心脏监测评估系统、运动负荷控制系统及其方法与流程

1.本发明涉及一种评估系统，具体涉及一种心脏监测评估系统，属于生物电监测技术领域。本发明还涉及一种运动负荷控制系统；本发明还涉及一种心脏监测评估方法；本发明还涉及一种运动负荷控制方法；


背景技术：

2.随着社会的发展，人们生活水平的提高，身体健康越来越成为社会健康的热门话题。过去身体健康人们只关注是否患病，而现在更为关注对疾病的预防。尤其是在社会高速发展的背景下，人们的工作压力越来越大；社会上不断有年轻人因心肌梗死而去世的消息，因此如何预防心肌梗死是当今社会面临的重要课题。
3.在现有技术中，在医院门诊提供较为专业的运动负荷心电监测。负荷心电图检测作为检测心肌缺血的成本相对较低的解决方案，市场需求巨大；但医院的数量有限，能看懂心电图谱的医生数量跟不上社会的需求。
4.进一步的，一般负荷心电图需要专业的医生对心电数据进行深入的分析，才可得到较为可信的测试结果。极大影响了负荷心电图监测服务的推行。
5.因此，如何提供一种心脏监测评估系统，能够快速的对心电数据进行识别，为心电数据的解读提供了一种可信的的解决方案，增加结论的可信度，提高心电监测的结论的稳定性和可信度，是本领域技术人员亟待解决的技术问题。


技术实现要素：

6.针对上述现有技术的不足，本发明的目的在于能够快速的对心电数据进行识别，为心电数据的解读提供了一种可信的的解决方案，增加结论的可信度，提高心电监测的结论的稳定性和可信度。本发明提供一种心脏监测评估系统，该评估系统包括：用于采集当前人体高频qrs波数据的心电数据采集装置；与所述心电数据采集装置信号连接，用于分析所述当前人体高频qrs波数据得到心脏状态值的心脏健康智能识别模型，其中，所述心脏健康智能识别模型由多组数据通过机器学习训练得到；所述多组数据包括：训练数据；所述训练数据包括：包含健康人群人体心电数据的第一训练数据、包含非健康人群人体心电数据的第二训练数据；所述当前人体高频qrs波数据输入所述心脏健康智能识别模型后，所述心脏健康智能识别模型输出心电评分参考值。
7.根据本发明的实施方案，提供一种心脏监测评估系统：
8.一种心脏监测评估系统，该评估系统包括：用于采集当前人体高频qrs波数据的心电数据采集装置；与所述心电数据采集装置信号连接，用于分析所述当前人体高频qrs波数据得到心脏状态值的心脏健康智能识别模型，其中，所述心脏健康智能识别模型由多组数据通过机器学习训练得到；所述多组数据包括：训练数据；所述训练数据包括：包含健康人群人体心电数据的第一训练数据、包含非健康人群人体心电数据的第二训练数据；所述当前人体高频qrs波数据输入所述心脏健康智能识别模型后，所述心脏健康智能识别模型输
出心电评分参考值。
9.进一步地，作为本发明一种更为优选地实施方案，所述多组数据还包括：目标数据；所述目标数据包括：包含健康人群人体心电数据的第一校准数据、包含非健康人群人体心电数据的第二校准数据；所述心脏健康智能识别模型先通过所述训练数据进行学习训练后，再通过所述目标数据进行校准训练。
10.进一步地，作为本发明一种更为优选地实施方案，所述心电数据采集装置还用于采集当前人体基础心电数据；所述当前人体基础心电数据包括：st段压低数据、心率数据；所述心电数据采集装置根据所述当前人体基础心电数据调节采集所述当前人体高频qrs波数据的电压、采集频率、时间周期。
11.进一步地，作为本发明一种更为优选地实施方案，该评估系统还包括：与所述心电数据采集装置输出端、所述心脏健康智能识别模型输入端信号连接，用于分析心率周期变异情况的心率统计分析装置，所述心率统计分析装置先根据所述心率数据得到心率变异性数据；所述心率统计分析装置将所述心率变异性数据导入所述心脏健康智能识别模型输入端；所述心脏健康智能识别模型根据所述心率变异性数据对所述心电评分参考值进行调整。
12.进一步地，作为本发明一种更为优选地实施方案，该评估系统还包括：与所述心脏健康智能识别模型输入端信号连接，用于采集血氧饱和度数据的血氧分析装置；所述信号连接，用于将所述血氧饱和度数据导入所述心脏健康智能识别模型输入端；所述心脏健康智能识别模型根据所述血氧饱和度数据对所述心电评分参考值进行调整。
13.进一步地，作为本发明一种更为优选地实施方案，该评估系统还包括：与所述心脏健康智能识别模型输出端信号连接，用于监测血压数据的血压采集分析装置；所述血压采集分析装置根据心电评分参考值，输出并调节血压变化趋势值。
14.进一步地，作为本发明一种更为优选地实施方案，该评估系统还包括：与所述心电数据采集装置信号连接，用于提供负荷运动条件的负荷运动装置；与所述负荷运动装置信号连接的，用于采集呼吸信号数据的呼吸信号采集装置；所述呼吸信号数据包括：吸氧量数据、呼吸频率；所述负荷运动装置根据所述吸氧量数据和所述呼吸频率，调节运动负荷参数。
