本發(fā)明涉及醫(yī)學信號處理，尤其涉及一種用于智能服裝的心跳信號質量評估方法及裝置。

背景技術：

1、近年來，隨著人們對健康的追求逐步提高，醫(yī)療科技不斷發(fā)展，使得數字健康和智慧醫(yī)療逐漸融入到日常生活中。智慧醫(yī)療憑借實時、便捷、無擾的優(yōu)勢，在日常監(jiān)測、疾病預警等領域廣泛應用。在智慧醫(yī)療領域中，智能服裝具有日常穿戴性質，成為了監(jiān)測人體生理信息的重要載體之一。智能服裝是一種嵌入了電子元件和傳感器的服裝，通過傳感器感知人體的心肺振動信息，能夠實現實時監(jiān)測生命體征，如心率、呼吸率等。心跳信號作為人體重要的生理信號，能夠反映心臟的健康狀態(tài)，是智能服裝中重點監(jiān)測的對象之一。

2、智能服裝滿足了健康監(jiān)測的實時性、便捷性和連續(xù)性，但是由于多方面因素包括服裝位置偏移、人體活動和環(huán)境噪聲等，導致智能服裝采集到的心跳信號的質量參差不齊，需要對采集到的心跳信號進行質量評估。服裝位置偏移指的是用戶的體態(tài)和姿勢發(fā)生變化，從而導致人體與傳感器之間的相對位置發(fā)生變化，這種變化會導致不同位置的傳感器接收到的信號質量發(fā)生改變；人體活動指人體的正?；顒尤缯f話、咳嗽、抖動等導致信號中產生運動偽影；環(huán)境噪聲指信號采集時會受到其他電子產品的電磁干擾、電源的工頻干擾等。

3、目前，主要通過時域分析和頻域分析方法對心跳信號進行質量評估。然而，時域分析如峰值檢測，適合評估心跳信號的基礎特征，但捕捉信號和噪聲細微變化的能力有限，頻域分析通過評估心跳信號的頻譜成分，以識別周期性特征，但對于非平穩(wěn)心跳信號，難以準確捕捉其瞬時特征。如果對心跳信號質量不能進行有效評估，會嚴重影響后續(xù)生理參數提取的準確性。

技術實現思路

1、本發(fā)明實施例的目的是提供一種用于智能服裝的心跳信號質量評估方法及裝置，解決對心跳信號的質量評估的準確性較低以及影響后續(xù)生理參數提取的準確性的問題。

2、為解決上述技術問題，本發(fā)明實施例提供如下技術方案：

3、本發(fā)明第一方面提供一種用于智能服裝的心跳信號質量評估方法，用于智能服裝的心跳信號質量評估方法包括：

4、利用智能服裝，實時采集目標多通道人體心肺振動信號；

5、在目標多通道人體心肺振動信號中提取目標心跳信號，并將目標心跳信號進行分割，得到多個目標心跳信號段；

6、根據連續(xù)小波變換，將多個目標心跳信號段轉換為對應的多個目標時頻圖；

7、將多個目標時頻圖輸入小波變換時頻圖的alexnet模型，以使小波變換時頻圖的alexnet模型輸出各通道信號的質量評估分數，小波變換時頻圖的alexnet模型是利用多個預設時頻圖和遷移學習法訓練alexnet模型所得到的，多個預設時頻圖為具有圖像質量標簽的時頻圖，多個預設時頻圖是通過對預設多通道人體心肺振動信號依次進行預設心跳信號提取、分割、圖像轉換和圖像質量標簽獲取所得到的時頻圖。

8、本發(fā)明第二方面提供一種用于智能服裝的心跳信號質量評估裝置，用于智能服裝的心跳信號質量評估裝置包括：

9、實時采集模塊，用于利用智能服裝，實時采集目標多通道人體心肺振動信號；

10、提取和分割模塊，用于在目標多通道人體心肺振動信號中提取目標心跳信號，并將目標心跳信號進行分割，得到多個目標心跳信號段；

11、轉換模塊，用于根據連續(xù)小波變換，將多個目標心跳信號段轉換為對應的多個目標時頻圖；

12、質量評估模塊，用于將多個目標時頻圖輸入小波變換時頻圖的alexnet模型，以使小波變換時頻圖的alexnet模型輸出各通道信號的質量評估分數，小波變換時頻圖的alexnet模型是利用多個預設時頻圖和遷移學習法訓練alexnet模型所得到的，多個預設時頻圖為具有圖像質量標簽的時頻圖，多個預設時頻圖是通過對預設多通道人體心肺振動信號依次進行預設心跳信號提取、分割、圖像轉換和圖像質量標簽獲取所得到的時頻圖。

13、本發(fā)明第三方面提供一種計算機可讀存儲介質，存儲介質包括存儲的程序，其中，在程序運行時控制存儲介質所在設備執(zhí)行上述第一方面或第一方面任一種可選的實施例的用于智能服裝的心跳信號質量評估方法。

