[發明專利]心電圖分析方法和裝置

有效

• 申請號: 202010090068.9
• 申請日: 2020-02-13
• 公開（公告）號: CN111317464B
• 公開（公告）日: 2021-06-22
• 發明（設計）人: 牛景昊;張文生
• 申請（專利權）人: 中國科學院自動化研究所
• 主分類號: A61B5/318
• 分類號: A61B5/318;A61B5/349
• 代理公司: 北京市恒有知識產權代理事務所(普通合伙) 11576
• 代理人: 郭文浩;尹文會

本發明涉及圖像處理技術領域，具體涉及一種心電圖分析方法和裝置。為了解決現有技術缺失高質量醫療標注以及缺少可解釋性輔助分析的問題，本發明的方法包括基于預先獲取的多個心電圖，通過文本語義信息提取模型，獲取與每個心電圖對應的文本語義信息向量；基于多個心電圖，通過心電圖波形向量提取模型，獲取與每個心電圖對應的心電圖波形向量；根據文本語義信息向量、心電圖波形向量以及預先獲取的第一事件集合，獲取第一心電圖分析結果；根據文本語義信息向量以及心電圖波形向量，獲取第二心電圖分析結果；根據第一心電圖分析結果以及第二心電圖分析結果，獲取每個心電圖對應的心電圖事件。本發明的方法能夠直接對PDF格式的心電圖進行解釋。

技術領域

本發明涉及圖像處理技術領域，具體涉及一種心電圖分析方法和裝置。

背景技術

心電圖(Electrocardiography,ECG)檢查技術自誕生以來，因為其簡單高效和無創傷的特性被廣泛應用于心血管等領域的臨床健康檢查中。傳統心電圖機可以生成包含心電信號波形、節律等基本信息的心電報告；人類醫師借助對患者年齡、體征、病史等的綜合分析，以及醫學知識和案例經驗，給出對于心電報告的具體判斷。心電圖檢查在各級醫院有較大的業務量，然而我國醫療資源相對稀缺且分布嚴重不均，基層醫院、社區門診等醫療機構中有經驗的心電圖醫師十分缺乏。

近些年伴隨著以深度學習為代表的新一代人工智能技術的突破，利用計算硬件設備和人工智能算法進行心電圖事件的輔助分析也取得了一定發展。然而這些公開的系統主要集中在對心電圖機輸出的原始數值心電信號進行直接利用，借助人工智能技術的輔助分析。然而就我國大量醫療機構已經配備的心電圖機設備來說，特別是對只能打印心電圖報告而不具備分析能力或者只能分析少數基本心電圖事件的機器來說，受限于不同廠商的數據存儲格式、交換接口等條件，通用的信息管理系統或者輔助分析工具難以直接接入獲取心電信號的數值。這也使得現有公開系統只能實施在少數定制心電圖機上，在適用范圍上有很大的限制。與此同時，現有公開系統使用深度卷積神經網絡為代表的人工智能算法模型，端到端地進行心電圖事件訓練和分析，這在實際的臨床醫療場景下會面臨兩個主要問題。其一是高質量醫療標注稀缺的問題：對于罕見心電圖事件，由于收集足夠的訓練樣本十分困難，復雜神經網絡等端到端模型容易對訓練集的心電圖產生過擬合，即便在實驗數據上取得了較好的結果，仍然難以保證在真實復雜環境下的病人泛化能力。其二是輔助分析缺少可解釋性的問題：現代循證醫學十分重視給出診斷的依據證據，而現有公開的端到端人工智能診斷模型只能直接給出特定心電圖事件的概率，人類醫師難以對這種機器給出的判斷進行高效的校驗和確認，這使得這些系統在具有高安全性要求的臨床場景下作用有限

因此，如何提出一種解決現有技術問題的方案是本領域技術人員需要解決的技術問題。

發明內容

為了解決現有技術中的上述問題，即為了解決現有技術缺失高質量醫療標注以及缺少可解釋性輔助分析的問題，本發明的第一方面提供了一種心電圖分析方法，所述方法包括：

基于預先獲取的多個心電圖，通過預設的文本語義信息提取模型，獲取與每個所述心電圖對應的文本語義信息向量，其中，所述文本語義信息提取模型基于神經網絡構建，通過預設的第一訓練集訓練并用于提取文本文件的文本語義信息向量，所述文本語義信息向量包括所述心電圖的波形信息以及所述心電圖對應的目標對象的身份信息；

基于多個所述心電圖，通過預設的心電圖波形向量提取模型，獲取與每個所述心電圖對應的心電圖波形向量，其中，所述心電圖波形向量提取模型基于神經網絡構建，通過預設的第二訓練集訓練并用于提取心電圖對應的心電圖波形向量；

根據所述文本語義信息向量、所述心電圖波形向量以及預先獲取的第一事件集合，通過預設的第一心電圖分析模型獲取第一心電圖分析結果，其中，所述第一事件集合為醫療人員所確診心電圖事件的集合，所述第一心電圖分析模型基于神經網絡構建，通過預設的第三訓練集訓練并用于獲取心電圖分析結果，所述第一心電圖分析結果為心電圖所出現的次數小于等于第一預設閾值所對應的心電圖分析結果；