[發(fā)明專利]心電圖異常識別方法、裝置、計算機設(shè)備和存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202010623441.2
• 申請日: 2020-07-01
• 公開（公告）號: CN111759304B
• 公開（公告）日: 2022-09-30
• 發(fā)明（設(shè)計）人: 包麗芳;陳榮欽;向建平
• 申請（專利權(quán)）人: 杭州脈流科技有限公司
• 主分類號: A61B5/349
• 分類號: A61B5/349
• 代理公司: 杭州君度專利代理事務(wù)所(特殊普通合伙) 33240
• 代理人: 解明鎧

本申請涉及一種心電圖異常識別方法、裝置、計算機設(shè)備和存儲介質(zhì)。所述方法包括：獲取實時心電數(shù)據(jù)和臨床特征；其中所述心電數(shù)據(jù)為：在規(guī)定時間內(nèi)以預(yù)設(shè)頻率采集的多個離散數(shù)據(jù)以采集時間順序進(jìn)行排序；將實時心電數(shù)據(jù)和臨床特征輸入訓(xùn)練后的心電異常概率預(yù)測模型，得到與心電數(shù)據(jù)對應(yīng)的異常概率預(yù)測數(shù)據(jù)；根據(jù)閾值對異常概率預(yù)測進(jìn)行識別心電數(shù)據(jù)中各離散數(shù)據(jù)是否為異常。采用本方法能夠獲取準(zhǔn)確的心電異常預(yù)測，并準(zhǔn)確地獲取心電異常特征所在的時間區(qū)域。

技術(shù)領(lǐng)域

本申請涉及人工智能技術(shù)領(lǐng)域，特別是涉及一種心電圖異常識別方法、裝置、計算機設(shè)備和存儲介質(zhì)。

背景技術(shù)

心血管疾病是威脅人類健康的主要疾病之一，心電圖是各種心血管疾病最簡單、快捷和經(jīng)濟的臨床檢查方法，是心血管疾病檢驗的基石，然而我國乃至全世界范圍內(nèi)都存在心電醫(yī)生數(shù)量不足而又逐年減少的狀況。基于人工智能實現(xiàn)心電信號的自動分析的技術(shù)有望能夠提高心電醫(yī)生診斷心電圖的效率與準(zhǔn)確性，因而此項技術(shù)的研究是目前全世界關(guān)注的一個重要課題。

現(xiàn)有的心電信號自動分析技術(shù)，主要分為兩大類。第一類基于心電信號特征工程，并且依賴于心電醫(yī)學(xué)領(lǐng)域知識。該類方法首先通過數(shù)字信號處理方法，識別出一段心電信號中的每一次心搏(Beat)以及每一次心搏中的各個特征波，然后根據(jù)特征波位置分析出心搏特征，最后根據(jù)心搏特征并結(jié)合心電醫(yī)學(xué)領(lǐng)域知識，實現(xiàn)心電異常診斷。第二類基于機器學(xué)習(xí)方法或深度學(xué)習(xí)方法。此類方法用一個模型表示心電信號數(shù)據(jù)與診斷結(jié)果之間所有可能映射關(guān)系的空間，然后通過優(yōu)化算法尋找出空間中最優(yōu)的映射關(guān)系。此類方法中，一些方法用第一類方法中同樣的技術(shù)識別各個心搏，以心搏為建模對象，實現(xiàn)心搏分類；另外一些方法對固定長度的心電信號建模，通過對心電信號片段分類，實現(xiàn)心電異常診斷。

現(xiàn)有的第一類心電信號自動分析技術(shù)存在以下幾個缺點：普遍需要進(jìn)行特征工程，該過程復(fù)雜、工作量大，且結(jié)果質(zhì)量容易受到干擾信號的影響，因此方法的魯棒性不足，可擴展性較差。普遍依賴于大量心電醫(yī)學(xué)領(lǐng)域知識，分析效果存在天然瓶頸，且方法實現(xiàn)難度高，開發(fā)周期長。

現(xiàn)有的第二類心電信號自動分析技術(shù)存在以下幾個缺點：一些方法包含第一類技術(shù)中含有的心搏識別過程，這些方法的準(zhǔn)確性受限于心搏識別的準(zhǔn)確性，而心搏識別容易受到干擾信號的影響。另一些方法無法告訴醫(yī)生異常特征所在的區(qū)域，此類方法普遍沒有考慮年齡、性別等患者其他臨床特征的差異。沒有利用錯誤預(yù)測信息，持續(xù)對心電信號自動分析方法進(jìn)行改進(jìn)。

發(fā)明內(nèi)容

基于此，有必要針對上述技術(shù)問題，提供一種能夠解決至少其中一種的心電圖異常識別方法、裝置、計算機設(shè)備和存儲介質(zhì)。

一種心電圖異常識別方法，包括：

獲取實時心電數(shù)據(jù)，以及與所述實時心電數(shù)據(jù)相關(guān)的臨床特征；

其中所述心電數(shù)據(jù)為：在規(guī)定時間內(nèi)以預(yù)設(shè)頻率采集的多個離散數(shù)據(jù)以采集時間順序進(jìn)行排序；

將所述實時心電數(shù)據(jù)以及臨床特征輸入訓(xùn)練后的心電異常概率預(yù)測模型，得到與所述心電數(shù)據(jù)對應(yīng)的異常概率預(yù)測數(shù)據(jù)；

根據(jù)閾值對所述異常概率預(yù)測進(jìn)行識別所述心電數(shù)據(jù)中各離散數(shù)據(jù)是否為異常。

優(yōu)選的，得到所述訓(xùn)練后的心電異常概率預(yù)測模型的具體步驟包括：

獲取心電數(shù)據(jù)，以及與所述心電數(shù)據(jù)相關(guān)的臨床特征，并對所述心電數(shù)據(jù)進(jìn)行預(yù)處理得到預(yù)測目標(biāo)標(biāo)注以及預(yù)測目標(biāo)權(quán)重；

將所述心電數(shù)據(jù)和臨床特征輸入心電異常概率預(yù)測模型，得到與所述心電數(shù)據(jù)對應(yīng)的異常概率預(yù)測；

根據(jù)所述異常概率預(yù)測、預(yù)測目標(biāo)標(biāo)注以及預(yù)測目標(biāo)權(quán)重進(jìn)行計算，得到預(yù)測誤差；

根據(jù)所述預(yù)測誤差優(yōu)化所述心電異常概率預(yù)測模型，直至所述預(yù)測誤差達(dá)到預(yù)期，完成訓(xùn)練并得到訓(xùn)練后的心電異常概率預(yù)測模型。