14、相較于現有技術，本發(fā)明提供的用于智能服裝的心跳信號質量評估方法及裝置，利用智能服裝，實時采集目標多通道人體心肺振動信號；在目標多通道人體心肺振動信號中提取目標心跳信號，并將目標心跳信號進行分割，得到多個目標心跳信號段；根據連續(xù)小波變換，將多個目標心跳信號段轉換為對應的多個目標時頻圖；將多個目標時頻圖輸入小波變換時頻圖的alexnet模型，以使小波變換時頻圖的alexnet模型輸出各通道信號的質量評估分數，小波變換時頻圖的alexnet模型是利用多個預設時頻圖和遷移學習法訓練alexnet模型所得到的，多個預設時頻圖為具有圖像質量標簽的時頻圖，多個預設時頻圖是通過對預設多通道人體心肺振動信號依次進行預設心跳信號提取、分割、圖像轉換和圖像質量標簽獲取所得到的時頻圖。這樣，根據連續(xù)小波變換，將多個目標心跳信號段轉換為對應的多個目標時頻圖，可以提供心跳信號豐富的時域和頻域特征信息，使得心跳信號質量信息更豐富；通過更豐富的心跳信號質量信息和具有圖像質量標簽的多個預設時頻圖，使得alexnet模型可以學習到高質量信號的特征，使得利用多個預設時頻圖和遷移學習法訓練alexnet模型所得到的小波變換時頻圖的alexnet模型，所輸出的各通道信號的質量評估分數更準確，進而使得對心跳信號的質量評估的準確性較高，提高后續(xù)生理參數提取的準確性。

技術特征：

1.一種用于智能服裝的心跳信號質量評估方法，其特征在于，所述用于智能服裝的心跳信號質量評估方法包括：

2.根據權利要求1所述的用于智能服裝的心跳信號質量評估方法，其特征在于，所述在所述目標多通道人體心肺振動信號中提取目標心跳信號，并將所述目標心跳信號進行分割，得到多個目標心跳信號段，包括：

3.根據權利要求1所述的用于智能服裝的心跳信號質量評估方法，其特征在于，所述根據連續(xù)小波變換，將所述多個目標心跳信號段轉換為對應的多個目標時頻圖，包括：

4.根據權利要求3所述的用于智能服裝的心跳信號質量評估方法，其特征在于，所述根據所述連續(xù)小波變換，確定所述多個目標心跳信號段對應的多組目標小波系數，包括：

5.根據權利要求1所述的用于智能服裝的心跳信號質量評估方法，其特征在于，在將所述多個目標時頻圖輸入小波變換時頻圖的alexnet模型，以使所述小波變換時頻圖的alexnet模型輸出各通道信號的質量評估分數之前，所述方法還包括：

6.根據權利要求5所述的用于智能服裝的心跳信號質量評估方法，其特征在于，在根據目標全連接層的輸出預設類別、目標分類層的類標簽和目標訓練參數，調整所述alexnet模型之前，所述方法還包括：

7.根據權利要求6所述的用于智能服裝的心跳信號質量評估方法，其特征在于，所述對預設多通道人體心肺振動信號依次進行預設心跳信號提取、分割、圖像轉換和圖像質量標簽獲取，得到所述多個預設時頻圖，包括：

8.根據權利要求7所述的用于智能服裝的心跳信號質量評估方法，其特征在于，所述根據所述連續(xù)小波變換，將所述多個預設心跳信號段轉換為對應的多個第一時頻圖，包括：

9.一種用于智能服裝的心跳信號質量評估裝置，其特征在于，所述用于智能服裝的心跳信號質量評估裝置包括：

10.一種計算機可讀存儲介質，其特征在于，所述存儲介質包括存儲的程序，其中，在所述程序運行時控制所述存儲介質所在設備執(zhí)行如權利要求1至8中任一項所述的用于智能服裝的心跳信號質量評估方法。

技術總結
本發(fā)明提供一種用于智能服裝的心跳信號質量評估方法及裝置，涉及醫(yī)學信號處理技術領域。包括：利用智能服裝實時采集目標多通道人體心肺振動信號；在目標多通道人體心肺振動信號中提取目標心跳信號，并將目標心跳信號進行分割，得到多個目標心跳信號段；根據連續(xù)小波變換，將多個目標心跳信號段轉換為多個目標時頻圖；將多個目標時頻圖輸入小波變換時頻圖的AlexNet模型，以使小波變換時頻圖的AlexNet模型輸出各通道信號的質量評估分數，小波變換時頻圖的AlexNet模型是利用多個預設時頻圖和遷移學習法訓練AlexNet模型所得到的，多個預設時頻圖為具有圖像質量標簽的時頻圖。這樣，對心跳信號質量評估的準確性較高。

技術研發(fā)人員：張先超,顏秉辰,任龍,蔣治國,鐘琳
受保護的技術使用者：嘉興大學
技術研發(fā)日：
技術公布日：2024/12/10