[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

本申請涉及一種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。包括：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。本申請實施例將機器學習算法應用于心肌梗死疾病類型的分類識別，可以有效的提高患者被救治效率，提高醫生的工作效率，減少心肌梗死疾病的死亡率。

技術領域

本申請屬于心電信號處理技術領域，特別涉及一種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。

背景技術

十二導聯心電圖(electrostaticgrammar，簡稱ECG)是臨床醫學判斷心肌梗死的主要手段和依據，心肌梗死的診斷對時效性要求很高，因此，為提高醫生的診斷效率，為使患者能夠早發現早治療，基于心電圖的心肌梗死疾病的智能化分類預測在臨床醫學救治的時效性上是一項很有意義具有臨床意義的工作。

目前，將機器學習算法應用于心電信號的分類以作為診斷相關疾病的輔助手段，極大地改變了現有的醫學診斷模式。例如，輸入心拍信號，使用LSTM(Long Short-TermMemory，長短期記憶網絡)或CNN(Convolutional Neural Networks,卷積神經網絡)對心拍信號進行深度學習，建立心率不齊的智能分類預測模型。將智能化分類預測作為診斷相關疾病的輔助手段，既可以為患者騰出寶貴的救治時間，還可以優化診斷流程，節省醫療人力資源，縮短診斷時間。然而，現有的基于機器學習算法的心電信號的分類方法需要對心電信號進行提前的去噪預處理，對于臨床的實時性來說，具有時間上的局限性；且現有的基于機器學習算法的心電信號分類方法只能應用于對心率不齊疾病進行分類預測，目前還沒有將該方法應用于心肌梗死疾病分類預測的技術。

發明內容

本申請提供了一種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，旨在解決現有技術中缺乏將機器學習算法應用于心肌梗死疾病分類預測的技術問題。

為了解決上述問題，本申請提供了如下技術方案：

一種基于機器學習的心電信號分類方法，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。

本申請實施例采取的技術方案還包括：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。

本申請實施例采取的技術方案還包括：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。

本申請實施例采取的技術方案還包括：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：