基于睡眠传感器的心律失常指数预测数据

基于睡眠传感器采集的用户睡眠心冲击信号数据，建立心律失常指数预测模型，统计心律失常现象发生频次，用于评价用户的心律失常严重程度。此数据主要用于用户的健康筛查服务，将心律失常严重程度按发生频次的大小划分为正常、轻度风险、中度风险、重度风险4个等级。1）当心律失常严重程度较高时，及时提醒用户去医院检查，并且提供相关的健康建议和关怀服务。2）对于患有心房颤动、心律不齐、心动过速等心律失常类疾病的用户，可提供长期有效的健康监测服务。1、 预处理睡眠期间的心冲击信号数据，并将数据切分成多个固定时长的数据片段；
2、 将所有数据片段分别进行数学变换，如小波变换、傅里叶
变换、希尔伯特变换等；
3、 基于变换后的数据，进行特征提取，并通过特征筛查算法，筛选出重要特征，将特征送入ResNet深度神经网络模型进行训练和预测；
4、 模型输出结果为1，代表片段中存在心律失常现象，模型输出结果为0，代表片段中不存在心律失常现象，输出结果记录在心律失常异常标记字段内；
5、 统计平均每小时心律失常现象的发生次数，即每小时有心律失常异常标记为1的个数，得到心律失常指数；
6、 将心律失常指数按从小到大划分成4个区间，分别代表正常、轻度风险、中度风险、重度风险，该4个区间由医学仪器多导仪同步实验后标定而来；
7、 根据心律失常指数划分所在的风险区间，例如[0,10)、[10,25)、[25,35)、35及以上，分别代表正常、轻度风险、中度风险、重度风险，分别记为心律失常严重等级1、2、3、4。

搜集汇总

数据集介绍

特点

该数据集是由浙江麒盛数据服务有限公司提供的基于睡眠传感器的心律失常指数预测数据，包含1001条记录，每日更新。数据集通过分析睡眠期间的心冲击信号数据，建立心律失常指数预测模型，用于健康筛查服务，将心律失常严重程度划分为正常、轻度风险、中度风险和重度风险4个等级。