[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

本發明涉及信號處理技術領域，具體涉及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。該基于多模態病人信息注意力建模的心肌梗塞分類方法包括以下步驟：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；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；S5：訓練模型參數；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，提升心肌梗塞的檢測效果。

技術領域

本發明涉及信號處理技術領域，具體涉及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。

背景技術

心肌梗塞(MI)，通常稱為心臟病發作，會對心肌造成不可逆轉的損害，甚至導致死亡?？焖俣鴾蚀_的MI診斷對于避免死亡至關重要。血液測試和心電圖(ECG)信號用于診斷急性心肌梗塞。但是，要增加血液中的酶含量，必須在發作后經過一定時間。此時間延遲可能會延遲MI診斷。因此，心電圖診斷仍然非常重要。

手動心電圖解釋需要專業知識，并且容易出現觀察者之間的差異。因此，計算機輔助診斷可能對自動檢測ECG上的MI有用。但是，由于心電信號變化不規律且較為復雜，單一地使用心電圖診斷病人心肌梗塞的患病情況往往效果達不到預期臨床效果，并且在實際診斷場景中，醫生往往還會結合病人其他諸如往期醫生會診記錄、病人自述等病歷文本信息進行輔助判斷，從而嘗試提升心肌梗塞判別的準確率。因此，考慮聯合病人病歷會診信息與心電圖檢測功能于一體的智能輔助診斷系統對輔助醫生進行更深層次的診斷而言是必不可少的。

發明內容

本發明要解決的技術問題是：克服現有技術的不足，提供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，在對病人病情推斷時，聯合考慮到病人ECG數據及病歷文本數據，提升心肌梗塞的檢測效果。

本發明為解決其技術問題所采用的技術方案為：基于多模態病人信息注意力建模的心肌梗塞分類方法，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。

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。

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。

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：