一种基于智能终端的心血管检测方法与流程

1.本发明涉及智能医疗技术领域，具体涉及一种基于智能终端的心血管检测方法。


背景技术：

2.心血管疾病已经成为一种非常普遍的疾病，严重威胁着人类的健康。然而，在我国医疗资源相对匮乏、老龄化加剧的大背景下，智能化、个性化的医疗诊断方式拥有巨大的发展前景。未来，能够融合多生理参数的可穿戴健康监护设备将成为数字化移动医疗的主力军。
3.在众多生理信号中，心电信号是检测心脏疾病的重要手段，尤其是具有突发性和随机性的心血管疾病。而脉搏波呈现出的形态、强度和速率等方面的信息，反映人体心血管系统的重要生理病理信息。心电和脉搏信号属于微弱信号，幅值低，频率低，所以在提取心脉信号的过程中，极易受到各种干扰。
4.专利号为cn201811085130.4公开了一种基于多生理信号深度融合的心血管疾病预警系统。包括佩戴装置、多生理信号采集装置、传输装置、智能终端设备和云端服务器；多生理信号采集装置和传输装置均设置在佩戴装置上；多生理信号采集装置采集被检测者的生理信号并通过传输装置将采集的生理信号数据传输到智能终端设备；智能终端设备内置程序，判断被检测者是否有心血管疾病风险，并将处理的生理信号传送至云端服务器；所述云端服务器内置程序，对佩戴者的多生理信号进行疾病分类和诊断，并反馈给智能终端；本发明提供的基于多生理信号深度融合的心血管疾病预警系统，为心脏功能的评估和心脏疾病的诊断提供更加准确的参考。
5.上述现有技术虽然为心脏功能的评估和心脏疾病的诊断提供更加准确的参考，能够实现疾病预警，但是仍存在一定的缺陷，比如：生理信号超健康阈值时，需要对该生理信号进行更为密切的监测，以更快的获得一组诊断信号，快速识别出目标对象的疾病类别，而在生理信号不超健康阈值时，说明生理信号在健康状态下，则无需过于密切的监测，因此上述技术对于多生理信号均是按频率无差别式监测，在生理信号不超健康阈值只会造成监测终端的高频监测资源的浪费，而在生理信号超健康阈值时可能会造成对诊断信号的遗漏，最终导致心血管疾病监测精度的降低，造成目标对象的生命财产受损。


技术实现要素：

6.本发明的目的在于提供一种基于智能终端的心血管检测方法，以解决现有技术中对于多生理信号均是按无差别式监测，在生理信号不超健康阈值只会造成监测终端的高频监测资源的浪费，而在生理信号超健康阈值时可能会造成对诊断信号的遗漏，最终导致心血管疾病监测精度的降低的技术问题。
7.为解决上述技术问题，本发明具体提供下述技术方案：
8.一种基于智能终端的心血管检测方法，包括以下步骤：
9.步骤s1、在心血管病案大数据中抽取多组心血管病例作为病例样本，并基于病例
样本构建病种识别模型，所述病种识别模型用于根据生理信号识别出已发性的心血管疾病类别，所述生理信号表征为判定所述已发性的心血管疾病类别的诊断指标；
10.步骤s2、在心血管病案大数据中获取心血管疾病类别间的并发特征和心血管疾病类别的诊断指标，并基于所述并发特征和诊断指标构建并发指引思维导图，所述并发指引思维导图用于根据所述已发性的心血管疾病类别指引出存在并发性的心血管疾病类别；
11.步骤s3、监测终端以固定频率实时监测目标对象多个类别的生理信号，并同步提取出超健康阈值的生理信号，将超健康阈值的生理信号的监测频率由所述固定频率调整为自适应频率，以所述自适应频率对所述超健康阈值的生理信号进行定时长监测得到一组用于判定心血管疾病类别的生理信号作为诊断信号，再将所述诊断信号通过病种识别模型得到目标对象的已发性的心血管疾病类别，同步将目标对象的已发性的心血管疾病类别反馈至并发指引思维导图，所述超健康阈值的生理信号表征为目标对象中脱离健康状态呈现为异常状态的生理信号；
