[發(fā)明專利]一種針對心電圖QRST波形的分析方法、設(shè)備、介質(zhì)和心電圖儀有效
| 申請?zhí)枺?/td> | 202110184821.5 | 申請日: | 2021-02-10 |
| 公開(公告)號(hào): | CN112869753B | 公開(公告)日: | 2023-03-07 |
| 發(fā)明(設(shè)計(jì))人: | 陳康;曹青 | 申請(專利權(quán))人: | 上海交通大學(xué)醫(yī)學(xué)院附屬瑞金醫(yī)院 |
| 主分類號(hào): | A61B5/318 | 分類號(hào): | A61B5/318;A61B5/349;A61B5/366;A61B5/358;A61B5/353;A61B5/355 |
| 代理公司: | 上海華誠知識(shí)產(chǎn)權(quán)代理有限公司 31300 | 代理人: | 徐穎聰 |
| 地址: | 200025 *** | 國省代碼: | 上海;31 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 針對 心電圖 qrst 波形 分析 方法 設(shè)備 介質(zhì) | ||
本申請涉及醫(yī)療人工智能領(lǐng)域,公開了一種針對心電圖QRST波形的分析方法、設(shè)備、介質(zhì)和心電圖儀。本申請的針對心電圖QRST波形的分析方法包括:接收多個(gè)導(dǎo)聯(lián)的心電圖信號(hào);利用波群分割模型,將每個(gè)導(dǎo)聯(lián)的心電圖信號(hào)分割成多個(gè)波群,并標(biāo)注,得到第二心電圖信號(hào);提取第二心電圖信號(hào)中的ST段,所述T波;利用分類模型,將提取的ST段和T波分成具體的類,分別得到ST段和T波的分類結(jié)果。本申請通過對心電圖信號(hào)的處理,實(shí)現(xiàn)精確的對導(dǎo)聯(lián)甚至是具體波群的分析,并且可以識(shí)別出常見的ST段異常和T波異常,提升了STT異常分析的精細(xì)度,具有更高的臨床價(jià)值。
技術(shù)領(lǐng)域
本申請涉及醫(yī)療人工智能領(lǐng)域,特別涉及一種針對心電圖QRST波形的分析方法、設(shè)備、介質(zhì)和心電圖儀。
背景技術(shù)
據(jù)權(quán)威調(diào)查顯示,心血管疾病已經(jīng)成為世界人口死亡的主要原因之一。每年死于心血管疾病的人數(shù)占死亡總?cè)藬?shù)的三分之一。心電圖機(jī)將心臟活動(dòng)的電信號(hào)提取為數(shù)字信號(hào),并用心電圖的形式展現(xiàn)出來,是醫(yī)生進(jìn)行心臟檢查和診斷的一個(gè)重要的臨床手段,一般分為靜態(tài)心電圖,動(dòng)態(tài)心電圖和運(yùn)動(dòng)心電圖三種。
隨著人工智能領(lǐng)域特別是深度學(xué)習(xí)技術(shù)的發(fā)展,分析數(shù)字心電信號(hào)的技術(shù)越來越豐富和成熟。現(xiàn)有技術(shù)中通過深度學(xué)習(xí)的人工智能框架對心電信號(hào)進(jìn)行分析和預(yù)測,從而處理ST段異常和T波異常類別(以下統(tǒng)稱STT異常),主要以全導(dǎo)聯(lián)信號(hào)分析為主。但存在以下不足:一方面,僅能分析整個(gè)心電圖是否包含STT異常,而無法對具體哪個(gè)導(dǎo)聯(lián)的異常進(jìn)行定位;另一方面,預(yù)測的STT異常類別過于單一,目前的算法多數(shù)是預(yù)測ST段和T波是否異常的簡單二分類,而很難有效去區(qū)分ST段異常和T波異常的細(xì)分類。因而,設(shè)計(jì)出貼進(jìn)臨床需求可對STT異常類別精確到導(dǎo)聯(lián)的心電圖智能分析方法及系統(tǒng),有著重大的社會(huì)效益和經(jīng)濟(jì)效益。
發(fā)明內(nèi)容
本申請實(shí)施例提供了一種針對心電圖QRST波形的分析方法、設(shè)備、介質(zhì)和心電圖儀。
第一方面,本申請實(shí)施例提供了一種針對心電圖QRST波形的分析方法,所述方法包括:
接收多個(gè)導(dǎo)聯(lián)的心電圖信號(hào);
對于每個(gè)導(dǎo)聯(lián)的心電圖信號(hào),利用波群分割模型,將所述心電圖信號(hào)分割成多個(gè)波群,并且對所獲得的多個(gè)波群進(jìn)行標(biāo)注,得到第二心電圖信號(hào),其中,所述多個(gè)波群包括分別對應(yīng)于正常信號(hào)、P波、QRS波、T波的波群;
提取所述第二心電圖信號(hào)中的ST段,所述T波;其中,所述ST段是指所述QRS波終了至所述T波開始之間的一段;
對于提取的所述ST段和所述T波,利用分類模型,將所述ST段和所述T波分成具體的類,分別得到所述ST段和所述T波的分類結(jié)果。
在上述第一方面的一種可能的實(shí)現(xiàn)中,對每個(gè)導(dǎo)聯(lián)心電圖信號(hào),利用波群分割模型,進(jìn)行波群分割,包括:通過一個(gè)或多個(gè)第一一維卷積層,擴(kuò)展所述心電圖信號(hào)通道,得到初始特征圖;對于所述初始特征圖,利用多個(gè)多尺度卷積核模塊,學(xué)習(xí)所述心電圖信號(hào)的用以表征語義的高維特征,輸出第一分支特征圖;將所述初始特征圖通過一個(gè)或多個(gè)第二一維卷積層,學(xué)習(xí)所述心電圖信號(hào)的細(xì)節(jié)特征,輸出第二分支特征圖;將所述第一分支特征圖和所述第二分支特征圖輸入多特征融合模塊,進(jìn)行特征融合,輸出多特征融合特征圖;將所述多特征融合特征圖輸入第三一維卷積層,得到分類特征圖,以及所述正常信號(hào),所述P波,所述QRS波,所述T波在所述每個(gè)導(dǎo)聯(lián)中的位置。
在上述第一方面的一種可能的實(shí)現(xiàn)中,對于所述初始特征圖,利用多個(gè)多尺度卷積核模塊,學(xué)習(xí)所述心電圖信號(hào)的用以表征語義的高維特征,輸出第一分支特征圖,包括:特征通道隨著所述多個(gè)多尺度卷積核模塊中卷積層深度的增加而增加,并將多個(gè)尺度的卷積核所表征的特征進(jìn)行融合合并。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于上海交通大學(xué)醫(yī)學(xué)院附屬瑞金醫(yī)院,未經(jīng)上海交通大學(xué)醫(yī)學(xué)院附屬瑞金醫(yī)院許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202110184821.5/2.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 同類專利
- 專利分類





