基于CNN神经网络的急性心肌梗死定性自动判别系统技术方案

一种基于CNN神经网络的急性心肌梗死定性自动判别系统，涉及心肌梗死定性判别技术领域，包括数据采集系统、云平台数据存储系统、定性判别分析系统和数据显示系统；可穿戴心电监护仪与待判别人员连接，记录并生成12导联原始心电图；心电图采集系统获取12导联原始心电图数据，包括P波的波幅、QRS波群的波幅、ST段的波幅和T波的波幅；定性判别分析系统利用基于CNN神经网络训练获得的定性判别模型进行卷积计算获得判别中间数据，判别中间数据经过sigmoid函数映射获得判别结果数据，从而做出待判别人员是否患有急性心肌梗死的定性判别；本申请提供一种基于CNN神经网络的急性心肌梗死定性自动判别系统，对待判别人员是否为急性心机梗死做出准确的定性判别。

Automatic Qualitative Identification System for Acute Myocardial Infarction Based on CNN Neural Network

An automatic qualitative identification system for acute myocardial infarction based on CNN neural network involves the technical field of qualitative identification for myocardial infarction, including data acquisition system, cloud platform data storage system, qualitative discrimination analysis system and data display system; wearable ECG monitor is connected with the person to be identified, and 12 leads are recorded and generated. The original ECG; ECG acquisition system obtains 12-lead original ECG data, including P wave amplitude, QRS wave group amplitude, ST band amplitude and T wave amplitude; Qualitative discriminant analysis system uses the qualitative discriminant model based on CNN neural network training to convolute and calculate the discriminant intermediate data and discriminate the intermediate number. According to the sigmoid function mapping, the discriminant result data are obtained, so as to make the qualitative discriminant of whether the discriminator has acute myocardial infarction. This application provides an automatic qualitative discriminant system for acute myocardial infarction based on CNN neural network, which can accurately discriminate whether the discriminator has acute myocardial infarction.