12.步骤s4、利用并发思维导图根据所述目标对象的已发性的心血管疾病类别输出并发性的心血管疾病类别以及并发性的心血管疾病类别的诊断指标，同步反馈至监测终端将与并发性的心血管疾病类别的诊断指标相同的生理信号的固定频率进行提高，以提高后的固定频率对所述并发性的心血管疾病类别的诊断指标相同的生理信号进行实时监测，以提高对并发性的心血管疾病类别的关注度来保障并发性的心血管疾病的病发检测具有高时效性。
13.作为本发明的一种优选方案，在心血管病案大数据中抽取多组心血管病例作为病例样本，并基于病例样本构建病种识别模型，包括：
14.依次在每个所述心血管病例的病案报告中提取出一组用于诊断出心血管病例已发性的心血管疾病类别的生理信号作为样本数据，并将心血管病例所患的已发性的心血管疾病类别作为一组生理信号的样本标签，再将所述样本数据和样本标签进行组合得到病例样本，所述病例样本标记为[生理信号，已发性的心血管疾病类别]；
[0015]
利用bp神经网络对所述生理信号和已发性的心血管疾病类别构建表征生理信号和已发性的心血管疾病类别非线性映射关系的映射模型作为病种识别模型，所述病种识别模型的函数表达式为：
[0016]
zy＝bp[xy]；
[0017]
式中，zy表征第y个病例样本的已发性的心血管疾病类别，xy表征为第y个病例样本的生理信号，bp表征为bp神经网络；
[0018]
将所有病例样本以数据量为6:4分割成训练集和测试集带入病种识别模型进行模型训练以使得病种识别模型准确映射出生理信号和已发性的心血管疾病类别的非线性关系。
[0019]
作为本发明的一种优选方案，所述在心血管病案大数据中获取心血管疾病类别间的并发特征和心血管疾病类别的诊断指标，包括：
[0020]
在所述心血管病案大数据中依次统计出每个已发性的心血管疾病类别的心血管病例总数，以及统计出每个已发性的心血管疾病类别中所有心血管病例具有的所有并发性的心血管疾病类别；
[0021]
在每个已发性的心血管疾病类别中统计出每个并发性的心血管疾病类别的心血
管病例总数，并将每个并发性的心血管疾病类别的心血管病例总数与每个已发性的心血管疾病类别的心血管病例总数的比值作为每个并发性的心血管疾病类别的发病率；
[0022]
在每个已发性的心血管疾病类别中将发病率超过60％的并发性的心血管疾病类别作为对应的已发性的心血管疾病类别的并发特征，所述并发特征表征为已发性的心血管疾病类别的所有并发性的心血管疾病类别；
[0023]
在所述心血管病案大数据中依次统计出每个已发性的心血管疾病类别的诊断指标，并在每个已发性的心血管疾病类别中统计出每个诊断指标应用的心血管病例总数，将所述每个诊断指标应用的心血管病例总数与每个已发性的心血管疾病类别的心血管病例总数的比值作为每个诊断指标的应用率；
[0024]
在每个已发性的心血管疾病类别中选取最高应用率对应的诊断指标作为对应的心血管疾病类别的诊断指标。
[0025]
作为本发明的一种优选方案，所述基于所述并发特征和诊断指标构建并发指引思维导图，包括：
[0026]
将心血管疾病并发指引作为核心主题，将所述并发特征作为已发性的心血管疾病类别的第一分支主题，以及将诊断指标作为已发性的心血管疾病类别的第一分支主题；
[0027]
将所有的所述已发性的心血管疾病类别均作为并联在核心主题处的主节点，将所述并发特征中所有的并发性心血管疾病类别作为并联在第一分支主题处的第一分支节点，以及将诊断指标对应的生理信号类别作为连接第二分支主题处的第二分支节点；
[0028]
所述第二分支主题与第一分支主题并联在每个所述主节点处，以实现将核心主题、第一分支主题、第一分支主题、主节点、第一分支节点和第二分支节点构建为树状的并发指引思维导图。
[0029]
作为本发明的一种优选方案，所述同步提取出超健康阈值的生理信号，包括：
[0030]