15.根据本发明的第二个实施方案，提供一种运动负荷控制系统：
16.一种基于第一个实施方案中所述心脏监测评估系统的运动负荷控制系统，该运动负荷控制系统包括：第一个实施方案中所述的心脏监测评估系统；与所述负荷运动装置的控制端连接，用于控制所述负荷运动装置负荷模式的模式控制装置；所述模式控制装置的输入端与所述心脏健康智能识别模型的输出端信号连接；所述模式控制装置根据心电评分参考值实时调节所述负荷运动装置的负荷模式。
17.根据本发明的第三个实施方案，提供一种心脏监测评估方法：
18.一种应用于第一个实施方案中所述心脏监测评估系统的心脏监测评估方法，该心脏监测评估方法包括以下步骤：采集当前人体高频qrs波数据；将所述当前人体高频qrs波数据导入心脏健康智能识别模型中，输出心电评分参考值；其中，所述心脏健康智能识别模型由多组数据通过机器学习训练得到；所述多组数据包括：训练数据；所述训练数据包括：包含健康人群人体心电数据的第一训练数据、包含非健康人群人体心电数据的第二训练数
据。
19.进一步地，作为本发明一种更为优选地实施方案，所述多组数据还包括：目标数据；所述目标数据包括：包含健康人群人体心电数据的第一校准数据、包含非健康人群人体心电数据的第二校准数据；所述心脏健康智能识别模型先通过所述训练数据进行学习训练后，再通过所述目标数据进行校准训练。
20.进一步地，作为本发明一种更为优选地实施方案，该心脏监测评估方法包括以下步骤：采集当前人体基础心电数据，所述当前人体基础心电数据包括：st段压低数据、心率数据；根据所述当前人体基础心电数据调节采集所述当前人体高频qrs波数据的电压v、采集频率f、时间周期t。
21.进一步地，作为本发明一种更为优选地实施方案，该心脏监测评估方法包括以下步骤：根据所述心率数据得到心率变异性数据；将所述心率变异性数据导入所述心脏健康智能识别模型，所述心脏健康智能识别模型根据所述心率变异性数据对所述心电评分参考值进行调整。
22.进一步地，作为本发明一种更为优选地实施方案，该心脏监测评估方法包括以下步骤：采集血氧饱和度数据；将所述血氧饱和度数据导入所述心脏健康智能识别模型，所述心脏健康智能识别模型根据所述血氧饱和度数据对所述心电评分参考值进行调整。
23.进一步地，作为本发明一种更为优选地实施方案，该心脏监测评估方法包括以下步骤：监测血压数据；根据心电评分参考值，输出并调节血压变化趋势值。
24.进一步地，作为本发明一种更为优选地实施方案，该心脏监测评估方法包括以下步骤：采集呼吸信号数据，所述呼吸信号数据包括：吸氧量数据、呼吸频率；根据所述吸氧量数据和所述呼吸频率，调节运动负荷参数。
25.根据本发明的第四个实施方案，提供一种运动负荷控制方法：
26.一种基于第三个实施方案中所述心脏监测评估方法的运动负荷控制方法，该运动负荷控制方法包括以下步骤：根据心电评分参考值实时调节输出负荷模式的指令；将负荷模式的指令输入至负荷运动装置。
27.需要额外补充的是：
28.作为可选，心电数据采集装置包括：用于采集当前人体基础心电数据a2的基础心电采集装置；用于采集高频心电数据的高频心电采集装置；与所述高频心电采集装置信号连接，用于从高频心电数据滤掉低频数据的滤波器；与所述滤波器信号连接，用于从高频心电数据中识别当前人体高频qrs波数据的高频qrs波识别分析装置。
29.根据本发明的第五个实施方案，提供一种心脏监测评估装置：包括存储器和处理器；所述存储器，用于存储计算机程序；所述处理器，用于当执行所述计算机程序时，实现第三个实施方案所述的心脏监测评估方法。
30.根据本发明的第六个实施方案，提供一种计算机可读存储介质：所述存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现第三个实施方案所述的心脏监测评估方法。
31.根据本发明的第七个实施方案，提供一种运动负荷控制装置，包括存储器和处理器；所述存储器，用于存储计算机程序；所述处理器，用于当执行所述计算机程序时，实现第三个实施方案所述的运动负荷控制方法。
32.根据本发明的第八个实施方案，提供一种计算机可读存储介质，所述存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现第三个实施方案所述的运动负荷控制方法。
33.与现有技术相比，本发明具有以下有益效果：
34.1、本技术提供的技术方案，能够快速的对心电数据进行识别，为心电数据的解读提供了一种可信的的解决方案，增加结论的可信度，提高心电监测的结论的稳定性和可信度；
35.2、本技术提供的技术方案，能够大大提高本技术方案的数据处理速度，即提高心脏健康智能识别模型的搭建速度以及实际使用时的数据分析输出的速度。；
36.3、本技术提供的技术方案，能够更好地利用统一的心脏健康智能识别模型对当前人体高频qrs波数据a1的分析。进而提高了本技术技术方案的心脏监测评估系统的对不同人的适应性；
