疾病概率获取方法、装置、电子设备和计算机可读介质制造方法及图纸

本发明专利技术提供了一种疾病概率获取方法、装置、电子设备和计算机可读介质，涉及神经网络应用的技术领域，包括获取多段生理信号，提取所述多段生理信号的空间特征，提取所述空间特征的时间特征，根据所述时间特征，确定多个疾病的患病概率。可以从时间、空间两个层面提取心电信号特征，充分挖掘了多段生理信号的特征，提升了疾病的患病概率的精确度。

Methods, devices, electronic devices and computer-readable media for acquiring disease probability

The invention provides a disease probability acquisition method, device, electronic equipment and computer readable medium, which relates to the technical field of neural network application, including acquiring multiple physiological signals, extracting the spatial characteristics of the multiple physiological signals, extracting the temporal characteristics of the spatial characteristics, and determining the disease probability of multiple diseases according to the time characteristics. It can extract ECG signal features from time and space, fully tap the characteristics of multiple physiological signals, and improve the accuracy of disease probability.

【技术实现步骤摘要】
疾病概率获取方法、装置、电子设备和计算机可读介质
本专利技术涉及神经网络应用
，尤其是涉及一种疾病概率获取方法、装置、电子设备和计算机可读介质。
技术介绍
基于心电信号的自动心率失常检测在心血管疾病早期预防和诊断中起着十分重要的作用。准确的自动心率失常检测是一项重要的辅助诊断方法，由于心电信号采集过程中不可避免的会引入噪声，同时由于心电波形的个体差异导致不同心律失常的经验特征设计难度较大。近年来，在深度学习方法的帮助下，基于数据驱动的方法更少的依赖特征工程的设计，Rajpurkar等人提出了一种基于34层卷积神经网络的心律失常分类算法，针对14类心率失常类型进行验证。Kiranyaz等人提出了一种自适应的卷积神经网络，用于室性异位搏动与室上性异位搏动。Chauhan等人利用长短时记忆网络对原始心电信号直接进行处理用于检测四种心律失常情况等等。虽然上述方法取得了不错的结果，但是对于信号特征的挖掘仍有很大的提升空间，主要是由于多导联动态心电信号属于典型的时空数据，不同导联反映了信号的空间特征，而连续变化的波形反映了信号的时间特性，而上述方式仅仅采用时间特性进行检测，可能导致计算的概本文档来自技高网...

【技术保护点】
1.一种疾病概率获取方法，其特征在于，包括：获取多段生理信号；提取所述多段生理信号的空间特征；提取所述空间特征的时间特征；根据所述时间特征，确定多个疾病的患病概率。

【技术特征摘要】
1.一种疾病概率获取方法，其特征在于，包括：获取多段生理信号；提取所述多段生理信号的空间特征；提取所述空间特征的时间特征；根据所述时间特征，确定多个疾病的患病概率。2.根据权利要求1所述的疾病概率获取方法，其特征在于，提取所述多段生理信号中的空间特征；根据所述空间特征，提取的时间特征；根据所述时间特征，确定多个疾病的患病概率，包括：通过多层空间卷积模型，提取所述多段生理信号的第一空间特征；通过双向循环神经模型，提取所述第一空间特征的第一时间特征。将所述第一时间特征输入到注意力模型中，得到注意力时间特征；将所述注意力时间特征输入到多分类目标模型中，确定多个疾病的患病概率。3.根据权利要求1所述的疾病概率获取方法，其特征在于，提取所述多段生理信号中的空间特征；根据所述空间特征，提取的时间特征；根据所述时间特征，确定多个疾病的患病概率，包括：通过具有注意力机制的多层空间卷积模型，提取所述多段生理信号的第二空间特征；通过双向循环神经模型，提取所述第二空间特征的注意力时间特征；将所述注意力时间特征输入到多分类目标模型中，确定多个疾病的患病概率。4.根据权利要求1所述的疾病概率获取方法，其特征在于，提取所述多段生理信号中的空间特征；根据所述空间特征，提取的时间特征；根据所述时间特征，确定多个疾病的患病概率，包括：通过多层空间卷积模型，提取所述多段生理信号的第一空间特征；通过具有注意力机制的双向循环神经模型，提取所述第一空间特征的注意力时间特征；将所述注意力时间特征输入到多分类目标模型中，确定多个疾病的患病概率。5.根据权利要求1所述的疾病概率获取方法，其特...

【专利技术属性】
技术研发人员：王如心，李烨，姚启航，樊小毛，
申请(专利权)人：深圳先进技术研究院，
类型：发明
国别省市：广东,44