为每个类别的生理信号均设定信号阈值作为所述健康阈值，将多个类别的生理信号依次与所述健康阈值进行比较，其中，
[0031]
当生理信号大于健康阈值，则将对应的生理信号进行提取；
[0032]
当生理信号小于等于健康阈值，则无需将对应的生理信号进行提取。
[0033]
作为本发明的一种优选方案，所述将超健康阈值的生理信号的监测频率由所述固定频率调整为自适应频率，包括：
[0034]
将所述固定频率作为超健康阈值的生理信号在所述定时长监测的时序区间中的初始监测频率，并依次在定时长监测的时序区间中每个时序处对生理信号与健康阈值的溢出程度进行计算；
[0035]
所述溢出程度的计算公式为：
[0036][0037]
式中，p
i,t
表征为作为超健康阈值的生理信号的第i类生理信号在时序区间中第t个时序处的生理信号与健康阈值的溢出程度，s
i,t
表征为作为超健康阈值的生理信号的第i类生理信号在时序区间中第t个时序处的生理信号，s
i,o
表征为作为超健康阈值的生理信号的第i类生理信号在时序区间中第t个时序处的健康阈值，i，t，o均为计量常数，无实质含义；
[0038]
基于所述溢出程度对时序区间中每个时序处的监测频率在所述固定频率的基础上进行自适应调整得到自适应频率，其中，
[0039]
当p
i,t
≥0，则将每个时序处的监测频率调整为
[0040]
当p
i,t
＜0，则将每个时序处的监测频率调整为f
i,t
＝f
i,o
；
[0041]
式中，f
i,t
表征为作为超健康阈值的生理信号的第i类生理信号在时序区间中第t个时序处的所述自适应监测频率，f
i,o
表征为作为超健康阈值的生理信号的第i类生理信号的固定频率。
[0042]
作为本发明的一种优选方案，所述步骤s3还包括：
[0043]
在完成超健康阈值的生理信号的定时长监测后，将定时长监测的时序区间中所有的监测频率进行均值化处理得到的监测频率作为超健康阈值的生理信号的固定频率，以提高对超健康阈值的生理信号的后续关注度。
[0044]
作为本发明的一种优选方案，所述同步反馈至监测终端将与并发性的心血管疾病类别的诊断指标相同的生理信号的固定频率进行提高，包括：
[0045]
提取与并发性的心血管疾病类别的诊断指标相同的生理信号的发病率，并依据所述发病率构建固定频率的提高公式，所述固定频率的提高公式为：
[0046][0047]
式中，f
j,q
表征为作为与并发性的心血管疾病类别的诊断指标相同的生理信号的第j类生理信号提高后的固定频率，f
j,o
表征为作为与并发性的心血管疾病类别的诊断指标相同的生理信号的第j类生理信号提高前的固定频率，uj表征为作为与并发性的心血管疾病类别的诊断指标相同的生理信号的第j类生理信号的发病率。
[0048]
作为本发明的一种优选方案，以提高后的固定频率对所述并发性的心血管疾病类别的诊断指标相同的生理信号进行实时监测，包括：
[0049]
监测终端以提高后的固定频率实时监测目标对象多个与并发性的心血管疾病类别的诊断指标相同的生理信号，并同步提取出超健康阈值的与并发性的心血管疾病类别的诊断指标相同的生理信号；
[0050]
将超健康阈值的与并发性的心血管疾病类别的诊断指标相同的生理信号的监测频率由所述固定频率调整为自适应频率，以所述自适应频率对所述超健康阈值的与并发性的心血管疾病类别的诊断指标相同的生理信号进行定时长监测得到一组诊断信号；
[0051]
将所述诊断信号通过病种识别模型，其中，
[0052]
若病种识别模型输出目标对象的已发性的心血管疾病类别，则同步将目标对象的已发性的心血管疾病类别反馈至并发指引思维导图，执行步骤s4、s3得到目标对象的所有已发性的心血管疾病类别和并发性的心血管类别，所有已发性的心血管疾病类别和并发性的心血管疾病类别的诊断指标相同的生理信号，以及所有已发性的心血管疾病类别和并发性的心血管疾病类别的诊断指标相同的生理信号的监测频率；
