基于人工智能辅助诊断的云端心电图诊断系统技术方案

本发明专利技术公开了一套基于人工智能辅助诊断的云端心电图诊断系统，包括了医生确诊平台和任务管理平台，利用专业的心电图机对病人进行数据采集后上传心电数据到云端，并记录任务状态，再使用人工智能算法服务对心电图诊断类别进行初步诊断分类；记录记录用户确认或者修改后的辅助诊断数据，确认云端心电图诊断结果真实有效，最生成诊断报告。本发明专利技术通过人机协同，利用利用人工智能算法，高效、准确的初步判读，提升医生工作效率，算法准确度能达到90％以上。上。上。

【技术实现步骤摘要】
基于人工智能辅助诊断的云端心电图诊断系统


[0001]本专利技术涉及医疗诊断系统领域，尤其涉及一种基于人工智能辅助诊断的云端心电图诊断系统。

技术介绍

[0002]云心电，顾名思义，是将心电信息通过云平台部署，实现远程监测和诊断。近年来心脑血管疾病(包括心肌梗死、脑卒中、冠心病等)、高血压和糖尿病等慢病急症发病和死亡率居高不下。然而心血管疾病作为威胁健康和生命的主要疾病之一，其往往具有“隐匿性”和“突发性”，需要实时的心电监测和诊断。
[0003]基于人工智能辅助诊断的云端心电诊断系统可以通过AI技术、深度学习助力心电图自动分析，实现心电异常事件的检测、心血管疾病判别、预测心脏风险的目标。目前云心电检测平台可以依据心电图机多导联的数据，以及病患年龄、性别等因素，用统计学、机器学习、深度学习等方式探索挖掘心电波形与心电异常事件之间的关系，构建精准预测模型。
[0004]目前，远程心电诊断已经进行了良好的运用实践。采用的大部分远程心电解决方案是在大型医院或者高等医疗院所部署专业的心电检查和监控、以及数据分析系统，用以支持远程心电会诊平台的日常运行，同时安排指定的医生进行远程会诊，以此对病人的心电图进行诊断。
[0005]但是，传统的远程心电解决方案，需要在大型院所内部署设备仪器、专门的医生定岗的诊断，耗费大量人力物力。并且由于心电图诊断是一个标准化非常高的诊断过程，对于医师的从业经验并不是非常高，所以各地的远程心电诊断服务需求并不是很多。因此，建设一个更加合理高效的远程心电诊断平台是非常有必要的。

