[發(fā)明專利]一種多維度ECG信號(hào)智能診斷系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201910329005.1
• 申請(qǐng)日: 2019-04-23
• 公開（公告）號(hào): CN109907753B
• 公開（公告）日: 2022-07-26
• 發(fā)明（設(shè)計(jì)）人: 閤蘭花;唐繼斐
• 申請(qǐng)（專利權(quán)）人: 杭州電子科技大學(xué)
• 主分類號(hào): A61B5/318
• 分類號(hào): A61B5/318;A61B5/00;G06K9/00;G06K9/62;G06N3/04;G06N3/08;G06N20/20
• 代理公司: 浙江千克知識(shí)產(chǎn)權(quán)代理有限公司 33246
• 代理人: 周希良

本發(fā)明提出一種多維度ECG信號(hào)智能診斷系統(tǒng)，包括特征提取模塊、機(jī)器學(xué)習(xí)診斷網(wǎng)絡(luò)集群模塊和綜合評(píng)估模塊。所述特征提取模塊用于提取ECG信號(hào)包括數(shù)值特征與形態(tài)特征在內(nèi)的多維度特征；所述機(jī)器學(xué)習(xí)診斷網(wǎng)絡(luò)集群模塊用于對(duì)ECG信號(hào)的多維度特征進(jìn)行智能診斷，并獲得每一類疾病所對(duì)應(yīng)的分類量化概率；所述綜合評(píng)估模塊用于根據(jù)每一類疾病的分類量化概率進(jìn)行加權(quán)平均，綜合評(píng)估得出最終的ECG診斷結(jié)果。本發(fā)明所述智能診斷系統(tǒng)融合互補(bǔ)集成經(jīng)驗(yàn)?zāi)B(tài)分解(CEEMD)與機(jī)器學(xué)習(xí)診斷網(wǎng)絡(luò)集群，對(duì)ECG信號(hào)進(jìn)行多維度特征提取與人工智能輔助分類量化概率計(jì)算，提高了ECG信號(hào)人工智能輔助診斷的準(zhǔn)確率，具有泛化性高、臨床實(shí)用性強(qiáng)的特點(diǎn)。

技術(shù)領(lǐng)域

本發(fā)明涉及人工智能技術(shù)以及智慧醫(yī)療技術(shù)領(lǐng)域，尤其涉及一種多維度ECG信號(hào)智能診斷系統(tǒng)。

背景技術(shù)

心電圖信號(hào)的監(jiān)測(cè)與分析是降低心血管疾病的死亡率的主要手段，據(jù)世界衛(wèi)生組織2017報(bào)告，心血管類疾病(CVD)仍然是全球的第一位死亡病因。在我國(guó)現(xiàn)患病人數(shù)高達(dá)2.9億，其死亡率占居民疾病死亡原因的40％以上，遠(yuǎn)高于腫瘤及其他疾病。

心電圖信號(hào)的診斷與分類對(duì)于臨床醫(yī)生的診斷經(jīng)驗(yàn)要求較高，CVD疾病所展現(xiàn)出的ECG信號(hào)特征紛繁復(fù)雜，信號(hào)的每一個(gè)細(xì)節(jié)的微小變化都有可能提示心血管發(fā)生了很嚴(yán)重的臨床病變，需要臨床醫(yī)生大量經(jīng)驗(yàn)的日積月累才能做出較為快速準(zhǔn)確的判斷。例如ECG信號(hào)中的P波常提示心律不齊、心室或心房肥大，QRS波群常提示左、右束支阻滯、前壁心肌梗死，T波常提示肺栓塞、后壁心肌梗死等方面臨床癥狀。