[0053]
若病种识别模型无法输出目标对象的已发性的心血管疾病类别，则无需同步将目标对象的已发性的心血管疾病类别反馈至并发指引思维导图，执行步骤s3对目标对象的所有已发性的心血管疾病类别和并发性的心血管疾病类别的诊断指标相同的生理信号进行
实时监测，提高对目标对象的所有已发性的心血管疾病类别和并发性的心血管疾病类别的关注度。
[0054]
作为本发明的一种优选方案，还包括：
[0055]
在病种识别模型输出已发性的心血管疾病类别的同时进行监测预警，以提醒目标对象进行及时的医疗干预。
[0056]
本发明与现有技术相比较具有如下有益效果：
[0057]
本发明通过构建病种识别模型对超健康阈值的生理信号进行疾病种类识别得到目标用户的已发性的心血管疾病种类，再通过构建根据已发性的心血管疾病类别指引出存在并发性的心血管疾病类别的并发指引思维导图，从而对与已病发的心血管疾病类别存在并发可能性的心血管疾病类别进行密切关注，实现对存在并发可能性的心血管疾病类别的生理信号进行高频捕捉，能在病发初期即可识别预警，降低并发性的心血管疾病类别的病发造成的危险性。
附图说明
[0058]
为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图引伸获得其它的实施附图。
[0059]
图1为本发明实施例提供的心血管检测方法流程图。
具体实施方式
[0060]
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
[0061]
如图1所示，对于心血管疾病的检测预警通常都建立在利用智能终端(比如可穿戴式终端设备，智能手表、智能血压仪等等)对目标对象进行生理信号(比如心跳，脉搏，血压等等)进行定频率实时监测，并将监测到生理信号的同时判定生理信号是否超健康阈值，将超健康阈值的生理信号作为判定目标对象存在心血管疾病的指标，并直接进行安全预警以提醒目标对象进行医疗关注，但是在此过程中采用定频率监测，频率设定的过高，会导致监测得到的生理信号的数据量过多，则数据处理量与剧增，但对目标对象不存在风险的生理信号长期处于较稳定正常的状态，而不稳定异常状态属于小概率事件因此过多数据量对监测精度无益，同时还会导致智能终端长时间处于高频高刷状态，相反的，频率设定的过低，会导致监测得到的生理信号的数据量过少，但对目标对象存在风险的生理信号长期处于不稳定的异常状态，而不稳定的异常状态属于大概率事件因此过少数据量对监测精度无益，因此，本发明提供了一种基于智能终端的心血管检测方法，识别出目标对象的已发性的心血管疾病类别，并通过并发引导思维导图确定出已发性的心血管疾病类别会伴随的并发性的心血管疾病类别，从而确定出对目标对象而言风险度较高的生理信号，并对风险对较高的生理信号的监测频率进行提高，从而使得对目标对象不存在风险的生理信号进行低频采
集，在不影响监测精度同时去除生理信号的数据冗余性，对目标对象存在风险的生理信号进行高频采集，提高生理信号的数据量以便更为精准的判定生理信号表征的心血管疾病类别，合理分配智能终端的监测资源，提高对心血管检测的检测精度。
[0062]
一种基于智能终端的心血管检测方法，包括以下步骤：
[0063]
步骤s1、在心血管病案大数据中抽取多组心血管病例作为病例样本，并基于病例样本构建病种识别模型，病种识别模型用于根据生理信号识别出已发性的心血管疾病类别，生理信号表征为判定已发性的心血管疾病类别的诊断指标；
[0064]
已发性的心血管疾病类别表征为目标对象已经病发的心血管疾病类别，病大型的心血管疾病类别表征为伴随目标对象已经病发的心血管疾病类别存在共同病发可能性的心血管疾病类别。
[0065]