37.4、本技术提供的技术方案，能够使得心脏健康智能识别模型能够降低血氧饱和浓度影响因子对心电评分参考值k的影响；
38.5、本技术提供的技术方案，能够调节节运动负荷参数c1，以使得检测者处在较为安全的负荷运动状态下；
39.6、本技术提供的技术方案，能够自适应性的对负荷心电图检测下的运动负荷进行调节，以使得针对不同的检测者有适合其的负荷模式，确保检测者的负荷运动安全。
附图说明
40.图1为本发明实施例中心脏监测评估系统结构及数据传输示意图；
41.图2为本发明实施例中心脏健康智能识别模型训练示意图。
42.附图标记：
43.a1：当前人体高频qrs波数据；a2：当前人体基础心电数据；a2a：st段压低数据；a2b：心率数据；δa2b：心率变异性数据；v：当前人体高频qrs波数据的电压；f：当前人体高频qrs波数据的采集频率；t：当前人体高频qrs波数据的时间周期；b1：呼吸信号数据；b1a：吸氧量数据；b1b：呼吸频率；c1：运动负荷参数；b2：血氧饱和度数据；b3：血压数据；δb3：血压变化趋势值；
44.s：多组数据；s1：训练数据；s1a：第一训练数据；s1b：第二训练数据；s2：目标数据；s2a：第一校准数据；s2b：第二校准数据；k：心电评分参考值；
45.1：心电数据采集装置；101：基础心电采集装置；102：高频心电采集装置；103：滤波器；104：高频qrs波识别分析装置；2：心脏健康智能识别模型；3：心率统计分析装置；4：呼吸信号采集装置；5：负荷运动装置；6：血氧分析装置；7：血压采集分析装置；8：模式控制装置。
具体实施方式
46.为了使本领域的技术人员更好地理解本技术中的技术方案，下面将结合本技术实施例中的附图对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术的一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范
围。
47.需要说明的是，当元件被称为“固定于”或“设置于”另一个元件上，它可以直接在另一个元件上或者间接设置在另一个元件上；当一个元件被称为是“连接于”另一个元件，它可以是直接连接到另一个元件或间接连接至另一个元件上。
48.需要理解的是，术语“长度”、“宽度”、“上”、下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本技术的限制。
49.此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本技术的描述中，“多个”、“若干个”的含义是两个或两个以上，除非另有明确具体的限定。
50.须知，本说明书附图所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本技术可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本技术所能产生的功效及所能达成的目的下，均应仍落在本技术所揭示的技术内容得能涵盖的范围内。
51.根据本发明的第一个实施方案，提供一种心脏监测评估系统：
52.一种心脏监测评估系统，该评估系统包括：用于采集当前人体高频qrs波数据a1的心电数据采集装置1；与所述心电数据采集装置1信号连接，用于分析所述当前人体高频qrs波数据a1得到心脏状态值的心脏健康智能识别模型2，其中，所述心脏健康智能识别模型2由多组数据s通过机器学习训练得到；所述多组数据s包括：训练数据s1；所述训练数据s1包括：包含健康人群人体心电数据的第一训练数据s1a、包含非健康人群人体心电数据的第二训练数据s1b；所述当前人体高频qrs波数据a1输入所述心脏健康智能识别模型2后，所述心脏健康智能识别模型2输出心电评分参考值k。
53.在本技术中，提供一种心脏监测评估系统的技术方案。该方案利用机器学习技术，对采集到的当前人体高频qrs波数据a1进行分析，进而得到心电评分参考值k。其中，该方案涉及的多组数据s进一步包括：第一训练数据s1a和第二训练数据s1b，通过机器学习技术，心脏健康智能识别模型能够快速地学习和区分第二训练数据s1b相对于于第一训练数据s1a的区别，进而能够快速的对当前人体高频qrs波数据a1进行分析判断，得到心电评分参考值k。本技术提供的技术方案，能够快速的对心电数据进行识别，为心电数据的解读提供了一种可信的的解决方案，增加结论的可信度，提高心电监测的结论的稳定性和可信度。
54.需要说明的是，第一训练数据s1a和第二训练数据s1b均包括：真实监测到的人体的心电高频qrs波的波形数据；于此同时，第一训练数据s1a还包括：专业医生对相应数据的评分k1、采用冠状造影技术检测对应人员的评分k2；而第二训练数据s1b则还包括：专业医生对相应数据的评分k1'、采用冠状造影技术检测对应人员的评分k2'。
