心电图分析结果的生成方法、心电图机及存储介质技术

本发明专利技术公开了一种心电图分析结果的生成方法，包括以下步骤：将心电信号输入到深度学习模型中生成心电图分析结果，以及所述心电图分析结果各个任务类别的置信度；获取置信度阈值，根据所述置信度和所述置信度阈值判断所述心电图分析结果是否可信；在判定所述心电图分析结果可信时，输出所述心电图分析结果。本发明专利技术还公开了一种心电图机以及计算机可读存储介质。本发明专利技术实现对心电图分析结果进行可靠性判断，提高了心电医师的工作效率。

Generation method, electrocardiograph and storage medium of ECG analysis results

【技术实现步骤摘要】
心电图分析结果的生成方法、心电图机及存储介质
本专利技术涉及医疗设备
，尤其涉及一种心电图分析结果的生成方法、心电图机以及计算机可读存储介质。
技术介绍
随着时代的发展，心电图自动分析技术在数十年间得到了长足发展，心电图自动分析技术使得一段心电图可通过识别算法自动得到检测结果。临床上，静态心电自动分析技术根据所依托的设备或使用场景一般可以分为便携式心电图机、心电图工作站与心电网络等形式。在现有的对心电信号进行分析生成心电图分析结果的技术中，大多只是直接根据采集到的心电信号生成分析结果并输出，由于自动生成的分析结果不一定可信，往往需要心电医师对输出的分析结果都进行检验分析，这就会导致心电医师的工作效率低下。
技术实现思路
本专利技术的主要目的在于提供一种心电图分析结果的生成方法、心电图机以及计算机可读存储介质，实现对心电图分析结果进行可靠性判断，提高了心电医师的工作效率。为实现上述目的，本专利技术提供一种心电图分析结果的生成方法，所述心电图分析结果的生成方法包括以下步骤：将心电信号输入到深度学习模型中生成心电图分析结果，以及所述心电图分析结果各个任务类别的置信度；获取置信度阈值，根据所述置信度和所述置信度阈值判断所述心电图分析结果是否可信；在判定所述心电图分析结果可信时，输出所述心电图分析结果。优选地，所述将心电信号输入到深度学习模型中生成心电图分析结果，以及所述心电图分析结果各个任务类别的置信度的步骤包括：在接收到心电信号时，将所述心电信号输入到深度学习模型中生成心电图分析结果；根据与所述心电图分析结果对应的任务类别的数量，计算各个所述任务类别的置信度。优选地，所述心电图分析结果的生成方法还包括：将预设数量的心电信号样本，以及所述心电信号样本对应的心电图分析结果，输入到所述深度学习模型中得到所述置信度阈值。优选地，所述根据所述置信度和所述置信度阈值判断所述心电图分析结果是否可信的步骤包括：获取所述心电图分析结果的预设任务类别的置信度；在所述预设任务类别的置信度大于所述置信度阈值时，判定所述心电图分析结果可信；在所述预设任务类别的置信度小于或者等于所述置信度阈值时，判定所述心电图分析结果不可信。优选地，所述根据所述置信度和所述置信度阈值判断所述心电图分析结果是否可信的步骤之后，还包括：在判定所述心电图分析结果不可信时，输出所述心电图分析结果对应的心电信号；获取基于所述心电信号生成的标注数据，根据所述标注数据更新并输出所述心电图分析结果。优选地，所述输出所述心电图分析结果对应的心电信号的步骤包括：输出所述心电图分析结果对应的心电信号，并输出手动标注提示信息，以提示用户对输出的所述心电信号进行手动标注；基于标注后的所述心电信号生成标注数据。优选地，所述心电图分析结果的生成方法还包括：在输出所述心电图分析结果时，生成与所述心电图分析结果对应的分析标志；根据所述分析标志优化所述深度学习模型。优选地，所述基于深度学习模型，根据心电信号生成心电图分析结果，以及所述心电图分析结果对应的置信度的步骤之后，还包括：根据预设置信度区间和所述置信度对所述心电图分析结果进行可信度评级。优选地，所述心电图分析结果的可信度等级包括可信度高级、可信度中级和可信度低级，所述根据预设置信度区间和所述置信度对所述心电图分析结果进行可信度评级的步骤之后，还包括：在所述可信度等级为所述可信度高级时，输出所述心电图分析结果；在所述可信度等级为所述可信度中级时，输出是否需要手动标注提示信息，以提示用户是否需要手动对所述心电图分析结果对应的心电信号进行标注；在所述可信度等级为所述可信度低级时，输出所述心电图分析结果对应的心电信号，并提示用户对输出的所述心电信号进行手动标注。优选地，所述心电图分析结果的生成方法还包括：在接收到所述心电信号时，对所述心电信号进行重采样，以使所述心电信号的信号频率转变为预设频率；根据重采样后的心电信号生成所述心电图分析结果。优选地，所述心电图分析结果的生成方法还包括：在接收到所述心电信号时，根据预设采样精度间的尺度因子，将所述心电信号的采样精度转变为所述预设采样精度；根据采样精度转变后的心电信号生成所述心电图分析结果。为实现上述目的，本专利技术还提供一种心电图机，所述心电图机包括：所述心电图机包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的心电图分析结果的生成程序，所述心电图分析结果的生成程序被所述处理器执行时实现如上述心电图分析结果的生成方法的步骤。为实现上述目的，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有心电图分析结果的生成程序，所述心电图分析结果的生成程序被处理器执行时实现如上述心电图分析结果的生成方法的步骤。本专利技术提供的心电图分析结果的生成方法、心电图机以及计算机可读存储介质，在接收到心电信号时，根据所述心电信号生成心电图分析结果；计算所述心电图分析结果对应不同任务类别的置信度；获取置信度阈值，根据所述置信度和所述置信度阈值判断所述心电图分析结果是否可信；在判定所述心电图分析结果可信时，输出所述心电图分析结果。这样，实现对心电图分析结果进行可靠性判断，筛选出可靠性程度高的心电图分析结果，提高了心电医师的工作效率。附图说明图1为本专利技术实施例方案涉及的实施例终端的硬件运行环境示意图；图2为本专利技术心电图分析结果的生成方法第一实施例的流程示意图；图3为本专利技术心电图分析结果的生成方法第二实施例的流程示意图；图4为本专利技术心电图分析结果的生成方法第三实施例的流程示意图。本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。本专利技术提供一种心电图分析结果的生成方法，实现对心电图分析结果进行可靠性判断，筛选出可靠性程度高的心电图分析结果，提高了心电医师的工作效率。如图1所示，图1是本专利技术实施例方案涉及的实施例终端的硬件运行环境示意图；本专利技术实施例终端可以是心电图机、心电图工作站。如图1所示，该终端可以包括：处理器1001，例如CPU，存储器1002，通信总线1003。其中，通信总线1003用于实现该终端中各组成部件之间的连接通信。存储器1002可以是高速RAM存储器，也可以是稳定的存储器(non-volatilememory)，例如磁盘存储器。存储器1002可选的还可以是独立于前述处理器1001的存储装置。本领域技术人员可以理解，图1中示出的终端的结构并不构成对本专利技术实施例终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。如图1所示，作为一种计算机存储介质的存储器1002中可以包括本文档来自技高网...

