一种基于深度学习的智能手表心律失常预警方法和系统

本发明公开了一种基于深度学习的智能手表心律失常预警方法和系统。该方法首先通过光电容积脉搏波传感器采集PPG信号，采用自适应滤波算法进行去噪和标准化处理；然后利用小波变换峰值检测算法识别心拍位置，获得心率变异性特征序列；接着使用改进Gramian角场变换算法将一维心率变异性特征序列转换为二维心律图像；再采用ResNet‑50卷积神经网络训练心律失常分类模型，实现对不同类型心律失常的自动识别；最后通过滑动窗口技术和预警机制实现连续监测和及时报警。本发明有效解决了现有心律失常检测技术中检测精度不高、实时性差、设备成本高昂以及用户体验不佳等关键技术问题，为智能穿戴设备的心律健康监测提供了创新解决方案。