【技术实现步骤摘要】
基于深度神经网络的心电图智能分析方法及系统
本专利技术涉及医疗人工智能
，具体地指一种基于深度神经网络的心电图智能分析方法及系统。
技术介绍
据权威调查显示，心血管疾病已经成为世界人口死亡的主要原因之一。每年死于心血管疾病的人数占死亡总人数的三分之一。心电图是常见的用于观察人体心电活动的医疗检查手段，心电图机将心脏活动的电信号提取为数字信号，并用心电图的形式展现出来。随着人工智能领域特别是深度学习技术的发展，分析数字心电信号的技术越来越丰富和成熟。但心电图的人工分析，不仅需要经过专业训练的医师进行大工作量的劳动，而且主观性比较强，因此对心电图进行自动分析就显得迫切需要。因此，设计出成本低、性能达到医用标准的心电图智能诊断方法及系统，有着重大的社会效益和经济效益。目前，通常采用支持向量机算法进行心电图的智能判断。SVM算法的心电图诊断主要分为特征提取以及模式识别，特征提取的优劣和模式分类器的性能直接影响整个识别系统的性能。由于特征工程对于技术人员对心电的理解要求很高，通常选用的特征也比较少，基于支持向量机的心电图智能诊断方法效果往往不够理想。
技术实现思路
针对现...
【技术保护点】
1.一种基于深度神经网络的心电图智能分析方法，其特征在于：所述方法包括训练阶段和检测阶段；所述训练阶段包括如下步骤：A1)采集若干份N导联静态心电图的图像信息，N为大于4的自然数；A2)对每一份N导联静态心电图的图像信息标注横向层面标签和纵向层面标签；A3)对每一份N导联静态心电图的图像信息进行预处理，每一份图像信息得到N个带有横向层面标签的特征序列样本数据和带有纵向层面标签的特征序列样本数据；A4)将每一份N个带有横向层面标签的特征序列样本数据作为N个识别横向层面的卷积神经网络的输入，训练得到N个识别横向层面的卷积神经网络模型；A5)将每一份带有纵向层面标签的特征序列样本...
【技术特征摘要】
1.一种基于深度神经网络的心电图智能分析方法，其特征在于：所述方法包括训练阶段和检测阶段；所述训练阶段包括如下步骤：A1)采集若干份N导联静态心电图的图像信息，N为大于4的自然数；A2)对每一份N导联静态心电图的图像信息标注横向层面标签和纵向层面标签；A3)对每一份N导联静态心电图的图像信息进行预处理，每一份图像信息得到N个带有横向层面标签的特征序列样本数据和带有纵向层面标签的特征序列样本数据；A4)将每一份N个带有横向层面标签的特征序列样本数据作为N个识别横向层面的卷积神经网络的输入，训练得到N个识别横向层面的卷积神经网络模型；A5)将每一份带有纵向层面标签的特征序列样本数据作为识别纵向层面的卷积神经网络的输入，训练得到识别纵向层面的卷积神经网络模型；所述检测阶段包括如下步骤：B1)采集待检测的N导联静态心电图的图像信息；B2)对所述待检测的N导联静态心电图的图像信息进行预处理，得到N个特征序列和以心跳周期分割的特征序列；B3)将所述N个特征序列作为N个识别横向层面的卷积神经网络模型的输入，得到N个带有横向层面标签及概率值的输出，即横向识别异常分析；B4)将所述以心跳周期分割的特征序列作为识别纵向层面的卷积神经网络模型的输入，得到纵向层面标签及概率值，即纵向识别异常分析。2.根据权利要求1所述的基于深度神经网络的心电图智能分析方法，其特征在于：所述N导联静态心电图的图像信息为PDF、CSV、ecg、文本、内存数据流或者XML格式的心电数据，所述横向层面标签和纵向层面标签为PDF格式的文字信息、文本信息或其他来源的标签数据，N为12或者18。3.根据权利要求1所述的基于深度神经网络的心电图智能分析方法，其特征在于：所述步骤A3)预处理的过程为提取图像信息、横向层面标签和纵向层面标签的文字信息，转换为带有横向层面标签和纵向层面标签的CSV文件或其他心电数据存储格式的文件。4.根据权利要求1所述的基于深度神经网络的心电图智能分析方法，其...
【专利技术属性】
技术研发人员：杨国良，左秀然，于杨，张燕，刘娟，柯凯，
申请(专利权)人：武汉海星通技术股份有限公司，
类型：发明
国别省市：湖北,42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。