55.具体地，心脏健康智能识别模型在对多组数据s进行学习训练时，首先将多组数据s中真实监测到的人体的心电高频qrs波的波形数据进行包络函数运算，进一步再得到具体每个高频qrs波的波形中低幅区的面积；将整个时段内心电高频qrs波波形数据的低幅区的
面积与第一训练数据s1a、第二训练数据s1b中的，专业医生对相应数据的评分k1、采用冠状造影技术检测对应人员的评分k2、专业医生对相应数据的评分k1'、采用冠状造影技术检测对应人员的评分k2'进行学习比对；建立心电评分参考值k与多组数据s的对应智能学习关系。以使得，再对心脏健康智能识别模型输入当前人体高频qrs波数据a1后，心脏健康智能识别模型可直接得到具体的心电评分参考值k。
56.需要说明的是，上述包络函数的计算和低幅区面积计算与判断是现有技术。例如以色列的团队的hyperq产品，即采用该技术思路直接对心肌缺血进行检测。
57.需要说明的是，心脏健康智能识别模型通过现有技术中存在的市面上的机器学习的框架来搭建；例如：apache spark mllib、apache singa、caffe2、google的tensorflow等。鉴于caffe完全用c 实现，并且支持cuda加速，而且根据需要可以在cpu和gpu处理间进行切换。而心电图数据既有文字数据，也有图形数据，caffe对gpu模块的支持，能够大大提高本技术方案的数据处理速度，即提高心脏健康智能识别模型的搭建速度以及实际使用时的数据分析输出的速度。
58.具体地进行阐述，在本发明实施例中，所述多组数据s还包括：目标数据s2；所述目标数据s2包括：包含健康人群人体心电数据的第一校准数据s2a、包含非健康人群人体心电数据的第二校准数据s2b；所述心脏健康智能识别模型2先通过所述训练数据s1进行学习训练后，再通过所述目标数据s2进行校准训练。
59.需要说明的是，心脏健康智能识别模型在利用训练数据s1进行训练学习后，输出的心电评分参考值k已经具有一定的准确性，为了进一步提高心电评分参考值k的准确性，另外独立构建目标数据，对心脏健康智能识别模型进行校准训练。进而最终提高心脏健康智能识别模型输出的心电评分参考值k的可信度。
60.需要说明的是，目标数据包括：第一校准数据s2a和第二校准数据s2b。第一校准数据s2a和第二校准数据s2b均包括：真实监测到的人体的心电高频qrs波的波形数据；于此同时，第一校准数据s2a还包括：专业医生对相应数据的评分k3、采用冠状造影技术检测对应人员的评分k4；而第二校准数据s2b则还包括：专业医生对相应数据的评分k3'、采用冠状造影技术检测对应人员的评分k4'。
61.在利用第一校准数据s2a和第二校准数据s2b对心脏健康智能识别模型进行校准训练时，先将第一校准数据s2a的真实监测到的人体的心电高频qrs波的波形数据输入模型中，让模型输出未校准的心电评分参考值kd'，在将第二校准数据s2b的真实监测到的人体的心电高频qrs波的波形数据、专业医生对相应数据的评分k3'、采用冠状造影技术检测对应人员的评分k4'输入模型中得到心电评分参考值kz'；最有利用心电评分参考值kz'和心电评分参考值kd'对心脏健康智能识别模型进行校准训练。
62.具体地进行阐述，在本发明实施例中，所述心电数据采集装置1还用于采集当前人体基础心电数据a2；所述当前人体基础心电数据a2包括：st段压低数据a2a、心率数据a2b；所述心电数据采集装置1根据所述当前人体基础心电数据a2调节采集所述当前人体高频qrs波数据a1的电压v、采集频率f、时间周期t。
63.需要说明的是，在具体的采集单个检测者的心电数据时，通过采集该检测者的st段压低数据a2a、心率数据a2b，构造检测者的生物电状态模型；由于不同人体质的差异，直接从不同人体监测出的当前人体高频qrs波数据a1需要进行优化；而优化的途径是改变当
前人体高频qrs波数据a1的采集条件，如：电压v、采集频率f、时间周期t；以使得最终不同的人得到的当前人体高频qrs波数据a1满足同一基础性质的要求，以能够更好地利用统一的心脏健康智能识别模型对当前人体高频qrs波数据a1的分析。进而提高了本技术技术方案的心脏监测评估系统的对不同人的适应性。
64.进一步说明的是，胖的人电阻较大，使得肥胖人权的心电监测的数据，在绝对值上要小与瘦体型的人群，因此容易造成监测差异。基于此我们可以针对肥胖人群提高采集时的电压或，降低瘦小体型人群采集时的电压。
65.具体地进行阐述，在本发明实施例中，该评估系统还包括：与所述心电数据采集装置1输出端、所述心脏健康智能识别模型2输入端信号连接，用于分析心率周期变异情况的心率统计分析装置3，所述心率统计分析装置3先根据所述心率数据a2b得到心率变异性数据δa2b；所述心率统计分析装置3将所述心率变异性数据δa2b导入所述心脏健康智能识别模型2输入端；所述心脏健康智能识别模型2根据所述心率变异性数据δa2b对所述心电评分参考值k进行调整。
