来生成活动指标,所述活动指标至少部分地指示所述当前活动水平和所述参考活动水平之间的差异,由此提供关于所述对象活动能力的反馈。