在心血管病案大数据中抽取多组心血管病例作为病例样本，并基于病例样本构建病种识别模型，包括：
[0066]
依次在每个心血管病例的病案报告中提取出一组用于诊断出心血管病例已发性的心血管疾病类别的生理信号作为样本数据，并将心血管病例所患的已发性的心血管疾病类别作为一组生理信号的样本标签，再将样本数据和样本标签进行组合得到病例样本，病例样本标记为[生理信号，已发性的心血管疾病类别]；
[0067]
利用bp神经网络对生理信号和已发性的心血管疾病类别构建表征生理信号和已发性的心血管疾病类别非线性映射关系的映射模型作为病种识别模型，病种识别模型的函数表达式为：
[0068]
zy＝bp[xy]；
[0069]
式中，zy表征第y个病例样本的已发性的心血管疾病类别，xy表征为第y个病例样本的生理信号，bp表征为bp神经网络；
[0070]
将所有病例样本以数据量为6:4分割成训练集和测试集带入病种识别模型进行模型训练以使得病种识别模型准确映射出生理信号和已发性的心血管疾病类别的非线性关系。
[0071]
步骤s2、在心血管病案大数据中获取心血管疾病类别间的并发特征和心血管疾病类别的诊断指标，并基于并发特征和诊断指标构建并发指引思维导图，并发指引思维导图用于根据已发性的心血管疾病类别指引出存在并发性的心血管疾病类别；
[0072]
在心血管病案大数据中获取心血管疾病类别间的并发特征和心血管疾病类别的诊断指标，包括：
[0073]
在心血管病案大数据中依次统计出每个已发性的心血管疾病类别的心血管病例总数，以及统计出每个已发性的心血管疾病类别中所有心血管病例具有的所有并发性的心血管疾病类别；
[0074]
在每个已发性的心血管疾病类别中统计出每个并发性的心血管疾病类别的心血管病例总数，并将每个并发性的心血管疾病类别的心血管病例总数与每个已发性的心血管疾病类别的心血管病例总数的比值作为每个并发性的心血管疾病类别的发病率；
[0075]
在每个已发性的心血管疾病类别中将发病率超过60％的并发性的心血管疾病类别作为对应的已发性的心血管疾病类别的并发特征，并发特征表征为已发性的心血管疾病类别的所有并发性的心血管疾病类别；
[0076]
在心血管病案大数据中依次统计出每个已发性的心血管疾病类别的诊断指标，并在每个已发性的心血管疾病类别中统计出每个诊断指标应用的心血管病例总数，将每个诊断指标应用的心血管病例总数与每个已发性的心血管疾病类别的心血管病例总数的比值作为每个诊断指标的应用率；
[0077]
在每个已发性的心血管疾病类别中选取最高应用率对应的诊断指标作为对应的心血管疾病类别的诊断指标。
[0078]
基于并发特征和诊断指标构建并发指引思维导图，包括：
[0079]
将心血管疾病并发指引作为核心主题，将并发特征作为已发性的心血管疾病类别的第一分支主题，以及将诊断指标作为已发性的心血管疾病类别的第一分支主题；
[0080]
将所有的已发性的心血管疾病类别均作为并联在核心主题处的主节点，将并发特征中所有的并发性心血管疾病类别作为并联在第一分支主题处的第一分支节点，以及将诊断指标对应的生理信号类别作为连接第二分支主题处的第二分支节点；
[0081]
第二分支主题与第一分支主题并联在每个主节点处，以实现将核心主题、第一分支主题、第一分支主题、主节点、第一分支节点和第二分支节点构建为树状的并发指引思维导图。
[0082]
本实施例提供了一种并发指引思维导图的构建实例，在实际中比如心血管系统疾病中的动脉粥样硬化，会存在的并发性的高血脂症，高血脂症的并发性疾病又有糖尿病，甲状腺功能减退和生病综合征，因此，当已发性的心血管疾病类别包括a，b，g，w，r，m，已发性的心血管疾病类别a的并发性的心血管疾病类别包括b，g，w，已发性的心血管疾病类别b的并发性的心血管疾病类别包括r，m，其中，a，b的诊断指标分别为a，b，g，w，r，m则构建得到并发指引思维导图为：
