心律传感器采集的运动者心冲击信号数据，建立心律失常指数预测数据模型，计算心律失常现象发生频次，用于查看运动者的心律失常严重程度。此数据主要用于运动者的健康检测，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，及时提醒运动者去医院检查，并且提供相关的健康建议；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运动者，可提供长期有效的健康监测服务。本数据应用能够更好的保证运动者的健康监测。
1、预处理运动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A、B、C、D。 8、根据心律失常指数等级，当处于中度风险（C）或重度风险（D）时，通过通信设备，将预警信号传送至监控端，便于医护人员及时对其治疗。
| 字段名 | 类型 | 描述 |
|---|---|---|
运动员 |
-- | -- |
心冲击信号特征序列 |
-- | -- |
心律失常异常标记 |
-- | -- |
平均心跳指数 |
-- | -- |
心律失常指数 |
-- | -- |
| fieldName | exampleValue |
|---|---|
| 运动员 | 张某 |
| 心冲击信号特征序列 | 0.255,0.664,0.437,0.255,0.266,0.179,0.2 |
| 心律失常异常标记 | 0,1,0,0,0,0,0,1,0,0,0,1,0,0,0,0,0,0,0,1 |
curl -H "Authorization: Bearer YOUR_API_KEY" \
http://localhost:3001/api/v1/datasets/22223