[發明專利]心電圖的心律失常診斷訓練方法、系統和存儲介質

在審

• 申請號: 202211613005.2
• 申請日: 2022-12-15
• 公開（公告）號: CN115758278A
• 公開（公告）日: 2023-03-07
• 發明（設計）人: 王輝山;陳瓊;劉敘;徐樹聲;邢文輝;蒲亞川;張譽籍;吳翼;戴維·G·本迪特
• 申請（專利權）人: 上海越光醫療科技有限公司
• 主分類號: G06F18/2433
• 分類號: G06F18/2433;G06F18/214;G16H50/20
• 代理公司: 江蘇漫修律師事務所 32291
• 代理人: 顧恬;趙臻淞

1.一種心電圖的心律失常診斷訓練方法，其特征在于，包括以下步驟：

S1、在患者住院期間或圍術期內，在心電圖采集層（1）利用體內采集設備采集原始EEP數據，利用體外采集設備同步采集原始ECG數據，并將兩組數據傳送至數據分析層（2）；

S2、在數據分析層（2）中利用原始EEP數據對相應的原始ECG數據進行自動標注，形成半結構化ECG數據；

S3、切割半結構化ECG數據形成結構化ECG數據，并送入訓練數據庫（31）；

S4、選定待訓練模型，設置訓練關鍵評價指標，保存最優訓練后參數，輸出訓練后的算法。

2.根據權利要求1所述的心電圖的心律失常診斷訓練方法，其特征在于，

S2包括以下步驟：

S201、自動識別原始ECG數據中的每一個QRS波，確定兩個相鄰心跳R1、R2之間的時間區間，以此作為EEP數據的單位分析區間；

S202、自動識別原始EEP數據的單位分析區間里的脈沖信號，檢測脈沖位置、計算脈沖的個數及其分別與R1和R2的時間距離；

S203、根據原始EEP數據的計算結果以確定ECG的心跳性質；

S204、將出現相同心律失常性質的多個單位分析區間聚合成為事件，并確定事件起點和終點時間，自動標注模塊（21）將心跳、事件標注至原始ECG數據中，從而獲得帶有標準標注的半結構化ECG數據；

S3包括以下步驟：

S301、數據切割模塊（311）將半結構化ECG數據及其對應的標注切割成若干固定時長的單元；

S302、訓練數據庫（31）劃分為learning組和testing組，learning組中分為training組和validation組，將結構化ECG數據根據特定規則按比例隨機分配進入上述三組；

S4包括以下步驟：

S401、learning組中的結構化ECG數據經歷迭代式學習；

S402、testing組中的數據驗證S401中訓練的數據；

S403、針對一個新或前序已經訓練過的ML或AI數學模型，三組數據分別可以得到標準參數作為關鍵評價指標用于評估訓練模型；

S404、以F1分數來自動監控學習終止與否，保存首次達到F1最高分的參數，輸出訓練后算法。

3.根據權利要求1所述的心電圖的心律失常診斷訓練方法，其特征在于，S2還包括以下步驟：

S205、醫生或專業人員可在審核修正軟件（22）對半結構化ECG數據的自動標注進行審核和修正。

4.根據權利要求1所述的心電圖的心律失常診斷訓練方法，其特征在于，還包括S5，S5包括以下步驟：

S501、利用日常診斷的終端采集模塊（41）采集體表ECG數據并傳輸至終端應用模塊（42），針對不同類型的心律失常事件，終端應用模塊（42）的終端分析模塊（421）運用訓練后算法對所采集的原始ECG數據進行標注，從而獲得半結構化ECG數據，終端分析模塊（421）將判定用戶端軟件（422）的人機交互改動超過閾值的半結構化ECG數據及其對應的標注送入終端數據庫（43）內，在終端數據庫（43）內將其切割成結構化ECG數據；

S502、結構化ECG數據的新增例數達到終端數據庫（43）預設定值后輸送至模型訓練層（3）的優化模塊（33），并對當前算法進行再次訓練。

5.一種執行權利要求1所述訓練方法的心電圖的心律失常診斷訓練系統，其特征在于，所述診斷訓練系統包括心電圖采集層（1）、數據分析層（2）和模型訓練層（3），其中：

心電圖采集層（1）為硬件設備，用于在住院期間或圍術期同步采集、存儲、傳輸心臟內EEP數據和體表ECG數據；

數據分析層（2）用于分析心電圖采集層（1）采集的原始EEP數據，并將原始EEP數據的心跳性質及事件自動標注至原始ECG數據中；

模型訓練層（3）用于建立訓練數據庫和訓練算法。