66.需要说明的是，通过采集到的心率数据a2b，能够得到不同时间段内的心率变异性数据δa2b。心率变异性数据隐含了心脏当前运动的节律，相对较为稳定的心率变异性表示的是当前心脏跳动从整体上为正常，而波动较大的心率变异性数据δa2b标识的是当前心脏处于不稳定状态，所以心率波动较大将从正面影响心脏健康智能识别模型对当前人体高频qrs波数据a1的分析，因此需要将心率变异性数据δa2b导入模型中，进行共同训练，以提高心电评分参考值k的准确性。
67.具体地进行阐述，在本发明实施例中，该评估系统还包括：与所述心脏健康智能识别模型2输入端信号连接，用于采集血氧饱和度数据b2的血氧分析装置6；所述信号连接，用于将所述血氧饱和度数据b2导入所述心脏健康智能识别模型2输入端；所述心脏健康智能识别模型2根据所述血氧饱和度数据b2对所述心电评分参考值k进行调整。
68.需要说明的是，血氧含量低，在同等供血流量下，心脏越容易发生真实缺血。在同一心脏缺血状态或心电评分参考值k基本相同的两个状态下，若某检测者的血氧含量低，则代表其心肌缺血的状态下，血氧含量低的影响因素较大，而血氧含量低可能是肺的原因导致的，因此，将血氧饱和度数据b2导入心脏健康智能识别模型中进行训练，能够使得心脏健康智能识别模型能够降低血氧饱和浓度影响因子对心电评分参考值k的影响。
69.具体地进行阐述，在本发明实施例中，该评估系统还包括：与所述心脏健康智能识别模型2输出端信号连接，用于监测血压数据b3的血压采集分析装置7；所述血压采集分析装置7根据心电评分参考值k，输出并调节血压变化趋势值δb3。
70.需要说明的是，心肌缺血导致心脏搏动力度减弱，可从心脏侧反映人体的血压情况。利用心脏健康智能识别模型所得到的心电评分参考值k可反映心脏侧的血压情况。将心电评分参考值k导入到血压采集分析装置7，可对血压变化趋势值δb3进行调节，进而得到准确的人体血压变化的数据和结论。
71.具体地进行阐述，在本发明实施例中，该评估系统还包括：与所述心电数据采集装置1信号连接，用于提供负荷运动条件的负荷运动装置5；与所述负荷运动装置5信号连接的，用于采集呼吸信号数据b1的呼吸信号采集装置4；所述呼吸信号数据b1包括：吸氧量数据b1a、呼吸频率b1b；所述负荷运动装置5根据所述吸氧量数据b1a和所述呼吸频率b1b，调
节运动负荷参数c1。
72.需要说明的是，本技术提供的心脏监测评估系统，是检测者在负荷运动的状态下进行的检测。而检测者在负荷运动过程中的吸氧量数据b1a、呼吸频率b1b直接反应了检测者在负荷运动状态下，进入人体的氧气量。若氧气量过低，及时心肌的血量不缺，由于氧气吸入量过低，也会导致血液中的氧含量降低，最终导致检测者出现心肌缺血的症状。因此该实施例能够调节节运动负荷参数c1，以使得检测者处在较为安全的负荷运动状态下。
73.根据本发明的第二个实施方案，提供一种运动负荷控制系统：
74.一种基于第一个实施方案中所述心脏监测评估系统的运动负荷控制系统，该运动负荷控制系统包括：第一个实施方案中所述的心脏监测评估系统；与所述负荷运动装置5的控制端连接，用于控制所述负荷运动装置5负荷模式的模式控制装置8；所述模式控制装置8的输入端与所述心脏健康智能识别模型2的输出端信号连接；所述模式控制装置8根据心电评分参考值k实时调节所述负荷运动装置5的负荷模式。
75.本技术中还提供一种运动负荷控制系统的技术方案。该技术方案中，心脏监测评估系统需要在检测者处于负荷运动的状态下，进行当前人体高频qrs波数据a1的检测；负荷运动需要检测者在负荷运动装置5上进行。在同样强度的负荷运动下，不同个体的心率增速是不同的，当实时的心电评分参考值k为正常范围内，而检测者的呼吸数据正常，则可适应性的调节负荷运动装置的负荷模式，如增加负荷，以促使检测者的心率达到额定心率。本技术提供的技术方案，能够自适应性的对负荷心电图检测下的运动负荷进行调节，以使得针对不同的检测者有适合其的负荷模式，确保检测者的负荷运动安全。
76.在现有技术中，一般的运动负荷心电检测过程中，运动负荷装置的负荷大小通常为固定间隔，固定幅度的增加；而负荷增加的速率并不适合所有人。倘若有人的心跳速率增加天生比较缓慢，而让其采取较高增长率的负荷模式，会对检测者的运动安全性造成负面影响。
77.根据本发明的第三个实施方案，提供一种心脏监测评估方法：
78.一种应用于第一个实施方案中所述心脏监测评估方法的心脏监测评估方法，该心脏监测评估方法包括以下步骤：采集当前人体高频qrs波数据a1；将所述当前人体高频qrs波数据a1导入心脏健康智能识别模型2中，输出心电评分参考值k；其中，所述心脏健康智能识别模型2由多组数据s通过机器学习训练得到；所述多组数据s包括：训练数据s1；所述训练数据s1包括：包含健康人群人体心电数据的第一训练数据s1a、包含非健康人群人体心电数据的第二训练数据s1b。
