基于12导联静息心电图的多级联人工智能排阴方法技术

本发明专利技术属于心电分析技术领域，具体涉及基于12导联静息心电图的多级联人工智能排阴方法。本发明专利技术创造性地将数字信号处理心电算法、卷积神经网络算法和多个残差结构的深度神经网络配合使用，即使在心电波形多样性、结论多样性的情况下，本发明专利技术方法对正常波形仍有很高的检出率，非常适合在健康人群中排阴使用。并且，本发明专利技术方法可以对非正常波形进行分类，且分类能力高，对阳性数据的辅助分析有一定的作用。而且，本发明专利技术提供的方法弥补了现有分析方法对于形态学的波形判别的缺口。本发明专利技术提供的方法适用于12导联心电图全诊断词条域的阳性筛查。

【技术实现步骤摘要】
基于12导联静息心电图的多级联人工智能排阴方法
本专利技术属于心电分析
，具体涉及基于12导联静息心电图的多级联人工智能排阴方法。
技术介绍
计算机对心电图的分析处理是自动化分析处理在医疗卫生领域中为数不多的几个成功应用的例子之一。经过近几十年的发展，心电图自动分析系统已在临床上得到一定的应用。从分析的底层技术上，大致分为几种分析方法：传统的数字信号滤波分析方法，小波提取特征的分析方法，机器学习诸如SVM(支持向量机)等分析方法，以及近几年发展的神经网络和深度学习分析方法。各种方法有各自的优劣点，比如传统的算法和小波对节律分析准确度极高，而深度学习方法对之前识别率很低的特定几种复杂心率失常有比较好的检出率。部分学者近几年用一两种方法的混合来解决特定的问题：比如用小波提取部分波形的细节，再将提取的小波特征送入神经网络进行学习，以更好地实现诸如抓住某一种特征的目的。医疗级12导联心电图的分析结论是变化多样的，从大的分类上来看心电分析就包括：节律分析、图像分析、临床分析。每一种分类下包括几十种诊断词条，心电分析系统里面对每一张心电图可选择的分析结果词条超过150种，并且互相之间可以交叠组合；因此每张图专家可给出的分析结果差异可能会有成百上千种。分析复杂波形的心电图是心电图分析领域中备受关注的问题，12导联标准心电图做分析的难处在于其结果的多样性和相互叠加性导致的算法的复杂度、以及很多复杂波形跟疾病之间的对应关系复杂，即使是非常有经验的心电专家也会在分析结论之间模棱两可。因此，研发一种可以解决上述技术问题的基于12导联静息心电图的排阴方法具有重要意义。
技术实现思路
针对上述问题，本专利技术提供了基于12导联静息心电图的多级联人工智能排阴方法，所述方法包括：S1.使用数字信号处理心电算法对12导联静息心电图进行分析，计算心率，对心率进行判别，过滤掉在设定的心率范围外的心电图数据；S2.使用卷积神经网络算法对经过步骤S1处理的心电图数据进行分析，过滤掉异常数据；S3.采用多个残差结构的深度神经网络对经过步骤S2处理的心电图数据进行分析，对心电图的波形细节进行区分判别。进一步地，步骤S1中，所述数字信号处理心电算法包括识别R波的步骤，所述识别R波的步骤包括：将每一个导联的数据分别通过线性数字滤波器进行滤波留下可用频率范围，滤波后的信号进行频域变换，滤波后的信号在频域寻找功率谱极值点，通过对应时域上的特征确定动态门限，找到每个导联超过门限的点，并作为这一个导联的R波对应顶点，将各导联的R波对应顶点分别取众数，得到全导联R波位置列表；通过心电图中两个R波之间的距离，计算心率。进一步地，步骤S1中，所述对心率进行判别包括：将由数字信号处理心电算法计算的心率与设定的心率范围进行比较；当由数字信号处理心电算法计算的心率在设定的心率范围外时，心电图数据标记为阳性，不再进入下一步；当由数字信号处理心电算法计算的心率在设定的心率范围内时，心电图数据进入步骤S2。进一步地，所述设定的心率范围为60-100次每分钟。进一步地，所述数字信号处理心电算法还包括计算QRS波群、P波、T波、PR间期、QT间期、ST段和各导联的特征波形及电压的步骤。进一步地，步骤S2中，所述经过步骤S1处理的心电图数据包括：左右手接反心电数据、噪声过大心电数据、房颤房扑和室颤心电数据、各种心脏起搏器用户的心电数据、不属于以上特征的心电数据；所述异常数据为左右手接反心电数据、噪声过大心电数据、房颤房扑和室颤心电数据、各种心脏起搏器用户的心电数据。进一步地，所述残差结构的深度神经网络的模型深度为130层，数量为8个；每个所述残差结构的深度神经网络的结构相同，每个所述残差结构的深度神经网络模型的输入训练数据不同，每个模型推理的输出类别不同。进一步地，步骤S3具体为：利用8个结构相同但是训练系数不同的残差结构的深度神经网络，对心电图波形的8个特征段进行推理，得到每个特征段的阳性或者阴性结果；所述8个特征段为：P波段、Q波段、QRS波段的预激特征、QRS波段的阻滞变化、ST波段、T波段、PR间期、QT间期。进一步地，QRS波段的阻滞变化包含左右束支阻滞、左前后分支阻滞、左束支阻滞。本专利技术的有益效果：本专利技术提供了一种基于12导联静息心电图的多级联人工智能排阴方法，本专利技术创造性地将数字信号处理心电算法、卷积神经网络算法和多个残差结构的深度神经网络配合使用，即使在心电波形多样性、结论多样性的情况下，本专利技术方法对正常波形仍有很高的检出率，非常适合在健康人群中排阴使用。并且，本专利技术方法可以对非正常波形进行分类，且分类能力高，对阳性数据的辅助分析有一定的作用。而且，本专利技术提供的方法弥补了现有分析方法对于形态学的波形判别的缺口。现有的数字信号处理心电算法存在对形态学波形判别较弱准确率较低的问题，现有的人工智能分析方法更多只会对部分词条进行分析。本专利技术提供的方法适用于12导联心电图全诊断词条域的阳性筛查。与现有的分析方法相比，本专利技术方法的应用范围更广。本专利技术的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点可通过在说明书、权利要求书以及附图中所指出的结构来实现和获得。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术基于12导联静息心电图的多级联人工智能排阴方法的流程图。图2为使用数字信号处理心电算法确定全导联R波位置的流程图。图3为步骤S2中卷积神经网络的结构图。图4为心电图的8个特征段的示意图。图5为步骤S3中每个残差结构的深度神经网络的结构图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地说明，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。鉴于现有技术的不足，本专利技术创新的设计了12导联静息心电图的三级过滤筛查方法，首先将目标定义为排阴，这样可以使得每一级仅仅负责筛选部分特定波形，并定义只有符合某些条件的波形才能进入下一级进行进一步筛查，保证通过每一级的波形都在下一级中有足够高的敏感性和特异性。本专利技术提供了基于12导联静息心电图的多级联人工智能排阴方法，如图1所示，所述方法包括：S1.通过数字信号处理心电算法对12导联静息心电图进行分析，计算心率，对心率进行判别，过滤掉在设定的心率范围外的心电图数据；...

