一种基于三维图像的深度学习模型的心脏疾病检测方法技术

本发明专利技术提供一种基于三维图像的深度学习模型的心脏疾病检测方法，通过构建心电图、心电向量图及心电非线性系统动态图的深度学习判定模型，并采用迁移学习等方法对深度学习判定模型的参数进行调整，然后优化深度学习判定模型输出结果的权重分配，获得心脏疾病检测的综合判定结果，从而解决心脏电活动连续的动态信号图像的模型处理方法及不同来源数据的模型分析的技术难题。有益效果：本发明专利技术所述基于三维图像的深度学习模型的心脏疾病检测方法，完成了对心脏疾病病理特征的自动提取和智能诊断，具备较高的准确性和检测效率。

A heart disease detection method based on 3D image deep learning model

【技术实现步骤摘要】
一种基于三维图像的深度学习模型的心脏疾病检测方法
本专利技术涉及心脏疾病的检测领域，特别是涉及基于三维图像的深度学习模型的心脏疾病检测方法。
技术介绍
当前，我国社会逐渐步入老龄化的社会，饮食习惯的变化和脑力劳动者数量不断增加等因素，使得我国的心血管疾病的发病率和病死率逐年上升；因此，对于心脏疾病患者的医学筛查至关重要。然而，现有心脏疾病监测和检测手段繁琐复杂，检测成本偏高，微弱症状的早期心脏疾病筛查并不能及时有效地进行筛选。对于被检测者而言，现有的心脏疾病检测手段既浪费了患者的诊疗时间，提高了心脏疾病患者的诊断成本，又不能对患者自身的心脏疾病进行准确的识别，这严重地危害了心脏疾病患者的生命安全。因此，亟需开发一种心脏疾病检测方法，充分有效地利用现有的病理数据，改善心脏疾病监测的准确性和敏感性，帮助医生后期对待测人员的心脏疾病病情进行早期干预以及精准治疗。中国专利技术专利CN107348971A公开了一种基于心音检测和深度学习算法的心脏病筛查系统，包括信号采集模块、心音数据分析模块和数据库模块；该专利技术能够实现非入侵式的心脏病筛查，利本文档来自技高网...

【技术保护点】
1.一种基于三维图像的深度学习模型的心脏疾病检测方法，其特征在于，包括以下步骤：/n步骤1. 获取样本数据，所述样本数据包括特定心脏疾病的病理特征的图像数据，所述特定心脏疾病的病理特征的图像数据包括心电非线性系统动态图和/或心电向量图；/n步骤2. 对步骤1获取的样本数据进行深度学习，获得特定心脏疾病的深度学习判定模型。/n

【技术特征摘要】
1.一种基于三维图像的深度学习模型的心脏疾病检测方法，其特征在于，包括以下步骤：
步骤1.获取样本数据，所述样本数据包括特定心脏疾病的病理特征的图像数据，所述特定心脏疾病的病理特征的图像数据包括心电非线性系统动态图和/或心电向量图；
步骤2.对步骤1获取的样本数据进行深度学习，获得特定心脏疾病的深度学习判定模型。


2.根据权利要求1所述心脏疾病检测方法，其特征在于，步骤2中所述特定心脏疾病的深度学习判定模型包括卷积神经网络、循环神经网络、生成式对抗网络、堆叠自动编码器、深度信念网络、深度玻尔兹曼机和神经张量网络中的至少一种；优选地，步骤2还包括：对所述特定心脏疾病的深度学习判定模型进行迁移学习的训练步骤。


3.根据权利要求1所述心脏疾病检测方法，其特征在于，步骤1中所述特定心脏疾病的病理特征的图像数据还包括心电图；优选地，所述特定心脏疾病的病理特征的图像数据还包括心电向量图的二维平面投影图、和/或心电非线性系统动态图的二维平面投影图。


4.根据权利要求3所述心脏疾病检测方法，其特征在于，还包括步骤3：采集待测人员的心电图、和/或心电向量图、和/或心电非线性系统动态图，输入到步骤2中所述特定心脏疾病的深度学习判定模型，得到待测人员的心脏疾病检测结果：待测人员的心电图的特定心脏疾病的深度学习判定模型输出结果、和/或心电向量图的特定心脏疾病的深度学习判定模型输出结果、和/或心电非线性系统动态图特定心脏疾病的深度学习判定模型输出结果。


5.根据权利要求4所述心脏疾病检测方法，其特征在于，步骤3所述待测人员的心脏疾病检测结果还包括：选取待测人员的心电图的特定心脏疾病的深度学习判定模型输出结果、心电向量图的特定心脏疾病的深度学习判定模型输出结果、和心电非线性系统动态图的特定心脏疾病的深度学习判定模型...

【专利技术属性】
技术研发人员：王云霞，何毅钒，
申请(专利权)人：上海图灵医疗科技有限公司，
类型：发明
国别省市：上海;31