79.在本技术中，提供一种心脏监测评估方法的技术方案。该方案利用机器学习技术，对采集到的当前人体高频qrs波数据a1进行分析，进而得到心电评分参考值k。其中，该方案涉及的多组数据s进一步包括：第一训练数据s1a和第二训练数据s1b，通过机器学习技术，心脏健康智能识别模型能够快速地学习和区分第二训练数据s1b相对于于第一训练数据s1a的区别，进而能够快速的对当前人体高频qrs波数据a1进行分析判断，得到心电评分参考值k。本技术提供的技术方案，能够快速的对心电数据进行识别，为心电数据的解读提供了一种可信的的解决方案，增加结论的可信度，提高心电监测的结论的稳定性和可信度。
80.具体地进行阐述，在本发明实施例中，所述多组数据s还包括：目标数据s2；所述目标数据s2包括：包含健康人群人体心电数据的第一校准数据s2a、包含非健康人群人体心电
数据的第二校准数据s2b；所述心脏健康智能识别模型2先通过所述训练数据s1进行学习训练后，再通过所述目标数据s2进行校准训练。
81.需要说明的是，心脏健康智能识别模型在利用训练数据s1进行训练学习后，输出的心电评分参考值k已经具有一定的准确性，为了进一步提高心电评分参考值k的准确性，另外独立构建目标数据，对心脏健康智能识别模型进行校准训练。进而最终提高心脏健康智能识别模型输出的心电评分参考值k的可信度。
82.需要说明的是，目标数据包括：第一校准数据s2a和第二校准数据s2b。第一校准数据s2a和第二校准数据s2b均包括：真实监测到的人体的心电高频qrs波的波形数据；于此同时，第一校准数据s2a还包括：专业医生对相应数据的评分k3、采用冠状造影技术检测对应人员的评分k4；而第二校准数据s2b则还包括：专业医生对相应数据的评分k3'、采用冠状造影技术检测对应人员的评分k4'。
83.在利用第一校准数据s2a和第二校准数据s2b对心脏健康智能识别模型进行校准训练时，先将第一校准数据s2a的真实监测到的人体的心电高频qrs波的波形数据输入模型中，让模型输出未校准的心电评分参考值kd'，在将第二校准数据s2b的真实监测到的人体的心电高频qrs波的波形数据、专业医生对相应数据的评分k3'、采用冠状造影技术检测对应人员的评分k4'输入模型中得到心电评分参考值kz'；最有利用心电评分参考值kz'和心电评分参考值kd'对心脏健康智能识别模型进行校准训练。
84.具体地进行阐述，在本发明实施例中，该心脏监测评估方法包括以下步骤：采集当前人体基础心电数据a2，所述当前人体基础心电数据a2包括：st段压低数据a2a、心率数据a2b；根据所述当前人体基础心电数据a2调节采集所述当前人体高频qrs波数据a1的电压v、采集频率f、时间周期t。
85.需要说明的是，在具体的采集单个检测者的心电数据时，通过采集该检测者的st段压低数据a2a、心率数据a2b，构造检测者的生物电状态模型；由于不同人体质的差异，直接从不同人体监测出的当前人体高频qrs波数据a1需要进行优化；而优化的途径是改变当前人体高频qrs波数据a1的采集条件，如：电压v、采集频率f、时间周期t；以使得最终不同的人得到的当前人体高频qrs波数据a1满足同一基础性质的要求，以能够更好地利用统一的心脏健康智能识别模型对当前人体高频qrs波数据a1的分析。进而提高了本技术技术方案的心脏监测评估方法的对不同人的适应性。
86.进一步说明的是，胖的人电阻较大，使得肥胖人权的心电监测的数据，在绝对值上要小与瘦体型的人群，因此容易造成监测差异。基于此我们可以针对肥胖人群提高采集时的电压或，降低瘦小体型人群采集时的电压。
87.具体地进行阐述，在本发明实施例中，该心脏监测评估方法包括以下步骤：根据所述心率数据a2b得到心率变异性数据δa2b；将所述心率变异性数据δa2b导入所述心脏健康智能识别模型2，所述心脏健康智能识别模型2根据所述心率变异性数据δa2b对所述心电评分参考值k进行调整。
88.需要说明的是，通过采集到的心率数据a2b，能够得到不同时间段内的心率变异性数据δa2b。心率变异性数据隐含了心脏当前运动的节律，相对较为稳定的心率变异性表示的是当前心脏跳动从整体上为正常，而波动较大的心率变异性数据δa2b标识的是当前心脏处于不稳定状态，所以心率波动较大将从正面影响心脏健康智能识别模型对当前人体高
频qrs波数据a1的分析，因此需要将心率变异性数据δa2b导入模型中，进行共同训练，以提高心电评分参考值k的准确性。
89.具体地进行阐述，在本发明实施例中，该心脏监测评估方法包括以下步骤：采集血氧饱和度数据b2；将所述血氧饱和度数据b2导入所述心脏健康智能识别模型2，所述心脏健康智能识别模型2根据所述血氧饱和度数据b2对所述心电评分参考值k进行调整。