【技术实现步骤摘要】
基于CNN神经网络的急性心肌梗死定性自动判别系统
本专利技术涉及心肌梗死定性判别
，具体涉及一种基于CNN神经网络的急性心肌梗死定性自动判别系统。
技术介绍
急性心肌梗死是冠状动脉急性、持续性缺血缺氧所引起的心肌坏死。临床上多有剧烈而持久的胸骨后疼痛，休息及硝酸酯类药物不能完全缓解，伴有血清心肌酶活性增高及进行性心电图变化，可并发心律失常、休克或心力衰竭，常可危及生命。本病在欧美最常见，美国每年约有150万人发生急性心肌梗死。中国近年来呈明显上升趋势，每年新发至少50万，现患至少200万,并且近20年来我国急性心肌梗死患者的死亡率持续上升，是威胁我国人民健康的重大公共卫生问题。急性心肌梗死救治最重要的关键点在于早期血运重建，越早开通梗死血管，患者的预后就越好，而导致目前我国急性心肌梗死死亡率居高不下的重要原因就在于急性心肌梗死患者的就诊延迟，从患者出现症状到患者接受血管再通治疗的时间，我国长达4-6小时，而欧美发达地区的就诊时间也超过3小时。值得注意的是，患者就诊延迟时间在近10年内，无论是我国还是欧美发达国家，均无明显改善，如何降低患者的就诊延迟成为了目前我国乃至全世界急需解决的问题。心电图是目前诊断急性心肌梗死，尤其是ST段抬高型心肌梗死最简便、最常用也是最重要的诊断手段。当心肌出现缺血情况时，心电图的ST段改变甚至早于患者出现症状。而目前临床上使用的心电图设备无法准确地自动识别心电图ST段变化。因此如果能实现心电设备的自动判读，自动判断患者是否心肌梗死，从而实现自动预警，将大大降低心梗患者的就诊延迟，从而减少患者的总缺血时间，改善患者预后。专利
技术实现思路
为了解决上述现有技术中存在的不足，本申请提供一种基于CNN神经网络的急性心肌梗死定性自动判别系统，利用标准12导联心电图，可对待判别人员是否为急性心机梗死做出准确的定性判别。为了实现上述技术效果，本专利技术的具体技术方案如下：一种基于CNN神经网络的急性心肌梗死定性自动判别系统，包括数据采集系统、云平台数据存储系统、定性判别分析系统和数据显示系统；所述数据采集系统包括可穿戴心电监护仪、心电图采集系统，所述可穿戴心电监护仪与待判别人员连接，记录并生成待判别人员的心脏每一心动周期所产生的电活动变化的12导联原始心电图；所述心电图采集系统用于获取12导联原始心电图数据，该数据包括P波的波幅、QRS波群的波幅、ST段的波幅和T波的波幅；所述云平台数据存储系统自动识别并存储12导联原始心电图数据，经小波变换后将该数据转换成量化指标，转换成的量化指标发送给定性判别分析系统；所述定性判别分析系统接收转换成的量化指标，利用基于CNN神经网络训练获得的定性判别模型进行卷积计算获得判别中间数据，所述判别中间数据经过sigmoid函数映射获得判别结果数据，根据该判别结果数据做出待判别人员是否患有急性心肌梗死的定性判别；所述数据显示系统包括显示屏幕及提示灯，其与可穿戴心电监护仪、定性判别分析系统连接，用于显示待判别人员的12导联原始心电图，并且待定性判别分析系统判别结果为急性心肌梗死时进行红灯提示；上述待判别人员进行定性判别的步骤为：第一步：采集并获取待判别人员的12导联原始心电信号fT(t),其即为获取到的QRS波、ST段、T波在t时刻的相应波幅，其中T仅用于标记，表示为待判别人员；第二步：原始心电信号fT(t)在频率x下经小波变换获得WsfT(t)，其中第三步：将s设定为s＝1,将WsfT(t)带入定性判别模型进行卷积计算得到WsfT(x)∈R,然后WsfT(x)经过sigmoid函数映射得到：如果sigmoid(WsfT(x))≧0.5，则待判别人员为患有急性心肌梗死；如果sigmoid(WsfT(x))<0.5，则待判别人员为正常。进一步地，所述基于CNN神经网络训练获得的定性判别模型具体获得步骤如下：设fk(t),k＝1,2,...,m.是第k个已经诊断为患急性心肌梗死病人的心电信号，其中m≥10000；SLk表示第k个病人的临床金标准，是病人的实际的疾病类型，SLk＝1表示病人发生心肌梗死，SLk＝0表示正常；yk是第k个病人预测的疾病类型，yk＝1表示病人发生心肌梗死，yk＝0表示正常；第1步：在CNN神经网络输入层输入我们的第k个病人的心电信号fk(t),k＝1,2,...,m.(共有m个病人的心电信号)；第2步：如果第一次经过此步，选择j＝0，s＝2j＝1为初始值，如果不是初次进入此步，在循环到此步时，每次j的当前值的基础上加上1；然后，Ψs(x)与fk(t)经过隐藏层的卷积操作，即二进制小波变换，得到Wsfk(x)∈R；第3步：然后经过sigmoid函数映射，即第4步：把yk与收集到的临床金标准SLk进行对比是否相等，对照所有的样本的临床金标准后可以得到一个错误率第5步：我们对判别的错误率的要求是ERROR＝5％，即正确率达到95％如果error＜＝ERROR，则输出模型Wsfk(x)∈R；如果error＞ERROR，然后重复第2、3、4、5步直至error＜＝ERROR，然后输出模型Wsfk(x)∈R。进一步地，所述临床金标准SLk存储于所述云平台数据存储系统，其来自于急性心肌梗死病人的临床试验观察表，用于与定性判别模型预测结果作对照。进一步地，所述临床金标准SLk存储于所述云平台数据存储系统，其来自于血管造影装置在急性心肌梗死病人急诊时通过注入造影剂让血管成像，再通过心肌梗死标注软件进行标注的标注数据，用于与定性判别模型预测结果作对照。依据上述技术方案，与已公开技术相比，本专利技术存在以下优点：本专利技术基于大数据云平台，建立基于体表12导联原始心电图的数据来定性识别急性心肌梗死的人工智能算法，建立整体的急性心肌梗死自动判别系统，可以快速实现急性心肌梗死定性自动判别，实现实时预警，提高诊断敏感性。附图说明下面通过具体实施方式结合附图对本作进一步详细说明。图1为本专利技术的系统框架图；图2为本专利技术中用于训练获得定性判别模型的一种CNN神经网络示意图；其中，1、数据采集系统；11、可穿戴心电监护仪；12、心电图采集系统；2、云平台数据存储系统；3、定性判别分析系统；31、定性判别模型；4、数据显示系统。具体实施方式为使本实施方式的目的、技术方案和优点更加清楚，下面将结合本实施方式中的附图，对本实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本一部分实施方式，而不是全部的实施方式。基于本专利技术中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本保护的范围。在本专利技术的描述中，需要理解的是，术语“上端”、“下端”、“尾端”、“左右”、“上下”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本和简化描述，而不是指示或暗示所指的设备或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。在本专利技术中，除非另有明确的规定和限定，术语“安装”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系本文档来自技高网...