【技术保护点】
1.一种心电图分析结果的生成方法，其特征在于，所述心电图分析结果的生成方法包括以下步骤：/n将心电信号输入到深度学习模型中生成心电图分析结果，以及所述心电图分析结果各个任务类别的置信度；/n获取置信度阈值，根据所述置信度和所述置信度阈值判断所述心电图分析结果是否可信；/n在判定所述心电图分析结果可信时，输出所述心电图分析结果。/n

【技术特征摘要】
1.一种心电图分析结果的生成方法，其特征在于，所述心电图分析结果的生成方法包括以下步骤：
将心电信号输入到深度学习模型中生成心电图分析结果，以及所述心电图分析结果各个任务类别的置信度；
获取置信度阈值，根据所述置信度和所述置信度阈值判断所述心电图分析结果是否可信；
在判定所述心电图分析结果可信时，输出所述心电图分析结果。


2.如权利要求1所述的心电图分析结果的生成方法，其特征在于，所述将心电信号输入到深度学习模型中生成心电图分析结果，以及所述心电图分析结果各个任务类别的置信度的步骤包括：
在接收到心电信号时，将所述心电信号输入到深度学习模型中生成心电图分析结果；
根据与所述心电图分析结果对应的任务类别的数量，计算各个所述任务类别的置信度。


3.如权利要求2所述的心电图分析结果的生成方法，其特征在于，所述心电图分析结果的生成方法还包括：
将预设数量的心电信号样本，以及所述心电信号样本对应的心电图分析结果，输入到所述深度学习模型中得到所述置信度阈值。


4.如权利要求1所述的心电图分析结果的生成方法，其特征在于，所述根据所述置信度和所述置信度阈值判断所述心电图分析结果是否可信的步骤包括：
获取所述心电图分析结果的预设任务类别的置信度；
在所述预设任务类别的置信度大于所述置信度阈值时，判定所述心电图分析结果可信；
在所述预设任务类别的置信度小于或者等于所述置信度阈值时，判定所述心电图分析结果不可信。


5.如权利要求1所述的心电图分析结果的生成方法，其特征在于，所述根据所述置信度和所述置信度阈值判断所述心电图分析结果是否可信的步骤之后，还包括：
在判定所述心电图分析结果不可信时，输出所述心电图分析结果对应的心电信号；
获取基于所述心电信号生成的标注数据；
根据所述标注数据更新并输出所述心电图分析结果。


6.如权利要求5所述的心电图分析结果的生成方法，其特征在于，所述输出所述心电图分析结果对应的心电信号的步骤包括：
输出所述心电图分析结果对应的心电信号，并输出手动标注提示信息，以提示用户对输出的所述心电信号进行手动标注；
基于标注后的所述心电信号生成标注数据。


7.如权利要求1所述的心电图分析结果的生成方法，其特征在于，所述基于深度学习模型...

【专利技术属性】
技术研发人员：周雅琪，欧凤，周峰，
申请(专利权)人：深圳市理邦精密仪器股份有限公司，
类型：发明
国别省市：广东;44