[發明專利]用于檢測心律失常的計算設備

在審

• 申請號: 201980023485.7
• 申請日: 2019-03-26
• 公開（公告）號: CN112236075A
• 公開（公告）日: 2021-01-15
• 發明（設計）人: T·莫爾迪雷
• 申請（專利權）人: 基質HD有限公司
• 主分類號: A61B5/00
• 分類號: A61B5/00;A61B5/318;G16H50/20;A61B5/349;A61B5/363;A61B5/346
• 代理公司: 北京市路盛律師事務所 11326
• 代理人: 常利強;陳靜

1.一種用于檢測心律失常的設備，其特征在于，所述設備包括：存儲器(10)，所述存儲器被布置成接收心電圖數據并存儲定義用于檢測心律失常的第一分類模型和用于檢測心律失常的第二分類模型的數據，從通過機器學習來處理與具有第一持續時間的心電圖相關聯的數據而得到用于檢測心律失常的第一分類模型，以及從通過機器學習來處理與具有第二持續時間的心電圖相關的數據而得到用于檢測心律失常的第二分類模型，所述第一持續時間小于所述第二持續時間；分類器(6)，所述分類器被布置為基于分類模型分析心電圖數據，并返回分類值；以及，驅動器(8)，所述驅動器被布置為將所接收的心電圖數據作為輸入存儲在所述存儲器(10)中，以便一方面根據第一持續時間對這些數據進行匯總，并且基于用于檢測心律失常的第一分類模型來使用所述分類器(6)對這些數據進行分析，以及另一方面根據第二持續時間對這些數據進行匯總，并基于用于檢測心律失常的第二分類模型來使用所述分類器(6)對這些數據分析，以及所述驅動器布置為在所述分類器(6)基于第一分類模型進行的分析返回與心律失常相關的分類值時返回警報數據。

2.根據權利要求1所述的設備，其特征在于，所述第二持續時間是所述第一持續時間的整數倍，并且其中，所述驅動器(8)被布置為應用用于檢測心律失常的第二分類模型，使得具有第二持續時間的電描記圖數據的分類值對應于通過將具有所述第二持續時間的電描記圖數據切割成具有第一持續時間的電描記圖數據的多個子組并且通過將用于檢測心律失常的第一分類模型應用于電描記圖數據的這些子組中的每個子組而獲得的分類值的線性組合。

3.根據權利要求2所述的設備，其特征在于，所述驅動器(8)被布置為計算通過將用于檢測心律失常的第一分類模型應用于電描記圖數據的所述子組中的每個子組而獲得的分類值的加權平均值。

4.根據前述權利要求中一項所述的設備，其特征在于，還包括機器學習引擎(4)，所述機器學習引擎被布置為確定用于檢測心律失常的第一分類模型和用于檢測心律失常的第二分類模型。

5.根據權利要求4所述的設備，其特征在于，所述學習引擎(4)被布置為執行從監督學習、半監督學習、無監督學習或者這些學習方法中的兩種或更多種的組合中選擇的學習方法。

6.一種由計算機實現的用于檢測心律失常的方法，包括以下操作：

a)接收心電圖數據，

b)一方面根據第一持續時間，以及另一方面根據第二持續時間，對在操作a)期間接收到的數據進行匯總，所述第一持續時間小于所述第二持續時間，

c)基于用于檢測心律失常的第一分類模型來利用分析器(6)分析根據第一持續時間匯總的數據，并返回第一分類值，用于檢測心律失常的第一分類模型是從通過機器學習來處理與具有第一持續時間的心電圖相關的數據而得出的，

d)基于用于檢測心律失常的第二分類模型來利用分析器(6)分析根據第二持續時間匯總的數據，并返回第二分類值，用于檢測心律失常的第二分類模型是從通過機器學習來處理與具有第二持續時間的心電圖相關的數據而得出的，以及

e)當所述第一分類值與心律失常相關時發出警報數據。

7.根據權利要求6所述的方法，其特征在于，所述第二持續時間是第一持續時間的整數倍，并且在操作d)中的第二分類值的計算包括計算第一分類值的線性組合，所述第一分類值是通過將具有第二持續時間的電描記圖數據切割成具有第一持續時間的電描記圖數據的多個子組并且通過將操作c)應用于電描記圖數據的所述子組而獲得的。

8.根據權利要求7所述的方法，其特征在于，在操作d)中的線性組合包括計算通過將用于檢測心律失常的第一分類模型應用于具有第一持續時間的電描記圖數據的所述子組而獲得的第一分類值的加權平均值。

9.根據權利要求6至8中任一項所述的方法，其特征在于，通過機器學習獲得用于檢測心律失常的第一分類模型和用于檢測心律失常的第二分類模型。

10.根據權利要求9所述的方法，其特征在于，所述機器學習方法是從監督學習、半監督學習、無監督學習或這些學習方法中的兩種或更多種的組合中選擇的學習方法。