ECG波形的自适应解译的系统和方法技术方案

集群数据库包含组织成集群的现有ECG数据集，其中每个现有ECG数据集包含带有至少一个对应现有特征和现有解译的现有ECG波形。每个集群由具有共同现有特征的现有ECG数据集组成。集群训练模块可由处理器执行以接收新ECG波形和从新ECG波形提取的特征。集群训练模块随后基于所述特征来选择集群解译模块，其中针对来自集群数据库的集群之一对集群解译模块进行训练。集群训练模块处理新ECG波形和/或特征以提供集群解译输出。集群解译输出随后被显示在用户界面上，并且集群训练模块经由用户界面接收接受或拒绝集群解译输出的临床医生输入。

The system and method of adaptive interpretation of ECG waveform

Cluster databases contain existing ECG datasets organized into clusters, with each existing ECG dataset containing at least one existing ECG waveform corresponding to existing features and existing interpreter. Each cluster is made up of existing ECG data sets with common existing features. The cluster training module can be executed by the processor to receive the new ECG waveform and extract the features from the new ECG waveform. The cluster training module then selects the cluster interpretation module based on the features described, in which the cluster interpretation module is trained for one of the clusters from the cluster database. The cluster training module processes new ECG waveforms and / or features to provide clustered interpretation output. The cluster interpretation output is then displayed on the user interface, and the cluster training module receives or refuses the clustered interpreter output by the clinician input via the user interface.

