[發明專利]基于機器學習的心電信號分類方法、系統、終端以及存儲介質

在審

• 申請號: 202010650905.9
• 申請日: 2020-07-08
• 公開（公告）號: CN111657925A
• 公開（公告）日: 2020-09-15
• 發明（設計）人: 陳曉禾;徐文暢;游斌權;郭宇
• 申請（專利權）人: 中國科學院蘇州生物醫學工程技術研究所
• 主分類號: A61B5/0402
• 分類號: A61B5/0402;A61B5/0452;A61B5/0456;A61B5/0472;A61B5/00
• 代理公司: 深圳市科進知識產權代理事務所(普通合伙) 44316
• 代理人: 魏毅宏

1.一種基于機器學習的心電信號分類方法，其特征在于，包括以下步驟：

采集患者的心電圖數據；

構建心電信號分類模型；

將所述心電圖數據輸入所述心電信號分類模型進行心電信號分類，根據所述心電信號分類結果輸出患者心肌梗死疾病類型的預測結果。

2.根據權利要求1所述的基于機器學習的心電信號分類方法，其特征在于，所述采集患者的心電圖數據包括：

采用便攜式心電檢測儀采集患者的心電圖數據，所述心電圖數據包括RR間期、Q波、R波、S波幅值；

對所述心電圖數據進行病例特征篩選，得到特征數據集。

3.根據權利要求2所述的基于機器學習的心電信號分類方法，其特征在于，所述心電信號分類模型為機器學習分類器，所述構建心電信號分類模型具體包括：

將所述特征數據集按照設定比例拆分為訓練集和測試集；

按照五折交叉驗證方法將所述訓練集進行4比1的訓練集和驗證集劃分，通過所述劃分得到的訓練集對機器學習分類器進行訓練，并通過所述驗證集對訓練得到的機器學習分類器進行驗證，得到一個機器學習分類器；

重復執行五次所述五折交叉驗證方法，得到五個機器學習分類器；

使用模型評估方法對所述五個機器學習分類器進行評估，得到最優機器學習分類器；

使用測試集對所述最優機器學習分類器進行測試，得到最終的心電信號分類模型。

4.根據權利要求3所述的基于機器學習的心電信號分類方法，其特征在于，所述使用模型評估方法對所述五個機器學習分類器進行評估具體為：

采用精度和靈敏度對所述五個機器學習分類器進行模型評估，評估公式為：

上述公式中，precision為精度，sensitivity為靈敏度，TP表示被正確分類的個數，FP表示其他類別被分到本類別的個數，FN表示本類別被錯誤的分到其他類別的個數。

5.根據權利要求1所述的基于機器學習的心電信號分類方法，其特征在于，所述采集患者的心電圖數據包括：

采用12導聯心電儀采集患者的心電圖數據；其中，所述心電圖數據為12導聯基本心電信息，包括：RR間期、ST段長度、Q波幅值、R波幅值、S波幅值。

6.根據權利要求5所述的基于機器學習的心電信號分類方法，其特征在于，所述采集患者的心電圖數據還包括：

根據所述12導聯基本心電信息進行QRS波群定位；

對所述QRS波群進行等長心拍分割，構建心拍數據集。

7.根據權利要求6所述的基于機器學習的心電信號分類方法，其特征在于，所述心電信號分類模型為深度神經網絡，所述構建心電信號分類模型包括：采用五折交叉驗證方法構建深度神經網絡，并采用模型迭代優化算法對所述深度神經網絡進行迭代優化。