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。
| 字段名 | 类型 | 描述 |
|---|---|---|
用户ID |
-- | -- |
心冲击信号特征序列 |
-- | -- |
心律失常异常标记 |
-- | -- |
心律失常指数 |
-- | -- |
心律失常严重等级 |
-- | -- |
| fieldName | exampleValue |
|---|---|
| 用户ID | 01 |
| 心冲击信号特征序列 | [0.134, 0.864, 0.247, 0.565, 0.21, 0.089 |
| 心律失常异常标记 | [0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, |
curl -H "Authorization: Bearer YOUR_API_KEY" \
http://localhost:3001/api/v1/datasets/12869