【技术实现步骤摘要】
【国外来华专利技术】ECG波形的自适应解译的系统和方法
技术介绍
用于解译ECG波形的系统和方法当前可用于协助临床医生解译波形并基于ECG波形来评估患者心脏健康。当前可用系统和方法通常处理ECG波形数据并且基于其来提供建议的解译。通常使用现有ECG波形数据的数据库来离线训练这些当前可用系统和方法。因此，更新和/或扩展现有解译方法和系统通常要求离线训练和开发，并且随后启用新产品版本或产品更新。
技术实现思路
本专利技术减轻了由专利技术人所认识到的与当前可用于ECG波形的解译的系统和方法有关的问题。例如，本专利技术人已认识到，通过利用最近获取的波形解译来训练和更新解译系统和方法，能够改进用于ECG波形的解译的系统和方法。另外，本专利技术人已认识到，新系统版本和/或更新的周期性发布是烦琐的，并且不是理想的。例如，新版本或更新的安装要求在供应商和用户部分上的额外努力以便安装新版本和/或更新。另外，在新版本和/或更新的定时中间，由于本来能够但未被用作用于改进系统和/或方法的反馈的新信息被生成，因此，系统未正被优化。鉴于认识到这些问题，专利技术人开发了本文中公开的系统和方法。此
技术实现思路
被提供以引入下面在具体实施方式中进一步描述的概念的选择。此
技术实现思路
无意于标识所要求保护的主题的关键或中心特征，也无意于被用作帮助限制所要求保护的主题的范畴。在一个实施例中，用于ECG波形的自适应解译的系统包含处理器、集群数据库、用户界面和集群训练模块。集群数据库包含组织成集群的现有ECG数据集，其中每个现有ECG数据集包含带有至少一个对应现有特征和现有解译的现有ECG波形。每个集群由具有共同现有特征的现有ECG数据集组成。集群训练模块可由处理器执行以接收新ECG波形和从新ECG波形提取的特征。集群训练模块随后基于所述特征来选择集群解译模块，其中关于来自集群数据库的集群之一对集群解译模块进行训练。集群训练模块处理新ECG波形和/或特征以提供集群解译输出。集群解译输出随后被显示在用户界面上，并且集群训练模块经由用户界面来接收接受或拒绝集群解译输出的临床医生输入。在用于ECG波形的自适应解译的一个实施例中，接收新ECG波形，并且从新ECG波形提取至少一个特征。随后基于所述特征来选择集群解译模块，并且处理新ECG波形和/或所提取的特征以提供集群解译输出。所述方法进一步包含在用户界面上显示集群解译输出，接收接受或拒绝集群解译输出的临床医生输入，并且基于临床医生输入来进一步训练集群解译模块。本文中呈现了其上存储有计算机可执行指令的非暂态计算机可读介质，其中在一个实施例中，指令包含以下步骤：接收新ECG波形；从新ECG波形提取至少一个特征；基于所述特征来选择集群解译模块；以及通过集群解译模块来处理新ECG波形和/或所提取的特征以提供集群解译输出。针对来自现有ECG数据集的集群数据库的集群对集群解译模块进行训练，其中每个现有ECG数据集包含带有至少一个对应现有特征和现有解译的现有ECG波形，并且其中每个集群由具有共同现有特征的ECG数据集组成。所述指令可进一步包含在用户界面上显示集群解译输出，接收接受或拒绝集群解译输出的临床医生输入，并且基于临床医生输入来进一步训练集群解译模块。从连同附图所采取的以下描述中，将使本专利技术的各种其它特征、目的和优点显而易见。附图说明附图图示了目前设想的实行本公开的最佳模式。在附图中：图1描绘了ECG波形的自适应解译的示范性方法的流程图。图2描绘了ECG波形的自适应解译的方法的另一实施例的流程图。图3描绘了训练集群模块的示范性方法。图4描绘了训练通用输入模块的示范性方法。图5以图解的方式描绘了用于ECG波形的自适应解译的示范性系统。具体实施方式图1以图解的方式例示了用于ECG波形的自适应解译的系统1。图2是描绘了ECG波形的对应方法50自适应解译的流程图。在图1中，接收新ECG波形17。新ECG可以例如是来自ECG监视装置的ECG记录。新ECG波形17可由各种类型的ECG测试中的任何测试产生的数据所组成，并且可采用可用的多个数据形式中的任何形式。例如，新ECG波形17可以是12导联ECG，诸如十秒12导联测试ECG，其是通常执行的诊断ECG测试。备选的是，新ECG17可由诸如缩短导联布置或Holter导联布置的备选导联布置来产生。在还有的其它实施例中，新ECG波形17可以是ECG波形的导出集，诸如从使用ECG导联的精简集所收集的ECG数据中运算的导出12导联ECG。从备选电极配置导出12导联ECG的此类系统和方法在本领域中是公知的，并且包含例如纽约斯卡奈塔第（Schenectady）的GeneralElectricCompany的12RL系统或由荷兰阿姆斯特丹的KoninklijkePhilipsN.V.所生产的EASI系统。一个或多个特征14诸如通过本领域中公知的用于从ECG波形提取特征的许多特征提取方法和系统中的任何方法和系统从新ECG波形17提取。如技术人员鉴于本公开将理解的，并且如相对于现有波形4的现有特征5所例示的，特征14可描述ECG形态或窦性心律的任何方面或元素，并且可集中在偏离正常ECG波形的ECG波形的元素或方面上。特征14还可以是在同时出现时具有临床意义的形态和/或心律特性的任何集或群组—例如，一起指示患者的心脏状况的QRS、ST和T波形态和心律模式。新ECG波形数据17和对应特征14随后由两个不同解译模块（通用解译模块24和集群解译模块28）来解译。如本文中详细讨论的，解译模块24、28是通过诸如神经网络、判定树或统计分类算法的任何数量的可用机器学习技术来生成的训练模块。如查看本公开的本领域技术人员将理解的，神经网络（或人工神经网络）指的是带有线性或非线性单元的分层结构，其能够通过不同优化方法被训练以最小化所定义的误差函数，并且能够从大数量的输入来生成。神经网络通常被呈现为在相互之间交换消息的互连“神经元”的系统。连接具有能够基于对系统的反馈来调谐的数字权重，使神经网络自适应于输入并且能从示例中学习。同样地，将理解的是，判定树是将关于项或输入的观察映射到关于项的或输入的目标值的推断的预测模块。判定树学习是在数据挖掘和机器学习中经常使用的建模方案，并且包含其中目标变量能够在每层中采用分支的有限集且分类能够经过树的有限数量层而被达到的分类树方案、以及其中目标变量能够采用连续值的递归（其是最通用的统计方案之一）。还将理解的是，可使用完全监督学习（包含上面提及的许多算法类型）或无监督和监督学习（诸如基于主成分分析生成的特征集的监督学习、或能够具有相对更多层的深度学习方法）的组合来训练解译模块24和28。学习基于具有波形的正确标识解译的现有数据集而发生，所述波形的正确标识解译被用作针对其而对分类符进行训练的正确观察或示例。通用解译模块24和集群解译模块28可通过任何上面列出的机器学习方法来构建和训练，并且可通过相同方法或者通过不同方法来训练和构建。通用解译模块24和集群解译模块28相互不同，表现在使用不同数据集来训练它们。针对现有ECG数据集的通用数据库对通用解译模块24进行训练，所述现有ECG数据集包含具有指示任何和所有不同诊断分类的任何和所有不同类型的波形形态的数据集。还参照图4，通用数据库22包含现有数据集3a-3n。每个现有数据集3包含本文档来自技高网...

