[發明專利]基于多模態病人信息注意力建模的心肌梗塞分類方法

在審

• 申請號: 202110447753.7
• 申請日: 2021-04-25
• 公開（公告）號: CN113509185A
• 公開（公告）日: 2021-10-19
• 發明（設計）人: 孫見山;房潔;朱宏民
• 申請（專利權）人: 安徽十锎信息科技有限公司
• 主分類號: A61B5/346
• 分類號: A61B5/346;A61B5/352
• 代理公司: 青島發思特專利商標代理有限公司 37212
• 代理人: 劉濤

1.一種基于多模態病人信息注意力建模的心肌梗塞分類方法，其特征在于，包括以下步驟：

S1：讀入12導聯的心電信號的數據，進行數據預處理；

S2：提取心拍數據：通過小波變換檢測R波位置，進而對R波前后數據點進行固定長度截取，從而完成對原始ECG數據提取過程；

S3：病歷會診記錄數據預處理，對于病人電子病歷會診記錄進行特征學習，提取出與心肌梗塞可能相關的特征；

S4：模型搭建，搭建聯結12導聯的ECG數據與病歷會診記錄數據的多模態注意力神經網絡模型，對兩種模態數據進行分別提取后，使用注意力機制對兩種特征心急梗塞檢測的重要性權重進行學習，最終建立端到端聯合建模神經網絡分類預測模型，其輸出為病人患心肌梗塞的預測概率；

S5：訓練模型參數，初始化所述多模態注意力神經網絡模型的參數，將構建好的數據集拆分為訓練集和測試集；利用訓練集樣本對模型結構參數進行訓練，生成所述多模態注意力神經網絡模型的最佳參數并保存；

S6:模型預測，對測試集樣本進行自動識別，獲得心肌梗塞的二分類結果。

2.根據權利要求1所述的基于多模態病人信息注意力建模的心肌梗塞分類方法，其特征在于，所述步驟S1中數據預處理包括采用簡單整系數濾波器過濾原始ECG中的工頻干擾，采用切比雪夫數字低通濾波器過濾肌電干擾，采用曲線擬合法過濾原始ECG中的基線漂移。

3.根據權利要求1所述的基于多模態病人信息注意力建模的心肌梗塞分類方法，其特征在于，步驟S2中，讀取去噪后12導聯ECG數據，對每個導聯ECG數據利用小波變換來識別R波峰值處，固定向前截取150個樣本點，向后截取350個樣本點，使得每個導聯的心拍統一截取500個ECG樣本點，然后對每個導聯對應的這500個樣本點的ECG特征采用行聯拼接，此時原始每個樣本的ECG數據可提取成12*500維的心電信號特征，作為多模態注意力神經網絡模型的輸入數據X₁∈R^12×500，其中12為導聯的個數，500為每個心拍上截取的樣本點數。

4.根據權利要求3所述的基于多模態病人信息注意力建模的心肌梗塞分類方法，其特征在于，步驟S3中，對電子病歷會診信息進行特征學習包括以下子步驟：

3-1：:對醫生會診文本信息和病人自述文本信息進行jieba分詞操作，

3-2：對每個詞采用one-hot編碼，映射為獨熱編碼向量I_word，其中I_word∈R^{1×單詞總數}，每個獨熱編碼向量僅在id索引位置為1，其余位置都為0；

3-3：:通過embedding方式將每個詞映射成一個64維詞向量，即對獨熱向量I_word利用嵌入矩陣Y∈R^{單詞總數×64}將其轉化為網絡嵌入表示Embedding_word，這里Embedding_word＝I_word×Y，

3-4：基于TextCNN，將多個詞向量Embedding_word組成的電子病歷記錄依次送入病歷文本特征抽取模塊，設定一定的字數閾值，從而保證提取文本的語義特征為X₂∈R^12×500，12×500為每個病人病歷文本特征維度。

5.根據權利要求4所述的基于多模態病人信息注意力建模的心肌梗塞分類方法，其特征在于，病歷文本特征抽取模塊包括卷積層、激活層和池化層。

6.根據權利要求5所述的基于多模態病人信息注意力建模的心肌梗塞分類方法，其特征在于，所述步驟S4中多模態注意力神經網絡模型包括特征提取模塊：用于獲取原始ECG特征和病歷會診文本特征；

注意力模塊：對獲取的ECG特征和病歷會診文本特征進行重要性學習，區分這兩種模態特征對于心急梗塞預測任務的重要性權重；

預測模塊：將注意力模塊獲得的綜合加權特征輸入到由四層全連接層組成的分類器，采用Sigmoid為最終分類函數，采用二元交叉熵作為多模態注意力神經網絡模型的損失函數，進行心肌梗塞概率預測。