[0083]
心血管疾病并发指引
[0084]
在具体使用时将并发指引思维导图转换为树状结构存储在计算机系统中，得到在使用时当识别到目标对象的已发性的心血管疾病为a，则计算机在并发指引思维导图的树状结构中识别出并发性的心血管疾病为b，g，w，并识别到并发性的心血管疾
病为b，g，w的诊断指标为b，g，w，说明诊断指标为b，g，w表征的是目标对象的处于异常状态的风险较高，因此，对诊断指标为b，g，w对应的生理信号的检测频率进行提高，实现对诊断指标为b，g，w的高频监测，以实现对风险较高的生理信号进行密切关注，以在并发性的心血管疾病b，g，w的病发初期就可检测处，并进行预警，降低目标对象的并发症风险。
[0085]
步骤s3、监测终端以固定频率实时监测目标对象多个类别的生理信号，并同步提取出超健康阈值的生理信号，将超健康阈值的生理信号的监测频率由固定频率调整为自适应频率，以自适应频率对超健康阈值的生理信号进行定时长监测得到一组用于判定心血管疾病类别的生理信号作为诊断信号，再将诊断信号通过病种识别模型得到目标对象的已发性的心血管疾病类别，同步将目标对象的已发性的心血管疾病类别反馈至并发指引思维导图，超健康阈值的生理信号表征为目标对象中脱离健康状态呈现为异常状态的生理信号；
[0086]
同步提取出超健康阈值的生理信号，包括：
[0087]
为每个类别的生理信号均设定信号阈值作为健康阈值，将多个类别的生理信号依次与健康阈值进行比较，其中，
[0088]
当生理信号大于健康阈值，则将对应的生理信号进行提取；
[0089]
当生理信号小于等于健康阈值，则无需将对应的生理信号进行提取。
[0090]
将超健康阈值的生理信号的监测频率由固定频率调整为自适应频率，包括：
[0091]
将固定频率作为超健康阈值的生理信号在定时长监测的时序区间中的初始监测频率，并依次在定时长监测的时序区间中每个时序处对生理信号与健康阈值的溢出程度进行计算；
[0092]
溢出程度的计算公式为：
[0093][0094]
式中，p
i,t
表征为作为超健康阈值的生理信号的第i类生理信号在时序区间中第t个时序处的生理信号与健康阈值的溢出程度，s
i,t
表征为作为超健康阈值的生理信号的第i类生理信号在时序区间中第t个时序处的生理信号，s
i,o
表征为作为超健康阈值的生理信号的第i类生理信号在时序区间中第t个时序处的健康阈值，i，t，o均为计量常数，无实质含义；
[0095]
基于溢出程度对时序区间中每个时序处的监测频率在固定频率的基础上进行自适应调整得到自适应频率，其中，
[0096]
当p
i,t
≥0，则将每个时序处的监测频率调整为
[0097]
当p
i,t
＜0，则将每个时序处的监测频率调整为f
i,t
＝f
i,o
；
[0098]
式中，f
i,t
表征为作为超健康阈值的生理信号的第i类生理信号在时序区间中第t个时序处的自适应监测频率，f
i,o
表征为作为超健康阈值的生理信号的第i类生理信号的固定频率。
[0099]
超健康阈值的生理信号程度越高，则说明出现异常状态的风险程度越高，因此越需要捕捉该生理信号的数据细节，因此需要更多的数据量，为实现更多数据量的目的，将对于溢出程度越高的生理信号赋予越高的监测频率，即将监测频率设定为自适应频率f
i,t
可实现。
[0100]
步骤s3还包括：
[0101]
在完成超健康阈值的生理信号的定时长监测后，将定时长监测的时序区间中所有的监测频率进行均值化处理得到的监测频率作为超健康阈值的生理信号的固定频率，以提高对超健康阈值的生理信号的后续关注度。
[0102]
同步反馈至监测终端将与并发性的心血管疾病类别的诊断指标相同的生理信号的固定频率进行提高，包括：
