[發明專利]一種心電圖識別方法、裝置、存儲介質及電子設備

有效

• 申請號: 202010190395.1
• 申請日: 2020-03-18
• 公開（公告）號: CN111449647B
• 公開（公告）日: 2023-05-02
• 發明（設計）人: 胡靜
• 申請（專利權）人: 廣州視源電子科技股份有限公司
• 主分類號: A61B5/318
• 分類號: A61B5/318;A61B5/346;A61B5/353;A61B5/355;A61B5/366
• 代理公司: 北京恒博知識產權代理有限公司 11528
• 代理人: 李寧寧

本申請實施例公開了一種心電圖識別方法、裝置、存儲介質及電子設備，其中，方法包括：提取心電圖的第一數量的人工特征；基于所述第一數量的人工特征、所述第一數量的人工特征中每個所述人工特征對應的特征閾值以及隨機森林模型，對所述心電圖進行束支阻滯分類。采用本申請實施例，通過結合閾值以及隨機森林模型識別，可以有效進行分類，提高心電圖識別的準確性。

技術領域

本申請涉及計算機技術領域，尤其涉及一種心電圖識別方法、裝置、存儲介質及電子設備。

背景技術

左束支阻滯和右束支阻滯是可能危及生命的心律失常疾病，是最常見的心律失常疾病之一，其發病率逐年增加。如果左束支阻滯或右束支阻滯能夠在病理過程早期快速自動地發現，可以降低并發癥的風險，增加治愈可能性。由于醫生無法對心電圖進行實時分析，并且實際左束支阻滯和右束支阻滯信號形態復雜且在某些導聯上相似，診斷依賴于臨床經驗。而計算機輔助診斷系統能解決臨床經驗有限和觀察誤差的局限性，因此在左束支阻滯和右束支阻滯的輔助診斷上，成為重要的技術手段。

雖然束支阻滯類檢測方法有很多研究，并取得優異的結果，但區分左束支阻滯和右束支阻滯的算法依然不多。現有的計算機輔助左束支阻滯和右束支阻滯分類方法主要有機器學習分類方法，深度學習分類方法。兩種方法均通過學習先驗樣本得到模型，從而區分左束支阻滯和右束支阻滯。但由于數據樣本不平衡，兩種方法常容易過擬合，從而無法有效分類，降低了識別的準確性。

發明內容

本申請實施例提供了一種心電圖識別方法、裝置、存儲介質及電子設備，通過結合閾值以及隨機森林模型識別，可以有效進行分類，提高心電圖識別的準確性。所述技術方案如下：

第一方面，本申請實施例提供了一種心電圖識別方法，所述方法包括：

提取心電圖的第一數量的人工特征；

基于所述第一數量的人工特征、所述第一數量的人工特征中每個所述人工特征對應的特征閾值以及隨機森林模型，對所述心電圖進行束支阻滯分類。

第二方面，本申請實施例提供了一種心電圖識別裝置，所述裝置包括：

特征提取模塊，用于提取心電圖的第一數量的人工特征；

心電圖分類模塊，用于基于所述第一數量的人工特征、所述第一數量的人工特征中每個所述人工特征對應的特征閾值以及隨機森林模型，對所述心電圖進行束支阻滯分類。

第三方面，本申請實施例提供一種計算機存儲介質，所述計算機存儲介質存儲有多條指令，所述指令適于由處理器加載并執行上述的方法步驟。

第四方面，本申請實施例提供一種電子設備，可包括：處理器和存儲器；其中，所述存儲器存儲有計算機程序，所述計算機程序適于由所述處理器加載并執行上述的方法步驟。

本申請一些實施例提供的技術方案帶來的有益效果至少包括：

在本申請實施例中，通過提取心電圖的第一數量的人工特征，并基于所述第一數量的人工特征、所述第一數量的人工特征中每個所述人工特征對應的特征閾值以及隨機森林模型，對所述心電圖進行束支阻滯分類。通過結合閾值以及隨機森林模型識別，可以有效進行分類，提高心電圖識別的準確性。

附圖說明

為了更清楚地說明本申請實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本申請的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。

圖1是本申請實施例提供的一種心電圖識別方法的流程示意圖；

圖2是本申請實施例提供的一種心電圖的舉例示意圖；

圖3是本申請實施例提供的一種左束支阻滯、右束支阻滯以及正常心電圖的舉例示意圖；