ECG信號(hào)的人工智能輔助診斷與分類對(duì)提高CVD疾病的診斷效率有著重要意義，人工智能輔助診斷可以幫助臨床醫(yī)生節(jié)約診斷時(shí)間，從而在更短的時(shí)間內(nèi)做出更加高效的醫(yī)療決策，為患者的治療爭(zhēng)取寶貴的時(shí)間。同時(shí)，人工智能輔助ECG診斷建立在臨床大數(shù)據(jù)分析的基礎(chǔ)上，可以更加全面的評(píng)估由患者ECG信號(hào)微小改變所提示的臨床病變，從而提供更為準(zhǔn)確的輔助診斷與信號(hào)分類結(jié)果，降低誤診風(fēng)險(xiǎn)，這一點(diǎn)對(duì)于醫(yī)療手段落后的基層醫(yī)療系統(tǒng)以及偏遠(yuǎn)地區(qū)尤為重要。最后，人工智能ECG輔助診斷使醫(yī)護(hù)人員得以從長(zhǎng)時(shí)間繁瑣的日常監(jiān)控過(guò)程中解放，專注于患者的治療，進(jìn)而緩解臨床醫(yī)療資源不足的情況。

然而現(xiàn)有ECG智能診斷與信號(hào)分類系統(tǒng)由于其提取的ECG信號(hào)特征有限，且系統(tǒng)AI輔助診斷網(wǎng)絡(luò)較為簡(jiǎn)單等多方面的原因，對(duì)于ECG信號(hào)的分類與智能診斷準(zhǔn)確率難以完全滿足臨床使用需求。

發(fā)明內(nèi)容

為解決上述技術(shù)問(wèn)題，本發(fā)明提供了一種多維度ECG信號(hào)智能診斷系統(tǒng)，融合CEEMD及機(jī)器學(xué)習(xí)診斷網(wǎng)絡(luò)集群，能夠?qū)CG信號(hào)進(jìn)行多維度特征提取，并對(duì)所提取的多維度ECG信號(hào)特征完成準(zhǔn)確的信號(hào)分類與智能診斷分析。

本發(fā)明中所述一種多維度ECG信號(hào)智能診斷系統(tǒng)，包括特征提取模塊、機(jī)器學(xué)習(xí)診斷網(wǎng)絡(luò)集群模塊以及綜合評(píng)估模塊。所述特征提取模塊用于提取ECG信號(hào)的多維度特征；所述機(jī)器學(xué)習(xí)診斷網(wǎng)絡(luò)集群用于對(duì)ECG信號(hào)的多維度特征進(jìn)行智能診斷與分類，并獲得信號(hào)的分類量化概率；所述綜合評(píng)估模塊用于對(duì)ECG信號(hào)分類量化概率進(jìn)行加權(quán)平均，綜合評(píng)估得出最終的ECG信號(hào)診斷分類結(jié)果。

作為本發(fā)明的優(yōu)選方案之一，所述特征提取模塊包括數(shù)值特征提取模塊和形態(tài)特征提取模塊，所述數(shù)值特征提取模塊包括CEEMD信號(hào)分解模塊和信息熵計(jì)算模塊，其中，CEEMD信號(hào)分解模塊用于將預(yù)處理后的ECG信號(hào)通過(guò)CEEMD算法分解為多個(gè)IMF分量；信息熵計(jì)算模塊用于計(jì)算分解后的各IMF分量的信息熵；所述形態(tài)特征提取模塊包括二維ECG圖像建立模塊和2-D CNN網(wǎng)絡(luò)分析模塊。其中，二維ECG圖像建立模塊用于對(duì)預(yù)處理后的ECG信號(hào)按平均心率周期進(jìn)行分割，并建立“歸一化幅度-時(shí)間”二維ECG圖像；2-D CNN網(wǎng)絡(luò)分析模塊用于對(duì)“歸一化幅度-時(shí)間”二維ECG圖像進(jìn)行特征提取。所建立2-D CNN網(wǎng)絡(luò)包括3個(gè)卷積-池化層、Dropout層、全連接層以及RBF-SVC分類層，其中池化層選擇Max-pooling方式，全連接層之前的各層均使用ReLu作為激活函數(shù)。