[發(fā)明專利]一種基于深度學(xué)習(xí)早停機(jī)制的左心室肥大檢測(cè)方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202210104138.0
• 申請(qǐng)日: 2022-01-28
• 公開(kāi)（公告）號(hào): CN114519370A
• 公開(kāi)（公告）日: 2022-05-20
• 發(fā)明（設(shè)計(jì)）人: 姜紅;劉明;于鵬;朱俊江;陳廣怡
• 申請(qǐng)（專利權(quán)）人: 復(fù)旦大學(xué)附屬中山醫(yī)院;上海數(shù)創(chuàng)醫(yī)療科技有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62;G06N3/04;G06N3/08;A61B5/00;A61B5/346
• 代理公司: 蘇州知途知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 32299
• 代理人: 馬剛強(qiáng)

1.一種基于深度學(xué)習(xí)早停機(jī)制的左心室肥大檢測(cè)方法，其特征在于，包括以下步驟：

S1，采集病人處于靜息狀態(tài)下的12導(dǎo)聯(lián)心電信號(hào)得到訓(xùn)練集；

S2，判斷每條心電信號(hào)，若為非左心室肥大，則心電標(biāo)簽向量為[0]，若心電信號(hào)為左心室肥大，則心電標(biāo)簽向量為[1]，每條心電信號(hào)分別對(duì)應(yīng)一個(gè)心電標(biāo)簽向量后形成標(biāo)簽集；

S3，利用卷積神經(jīng)網(wǎng)絡(luò)模型對(duì)所述標(biāo)簽集進(jìn)行訓(xùn)練得到訓(xùn)練模型；

S4，依次輸入12個(gè)導(dǎo)聯(lián)的心電信號(hào)到訓(xùn)練好的訓(xùn)練模型，訓(xùn)練模型根據(jù)該心電信號(hào)預(yù)測(cè)出心電標(biāo)簽向量；若輸出大于0.5，則判定該心電信號(hào)為左心室肥大；若輸出不大于0.5，則判定該心電信號(hào)為非左心室肥大。

2.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)早停機(jī)制的左心室肥大檢測(cè)方法，其特征在于，所述S1具體包括：采集不少于22000條處于靜息狀態(tài)下病人的12導(dǎo)聯(lián)心電信號(hào)，采樣頻率為500hz，每條心電信號(hào)的長(zhǎng)度為10s，將這些數(shù)據(jù)作為數(shù)據(jù)集。

3.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)早停機(jī)制的左心室肥大檢測(cè)方法，其特征在于，在所述S1之后且在S2之前還包括：對(duì)訓(xùn)練集中的每一條心電信號(hào)進(jìn)行預(yù)處理，進(jìn)行小波函數(shù)去噪聲，其次將濾完波后的每一條心電信號(hào)按照導(dǎo)聯(lián)順序重新拼接到一起。

4.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)早停機(jī)制的左心室肥大檢測(cè)方法，其特征在于，所述S2具體包括：每條心電信號(hào)都經(jīng)過(guò)至少兩名專業(yè)的心內(nèi)科醫(yī)生確定心電標(biāo)簽，若是兩名心內(nèi)科醫(yī)生的意見(jiàn)不一致，則通過(guò)第三名心內(nèi)科醫(yī)生確定該心電數(shù)據(jù)的心電標(biāo)簽。

5.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)早停機(jī)制的左心室肥大檢測(cè)方法，其特征在于，所述卷積神經(jīng)網(wǎng)絡(luò)模型為：第一卷積層，第一池化層，第二卷積層，第二池化層，第三卷積層，第三池化層，第四卷積層，第四池化層，第一全連接層，第二全連接層；

其中，第一卷積層為16個(gè)步長(zhǎng)為1大小均為8的一維卷積核，第二卷積層為32個(gè)步長(zhǎng)為1大小均為8的一維卷積核，第三卷積層為64個(gè)步長(zhǎng)為1大小均為4的一維卷積核，第四卷積層為128個(gè)步長(zhǎng)為1大小均為2的一維卷積核。第一池化層，第二池化層，第三池化層，第四池化層都采用最大池化，核的大小和步長(zhǎng)均為2。

將第四池化層輸出的結(jié)果通過(guò)第一層神經(jīng)元個(gè)數(shù)為128全連接層，激活函數(shù)為ReLU函數(shù)；將第一全連接層的輸出的結(jié)果，輸入神經(jīng)元個(gè)數(shù)為1的第二層全連接層，激活函數(shù)設(shè)定為Sigmoid函數(shù)，卷積神經(jīng)網(wǎng)絡(luò)輸出為一個(gè)預(yù)測(cè)的心電標(biāo)簽向量[h_w]。

6.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)早停機(jī)制的左心室肥大檢測(cè)方法，其特征在于，所述S3中訓(xùn)練步驟為：

(1)初始化卷積神經(jīng)網(wǎng)絡(luò)權(quán)重和偏移；

(2)更新權(quán)重和偏移；

(3)判斷當(dāng)前狀態(tài)滿足以下條件時(shí)則停止：(a)達(dá)到已經(jīng)設(shè)定的一個(gè)很大的循環(huán)次數(shù)；(b)準(zhǔn)確率連續(xù)10次循環(huán)未上升。

7.根據(jù)權(quán)利要求6所述的基于深度學(xué)習(xí)早停機(jī)制的左心室肥大檢測(cè)方法，其特征在于，所述更新權(quán)重和偏移的算法為隨機(jī)梯度下降算法、Adam算法、RMSProp算法、Adagrad算法、Adadelta算法或Adamax算法。