【技术保护点】
1.一种基于CNN神经网络的急性心肌梗死定性自动判别系统，其特征在于，包括数据采集系统、云平台数据存储系统、定性判别分析系统和数据显示系统；所述数据采集系统包括可穿戴心电监护仪、心电图采集系统，所述可穿戴心电监护仪与待判别人员连接，记录并生成待判别人员的心脏每一心动周期所产生的电活动变化的12导联原始心电图；所述心电图采集系统用于获取12导联原始心电图数据，该数据包括P波的波幅、QRS波群的波幅、ST段的波幅和T波的波幅；所述云平台数据存储系统自动识别并存储12导联原始心电图数据，经小波变换后将该数据转换成量化指标，转换成的量化指标发送给定性判别分析系统；所述定性判别分析系统接收转换成的量化指标，利用基于CNN神经网络训练获得的定性判别模型进行卷积计算获得判别中间数据，所述判别中间数据经过sigmoid函数映射获得判别结果数据，根据该判别结果数据做出待判别人员是否患有急性心肌梗死的定性判别；所述数据显示系统包括显示屏幕及提示灯，其与可穿戴心电监护仪、定性判别分析系统连接，用于显示待判别人员的12导联原始心电图，并且待定性判别分析系统判别结果为急性心肌梗死时进行红灯提示；上述待判别人员进行定性判别的步骤为：第一步：采集并获取待判别人员的12导联原始心电信号fT(t),其即为获取到的QRS波、ST段、T波在t时刻的相应波幅，其中T仅用于标记，表示为待判别人员；第二步：原始心电信号fT(t)在频率x下经小波变换获得WsfT(t)，其中...

【技术特征摘要】
1.一种基于CNN神经网络的急性心肌梗死定性自动判别系统，其特征在于，包括数据采集系统、云平台数据存储系统、定性判别分析系统和数据显示系统；所述数据采集系统包括可穿戴心电监护仪、心电图采集系统，所述可穿戴心电监护仪与待判别人员连接，记录并生成待判别人员的心脏每一心动周期所产生的电活动变化的12导联原始心电图；所述心电图采集系统用于获取12导联原始心电图数据，该数据包括P波的波幅、QRS波群的波幅、ST段的波幅和T波的波幅；所述云平台数据存储系统自动识别并存储12导联原始心电图数据，经小波变换后将该数据转换成量化指标，转换成的量化指标发送给定性判别分析系统；所述定性判别分析系统接收转换成的量化指标，利用基于CNN神经网络训练获得的定性判别模型进行卷积计算获得判别中间数据，所述判别中间数据经过sigmoid函数映射获得判别结果数据，根据该判别结果数据做出待判别人员是否患有急性心肌梗死的定性判别；所述数据显示系统包括显示屏幕及提示灯，其与可穿戴心电监护仪、定性判别分析系统连接，用于显示待判别人员的12导联原始心电图，并且待定性判别分析系统判别结果为急性心肌梗死时进行红灯提示；上述待判别人员进行定性判别的步骤为：第一步：采集并获取待判别人员的12导联原始心电信号fT(t),其即为获取到的QRS波、ST段、T波在t时刻的相应波幅，其中T仅用于标记，表示为待判别人员；第二步：原始心电信号fT(t)在频率x下经小波变换获得WsfT(t)，其中第三步：将s设定为s＝1,将WsfT(t)带入定性判别模型进行卷积计算得到WsfT(x)∈R,然后WsfT(x)经过sigmoid函数映射得到：如果sigmoid(WsfT(x))≧0.5，则待判别人员为患有急性心肌梗死；如果sigmoid(WsfT(x))<0.5，则待判别人员为正常。2.如权利要求1所述的基于CNN神经网络的急性心肌梗死定性自...

【专利技术属性】
技术研发人员：徐亚伟，陈维，朱梦云，张毅，唐恺，赵逸凡，高梓桓，徐亚文，赵宇，徐潇，李昕，侯杨，
申请(专利权)人：上海移视网络科技有限公司，
类型：发明
国别省市：上海,31