【技术保护点】
1.基于12导联静息心电图的多级联人工智能排阴方法，其特征在于，所述方法包括：/nS1.使用数字信号处理心电算法对12导联静息心电图进行分析，计算心率，对心率进行判别，过滤掉在设定的心率范围外的心电图数据；/nS2.使用卷积神经网络算法对经过步骤S1处理的心电图数据进行分析，过滤掉异常数据；/nS3.采用多个残差结构的深度神经网络对经过步骤S2处理的心电图数据进行分析，对心电图的波形细节进行区分判别。/n

【技术特征摘要】
1.基于12导联静息心电图的多级联人工智能排阴方法，其特征在于，所述方法包括：
S1.使用数字信号处理心电算法对12导联静息心电图进行分析，计算心率，对心率进行判别，过滤掉在设定的心率范围外的心电图数据；
S2.使用卷积神经网络算法对经过步骤S1处理的心电图数据进行分析，过滤掉异常数据；
S3.采用多个残差结构的深度神经网络对经过步骤S2处理的心电图数据进行分析，对心电图的波形细节进行区分判别。


2.根据权利要求1所述的基于12导联静息心电图的多级联人工智能排阴方法，其特征在于，步骤S1中，所述数字信号处理心电算法包括识别R波的步骤，所述识别R波的步骤包括：将每一个导联的数据分别通过线性数字滤波器进行滤波留下可用频率范围，滤波后的信号进行频域变换，滤波后的信号在频域寻找功率谱极值点，通过对应时域上的特征确定动态门限，找到每个导联超过门限的点，并作为这一个导联的R波对应顶点，将各导联的R波对应顶点分别取众数，得到全导联R波位置列表；
通过心电图中两个R波之间的距离，计算心率。


3.根据权利要求2所述的基于12导联静息心电图的多级联人工智能排阴方法，其特征在于，步骤S1中，所述对心率进行判别包括：将由数字信号处理心电算法计算的心率与设定的心率范围进行比较；
当由数字信号处理心电算法计算的心率在设定的心率范围外时，心电图数据标记为阳性，不再进入下一步；
当由数字信号处理心电算法计算的心率在设定的心率范围内时，心电图数据进入步骤S2。


4.根据权利要求3所述的基于12导联静息心电图的多级联人工智能排阴方法，其特征在于，所述设定的心率范围为60-100次每分钟。<...

【专利技术属性】
技术研发人员：赵俊淋，
申请(专利权)人：益体康北京科技有限公司，
类型：发明
国别省市：北京;11