【技术实现步骤摘要】
基于差值时间散点图的阵发性房颤智能分析方法及系统
本专利技术涉及医疗人工智能
，具体地指一种基于差值时间散点图的阵发性房颤智能分析方法及系统。
技术介绍
心房颤动(简称房颤)是最常见的快速性心律失常症状，流行病学研究显示，1990-2010年间临床房颤的患病率和发病率显著增加，2010年全球临床房颤人数估计有3350万，我国房颤患者的人数超过1000万，临床房颤相关死亡率10年间统计数据增加2倍。房颤可形成左心房附壁血栓，导致的栓塞90％是脑动脉栓塞(缺血性脑卒中)，10％是外周动脉栓塞或者肠系膜动脉栓塞等。据全球疾病负担研究(GlobalBurdenofDiseasestudy，GBD)2017年的统计数据，卒中所造成的伤残调整寿命年占比5.29％。亚临床房颤一般认为无或者几乎无典型临床症状的房颤，其中一部分因体检或其他原因就医行心电图检查而发现，另一部分直到房颤相关并发症如卒中出现后才被发现，甚至卒中发生后仍未能发现。亚临床房颤最早是在植入起搏器患者观测到的。研究发现在植入起搏器检出房颤的患者中，仅有17％-21％的患者表现出房颤发作的相关症状。同时阵发...
【技术保护点】
1.一种基于差值时间散点图的阵发性房颤智能分析方法，其特征在于：所述方法包括训练阶段和检测阶段；所述训练阶段包括步骤：A1)采集若干份长时动态心电图的原始训练数据，并过滤质量过低的信号段；A2)根据每一份所述心电图的原始训练数据绘制训练阶段的差值时间散点图；所述差值时间散点图的绘制方法为：根据原始心电图数据标记所有的R波顶点；将取得的相邻两个R波顶点之间的间隔作为一个RR间期的时间宽度；对得到的心电图数据RR间期宽度序列进行遍历，以当前RR间期宽度M减去下一个RR间期宽度N得到的数据(M‑N)为纵坐标，以时间纬度t为横坐标，绘制散点图(M‑N，t)；A3)对每一份所述训练阶...
【技术特征摘要】
1.一种基于差值时间散点图的阵发性房颤智能分析方法，其特征在于：所述方法包括训练阶段和检测阶段；所述训练阶段包括步骤：A1)采集若干份长时动态心电图的原始训练数据，并过滤质量过低的信号段；A2)根据每一份所述心电图的原始训练数据绘制训练阶段的差值时间散点图；所述差值时间散点图的绘制方法为：根据原始心电图数据标记所有的R波顶点；将取得的相邻两个R波顶点之间的间隔作为一个RR间期的时间宽度；对得到的心电图数据RR间期宽度序列进行遍历，以当前RR间期宽度M减去下一个RR间期宽度N得到的数据(M-N)为纵坐标，以时间纬度t为横坐标，绘制散点图(M-N，t)；A3)对每一份所述训练阶段的差值时间散点图标注房颤发作标签和非房颤发作标签；A4)将所有所述训练阶段的差值时间散点图和对应的房颤发作标签和非房颤发作标签作为卷积神经网络的输入，训练得到卷积神经网络模型；所述检测阶段包括步骤：B1)采集待检测的长时动态心电图的原始检测数据，并过滤质量过低的信号段；B2)根据所述心电图的原始检测数据绘制检测阶段的差值时间散点图；B3)将所述检测阶段的差值时间散点图输入至卷积神经网络模型，计算得到检测散点图的分类结果，输出阵发性房颤智能分析结果。2.根据权利要求1所述的基于差值时间散点图的阵发性房颤智能分析方法，其特征在于：所述步骤A3)中对具有房颤时间段点集的心电图标注房颤发作标签，对具有非房颤时间段点集的心电图标注非房颤发作标签。3.根据权利要求2所述的基于差值时间散点图的阵发性房颤智能分析方法，其特征在于：所述房颤时间段点集为围绕时间轴上下均匀分布、无中心连续分布的点集。4.根据权利要求2所述的基于差值时间散点图的阵发性房颤智能分析方法，其特征在于：所述非房颤时间段点集为具有中心线装、呈连续分布或多条线状的点集。5.根据权利要求1所述的基于差值时间散点图的阵发...
【专利技术属性】
技术研发人员：林凡，杨晓云，马飞，冯晶，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。