90.需要说明的是，血氧含量低，在同等供血流量下，心脏越容易发生真实缺血。在同一心脏缺血状态或心电评分参考值k基本相同的两个状态下，若某检测者的血氧含量低，则代表其心肌缺血的状态下，血氧含量低的影响因素较大，而血氧含量低可能是肺的原因导致的，因此，将血氧饱和度数据b2导入心脏健康智能识别模型中进行训练，能够使得心脏健康智能识别模型能够降低血氧饱和浓度影响因子对心电评分参考值k的影响。
91.具体地进行阐述，在本发明实施例中，该心脏监测评估方法包括以下步骤：监测血压数据b3；根据心电评分参考值k，输出并调节血压变化趋势值δb3。
92.需要说明的是，心肌缺血导致心脏搏动力度减弱，可从心脏侧反映人体的血压情况。利用心脏健康智能识别模型所得到的心电评分参考值k可反映心脏侧的血压情况。将心电评分参考值k导入到血压采集分析装置7，可对血压变化趋势值δb3进行调节，进而得到准确的人体血压变化的数据和结论。
93.具体地进行阐述，在本发明实施例中，该心脏监测评估方法包括以下步骤：采集呼吸信号数据b1，所述呼吸信号数据b1包括：吸氧量数据b1a、呼吸频率b1b；根据所述吸氧量数据b1a和所述呼吸频率b1b，调节运动负荷参数c1。
94.需要说明的是，本技术提供的心脏监测评估方法，是检测者在负荷运动的状态下进行的检测。而检测者在负荷运动过程中的吸氧量数据b1a、呼吸频率b1b直接反应了检测者在负荷运动状态下，进入人体的氧气量。若氧气量过低，及时心肌的血量不缺，由于氧气吸入量过低，也会导致血液中的氧含量降低，最终导致检测者出现心肌缺血的症状。因此该实施例能够调节节运动负荷参数c1，以使得检测者处在较为安全的负荷运动状态下。
95.根据本发明的第四个实施方案，提供一种运动负荷控制方法：
96.一种基于第三个实施方案中所述心脏监测评估方法的运动负荷控制方法，该运动负荷控制方法包括以下步骤：根据心电评分参考值k实时调节输出负荷模式的指令；将负荷模式的指令输入至负荷运动装置5。
97.本技术中还提供一种运动负荷控制方法的技术方案。该技术方案中，心脏监测评估方法需要在检测者处于负荷运动的状态下，进行当前人体高频qrs波数据a1的检测；负荷运动需要检测者在负荷运动装置5上进行。在同样强度的负荷运动下，不同个体的心率增速是不同的，当实时的心电评分参考值k为正常范围内，而检测者的呼吸数据正常，则可适应性的调节负荷运动装置的负荷模式，如增加负荷，以促使检测者的心率达到额定心率。本技术提供的技术方案，能够自适应性的对负荷心电图检测下的运动负荷进行调节，以使得针对不同的检测者有适合其的负荷模式，确保检测者的负荷运动安全。
98.需要额外补充的是：
99.作为可选，心电数据采集装置包括：用于采集当前人体基础心电数据a2的基础心电采集装置101；用于采集高频心电数据的高频心电采集装置102；与所述高频心电采集装置102信号连接，用于从高频心电数据滤掉低频数据的滤波器103；与所述滤波器103信号连
接，用于从高频心电数据中识别当前人体高频qrs波数据a1的高频qrs波识别分析装置104。
100.根据本发明的第五个实施方案，提供一种心脏监测评估装置：包括存储器和处理器；所述存储器，用于存储计算机程序；所述处理器，用于当执行所述计算机程序时，实现第三个实施方案所述的心脏监测评估方法。
101.根据本发明的第六个实施方案，提供一种计算机可读存储介质：所述存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现第三个实施方案所述的心脏监测评估方法。
102.根据本发明的第七个实施方案，提供一种运动负荷控制装置，包括存储器和处理器；所述存储器，用于存储计算机程序；所述处理器，用于当执行所述计算机程序时，实现第三个实施方案所述的运动负荷控制方法。
103.根据本发明的第八个实施方案，提供一种计算机可读存储介质，所述存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现第三个实施方案所述的运动负荷控制方法。
104.实施例1
105.一种心脏监测评估系统，该评估系统包括：用于采集当前人体高频qrs波数据的心电数据采集装置；与所述心电数据采集装置信号连接，用于分析所述当前人体高频qrs波数据得到心脏状态值的心脏健康智能识别模型，其中，所述心脏健康智能识别模型由多组数据通过机器学习训练得到；所述多组数据包括：训练数据；所述训练数据包括：包含健康人群人体心电数据的第一训练数据、包含非健康人群人体心电数据的第二训练数据；所述当前人体高频qrs波数据输入所述心脏健康智能识别模型后，所述心脏健康智能识别模型输出心电评分参考值。
106.实施例2