【技术保护点】
1.一种用于ECG波形的自适应解译的系统，所述系统包括：处理器；组织成集群的现有ECG数据集的集群数据库，其中每个现有ECG数据集包含带有至少一个对应现有特征和现有解译的现有ECG波形，并且其中所述集群是具有共同现有特征的现有ECG数据集；用户界面；以及集群训练模块，可由所述处理器执行以：接收新ECG波形和从所述新ECG波形提取的特征；基于所述特征来选择集群解译模块，其中针对来自所述集群数据库的所述集群之一对所述集群解译模块进行训练；处理所述新ECG波形和/或所述特征以提供集群解译输出；在所述用户界面上显示所述集群解译输出；以及经由所述用户界面接收接受或拒绝所述集群解译输出的临床医生输入。

【技术特征摘要】
【国外来华专利技术】2015.10.16 US 14/8850201.一种用于ECG波形的自适应解译的系统，所述系统包括：处理器；组织成集群的现有ECG数据集的集群数据库，其中每个现有ECG数据集包含带有至少一个对应现有特征和现有解译的现有ECG波形，并且其中所述集群是具有共同现有特征的现有ECG数据集；用户界面；以及集群训练模块，可由所述处理器执行以：接收新ECG波形和从所述新ECG波形提取的特征；基于所述特征来选择集群解译模块，其中针对来自所述集群数据库的所述集群之一对所述集群解译模块进行训练；处理所述新ECG波形和/或所述特征以提供集群解译输出；在所述用户界面上显示所述集群解译输出；以及经由所述用户界面接收接受或拒绝所述集群解译输出的临床医生输入。2.权利要求1所述的系统，其中所述集群训练模块可执行以基于所述临床医生输入来进一步训练所述集群解译模块。3.权利要求1所述的系统，其中如果所述临床医生输入拒绝所述集群解译输出，则所述集群训练模块可执行以基于所提取的特征来创建新集群。4.权利要求1所述的系统，进一步包括针对现有ECG数据集的通用数据库进行训练的通用解译模块，其中所述解译模块可由所述处理器执行以处理所述新ECG波形和/或所提取的特征，以便提供通用解译输出。5.权利要求4所述的系统，其中所述系统被配置使得如果由所述集群训练模块接收的所述临床医生输入拒绝所述集群解译输出，则所述通用解译模块在所述用户界面上显示所述通用解译输出。6.权利要求5所述的系统，其中所述通用解译模块可进一步由所述处理器执行以经由所述用户界面接收接受或拒绝所述通用解译输出的临床医生输入。7.权利要求6所述的系统，其中所述集群训练模块可执行以：如果所述临床医生输入拒绝所述集群解译输出和所述通用解译输出，则基于所提取的特征来创建新集群。8.权利要求1所述的系统，其中所述通用解译模块和所述集群训练模块中的至少一个是神经网络或判定树。9.一种用于ECG波形的自适应解译的方法，所述方法包括：接收新ECG波形；从所述新ECG波形提取至少一个特征；基于所述特征来选择集群解译模块；处理所述新ECG波形和/或所提取的特征以提供集群解译输出；在用户界面上显示所述集群解译输出；经由所述用户界面接收接受或拒绝所述集群解译输出的临床医生输入；以及基于所述临床医生输入来进一步训练所述集群解译模块。10.权利要求9所述的方法，其中针对来自现有ECG数据集的集群数据库的集群对所述集群解译模块进行训练，其中每个现有ECG数据集包含带有至少一...

【专利技术属性】
技术研发人员：JQ薛，
申请(专利权)人：通用电气公司，
类型：发明
国别省市：美国,US