[0103]
提取与并发性的心血管疾病类别的诊断指标相同的生理信号的发病率，并依据发病率构建固定频率的提高公式，固定频率的提高公式为：
[0104][0105]
式中，f
j,q
表征为作为与并发性的心血管疾病类别的诊断指标相同的生理信号的第j类生理信号提高后的固定频率，f
j,o
表征为作为与并发性的心血管疾病类别的诊断指标相同的生理信号的第j类生理信号提高前的固定频率，uj表征为作为与并发性的心血管疾病类别的诊断指标相同的生理信号的第j类生理信号的发病率。
[0106]
发病率越高，则说明与并发性的心血管疾病类别的诊断指标相同的生理信号出现异常状态的风险程度越高，因此越需要捕捉该生理信号的数据细节，因此需要更多的数据量，为实现更多数据量的目的，将对于发病率越高的生理信号赋予越高的监测频率，即将监测频率提高为f
j,q
可实现
[0107]
步骤s4、利用并发思维导图根据目标对象的已发性的心血管疾病类别输出并发性的心血管疾病类别以及并发性的心血管疾病类别的诊断指标，同步反馈至监测终端将与并发性的心血管疾病类别的诊断指标相同的生理信号的固定频率进行提高，以提高后的固定频率对并发性的心血管疾病类别的诊断指标相同的生理信号进行实时监测，以提高对并发性的心血管疾病类别的关注度来保障并发性的心血管疾病的病发检测具有高时效性。
[0108]
以提高后的固定频率对并发性的心血管疾病类别的诊断指标相同的生理信号进行实时监测，包括：
[0109]
监测终端以提高后的固定频率实时监测目标对象多个与并发性的心血管疾病类别的诊断指标相同的生理信号，并同步提取出超健康阈值的与并发性的心血管疾病类别的诊断指标相同的生理信号；
[0110]
将超健康阈值的与并发性的心血管疾病类别的诊断指标相同的生理信号的监测频率由固定频率调整为自适应频率，以自适应频率对超健康阈值的与并发性的心血管疾病类别的诊断指标相同的生理信号进行定时长监测得到一组诊断信号；
[0111]
将诊断信号通过病种识别模型，其中，
[0112]
若病种识别模型输出目标对象的已发性的心血管疾病类别，则同步将目标对象的已发性的心血管疾病类别反馈至并发指引思维导图，执行步骤s4、s3得到目标对象的所有已发性的心血管疾病类别和并发性的心血管类别，所有已发性的心血管疾病类别和并发性的心血管疾病类别的诊断指标相同的生理信号，以及所有已发性的心血管疾病类别和并发性的心血管疾病类别的诊断指标相同的生理信号的监测频率；
[0113]
若病种识别模型无法输出目标对象的已发性的心血管疾病类别，则无需同步将目标对象的已发性的心血管疾病类别反馈至并发指引思维导图，执行步骤s3对目标对象的所
有已发性的心血管疾病类别和并发性的心血管疾病类别的诊断指标相同的生理信号进行实时监测，提高对目标对象的所有已发性的心血管疾病类别和并发性的心血管疾病类别的关注度。
[0114]
还包括：在病种识别模型输出已发性的心血管疾病类别的同时进行监测预警，以提醒目标对象进行及时的医疗干预。
[0115]
本发明通过构建病种识别模型对超健康阈值的生理信号进行疾病种类识别得到目标用户的已发性的心血管疾病种类，再通过构建根据已发性的心血管疾病类别指引出存在并发性的心血管疾病类别的并发指引思维导图，从而对与已病发的心血管疾病类别存在并发可能性的心血管疾病类别进行密切关注，实现对存在并发可能性的心血管疾病类别的生理信号进行高频捕捉，能在病发初期即可识别预警，降低并发性的心血管疾病类别的病发造成的危险性。
[0116]
以上实施例仅为本技术的示例性实施例，不用于限制本技术，本技术的保护范围由权利要求书限定。本领域技术人员可以在本技术的实质和保护范围内，对本技术做出各种修改或等同替换，这种修改或等同替换也应视为落在本技术的保护范围内。