107.重复实施例1，只是所述多组数据还包括：目标数据；所述目标数据包括：包含健康人群人体心电数据的第一校准数据、包含非健康人群人体心电数据的第二校准数据；所述心脏健康智能识别模型先通过所述训练数据进行学习训练后，再通过所述目标数据进行校准训练。
108.实施例3
109.重复实施例1，只是所述心电数据采集装置还用于采集当前人体基础心电数据；所述当前人体基础心电数据包括：st段压低数据、心率数据；所述心电数据采集装置根据所述当前人体基础心电数据调节采集所述当前人体高频qrs波数据的电压、采集频率、时间周期。
110.实施例4
111.重复实施例3，只是该评估系统还包括：与所述心电数据采集装置输出端、所述心脏健康智能识别模型输入端信号连接，用于分析心率周期变异情况的心率统计分析装置，所述心率统计分析装置先根据所述心率数据得到心率变异性数据；所述心率统计分析装置将所述心率变异性数据导入所述心脏健康智能识别模型输入端；所述心脏健康智能识别模型根据所述心率变异性数据对所述心电评分参考值进行调整。
112.实施例5
113.重复实施例1，只是该评估系统还包括：与所述心脏健康智能识别模型输入端信号
连接，用于采集血氧饱和度数据的血氧分析装置；所述信号连接，用于将所述血氧饱和度数据导入所述心脏健康智能识别模型输入端；所述心脏健康智能识别模型根据所述血氧饱和度数据对所述心电评分参考值进行调整。
114.实施例6
115.重复实施例1，只是该评估系统还包括：与所述心脏健康智能识别模型输出端信号连接，用于监测血压数据的血压采集分析装置；所述血压采集分析装置根据心电评分参考值，输出并调节血压变化趋势值。
116.实施例7
117.重复实施例1，只是该评估系统还包括：与所述心电数据采集装置信号连接，用于提供负荷运动条件的负荷运动装置；与所述负荷运动装置信号连接的，用于采集呼吸信号数据的呼吸信号采集装置；所述呼吸信号数据包括：吸氧量数据、呼吸频率；所述负荷运动装置根据所述吸氧量数据和所述呼吸频率，调节运动负荷参数。
118.实施例8
119.一种运动负荷选择系统，该运动负荷选择系统包括：心脏监测评估系统；与所述负荷运动装置的控制端连接，用于控制所述负荷运动装置负荷模式的模式控制装置；所述模式控制装置的输入端与所述心脏健康智能识别模型的输出端信号连接；所述模式控制装置根据心电评分参考值实时调节所述负荷运动装置的负荷模式。
120.实施例9
121.一种心脏监测评估方法，该心脏监测评估方法包括以下步骤：采集当前人体高频qrs波数据；将所述当前人体高频qrs波数据导入心脏健康智能识别模型中，输出心电评分参考值；其中，所述心脏健康智能识别模型由多组数据通过机器学习训练得到；所述多组数据包括：训练数据；所述训练数据包括：包含健康人群人体心电数据的第一训练数据、包含非健康人群人体心电数据的第二训练数据。
122.实施例10
123.重复实施例9，只是所述多组数据还包括：目标数据；所述目标数据包括：包含健康人群人体心电数据的第一校准数据、包含非健康人群人体心电数据的第二校准数据；所述心脏健康智能识别模型先通过所述训练数据进行学习训练后，再通过所述目标数据进行校准训练。
124.实施例11
125.重复实施例10，只是该心脏监测评估方法包括以下步骤：采集当前人体基础心电数据，所述当前人体基础心电数据包括：st段压低数据、心率数据；根据所述当前人体基础心电数据调节采集所述当前人体高频qrs波数据的电压v、采集频率f、时间周期t。
126.实施例12
127.重复实施例11，只是该心脏监测评估方法包括以下步骤：根据所述心率数据得到心率变异性数据；将所述心率变异性数据导入所述心脏健康智能识别模型，所述心脏健康智能识别模型根据所述心率变异性数据对所述心电评分参考值进行调整。
128.实施例13
129.重复实施例9，只是该心脏监测评估方法包括以下步骤：采集血氧饱和度数据；将所述血氧饱和度数据导入所述心脏健康智能识别模型，所述心脏健康智能识别模型根据所
述血氧饱和度数据对所述心电评分参考值进行调整。
130.实施例14
131.重复实施例9，只是该心脏监测评估方法包括以下步骤：监测血压数据；根据心电评分参考值，输出并调节血压变化趋势值。
132.实施例15
133.重复实施例9，只是该心脏监测评估方法包括以下步骤：采集呼吸信号数据，所述呼吸信号数据包括：吸氧量数据、呼吸频率；根据所述吸氧量数据和所述呼吸频率，调节运动负荷参数。
134.实施例16
135.一种基于第三个实施方案中所述心脏监测评估方法的运动负荷选择方法，该运动负荷选择方法包括以下步骤：根据心电评分参考值实时调节输出负荷模式的指令；将负荷模式的指令输入至负荷运动装置。
136.对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其他实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。