技术实现思路

[0006]本专利技术的目的是针对现有技术的缺陷，提供了一种可以进行人机协同，提高心电图诊断效率以及准确性的基于人工智能辅助诊断的云端心电图诊断系统。
[0007]为了实现以上目的，本专利技术采用以下技术方案：
[0008]一种基于人工智能辅助诊断的云端心电图诊断系统，包括医生确诊平台、任务管理平台及终端，所述任务管理平台包括人工智能算法服务引擎，
[0009]云端心电图诊断系统包括下述步骤：
[0010]步骤一：任务管理平台接收仪器采集并处理后的心电图波形数据并存储至后台服务器中；
[0011]步骤二：人工智能算法服务引擎从后台服务器中提取步骤一中的心电图波形数据并进行辅助诊断，辅助诊断后的数据存储至任务池中；
[0012]步骤三：医生确诊平台进行用户身份验证；
[0013]步骤四：医生确诊平台将任务池中辅助诊断的数据根据数据生成时间依次分配至已通过身份验证的用户；
[0014]步骤五：医生确诊平台记录用户确认或者修改后的辅助诊断数据；
[0015]步骤六：确认或者修改后的辅助诊断数据传输至终端进行展示或打印。
[0016]进一步的，所述步骤一中，心电图波形数据通过相应接口以固定的格式进行数据传输到后台服务器中。
[0017]进一步的，所述步骤二中人工智能算法服务引擎采用了包括却不限于Resnet34在内的深度学习算法。
[0018]进一步的，步骤三中户身份验证包括姓名、密码和/或执业证号。
[0019]进一步的，所述的步骤五中用户确认或者修改后的辅助诊断数据后还包括签章确认。
[0020]进一步的，步骤四中包括设定分配至用户的辅助诊断的数据的最终处理时间。
[0021]采用本专利技术技术方案，本专利技术的有益效果为：本专利技术系统利用人工智能算法，在心电图诊断医生工作量大的现实状况下，高效、准确的提供心电图的初步判读，能大大提升医生的工作效率。基于云端的心电图服务，可以在医生不在现场的情况下，有效的完成心电图的诊断，非常适合无接触的远程医疗环境，而且可以将各地零散的诊断需求集中到云端进行处理，提升了诊断效率也调节了地区性医疗资源不平衡的问题。
附图说明
[0022]图1是本专利技术提供的一种基于人工智能辅助诊断的云端心电图诊断系统的服务框架图。
[0023]图2是本专利技术提供的一种基于人工智能辅助诊断的云端心电图诊断系统的任务状态逻辑图；
[0024]图3是本专利技术提供的一种基于人工智能辅助诊断的云端心电图诊断系统诊断输出报告示意图。
具体实施方式
[0025]结合附图对本专利技术具体方案具体实施例作进一步的阐述。
[0026]随着人工智能AI技术的发展应用，AI也被应用在了心电相关服务中。而本专利技术利用人工智能技术对心电图进行辅助诊断，再利用专业医生的确诊服务，建立了一个人机协同，高效、准确的云端心电图诊断系统。整个系统的优点在于通过人工智能算法的辅助诊断后，再提供给医生进行确诊，大大提高了心电图诊断的效率和准确性。此外，本系统由于构架于云端，应用终端可以在基层调用，可以配合社区医生、社区巡诊车等服务，大大提升心电图诊断的范围，改善了了地区医疗资源的平衡以及偏远地区就医难的不便，真正做到提供社区内、家庭内的专业医疗服务。另一方面，由于系统可以对互联网医生进行开放，也促进了执业医生就业的选择面，让医生可以利用空余时间可以发挥更多专业特长。
[0027]如图1所示，一种基于人工智能辅助诊断的云端心电图诊断系统框架包括应用终端，如PC端、移动端，其他终端机物联网端；接口，应用终端分别通过相应的接口与医生确诊平台、任务管理平台及终端进行数据通信，医生确诊平台、任务管理平台及终端还包括数据存储模块，例如redis缓存，MySQL数据库、SQL sever数据库等，以及文件存储系统，如NFS等。整体系统通过各种环境进行运行操作，例如Linux服务器，jdk、python等。
[0028]如图2所示，一种基于人工智能辅助诊断的云端心电图诊断系统，包括医生确诊平台、任务管理平台及终端，所述任务管理平台包括人工智能算法服务引擎，
[0029]云端心电图诊断系统包括下述步骤：
[0030]步骤一：任务管理平台接收仪器采集并处理后的心电图波形数据并存储至后台服务器中；心电图波形数据通过相应接口以固定的格式进行数据传输到后台服务器中。心电图波形数据是利用专业的心电图机对病人进行数据采集，采集的原始数据需要进行去噪以及初步滤波，得到有效的心电图波形数据。
[0031]数据内容包括心电图任务的任务采集来源，任务采集时间，任务采集病人的性别、年龄等基础身份信息，还有包括人工智能算法引擎计算后得到的心电信号数据，包括了心率、PR间期、QRS间期、QT间期、QTC间期、QRS时限、P波电轴角度、QRS电轴角度、T波电轴角度、RV5电压、SV1电压以及算法诊断结果等。
[0032]步骤二：人工智能算法服务引擎从后台服务器中提取步骤一中的心电图波形数据并进行辅助诊断，辅助诊断后的数据存储至任务池中；采用了包括却不限于Resnet34在内的深度学习算法，结合病人的基础数据，可以有效的进行心电图的辅助诊断，诊断准确度能力55心电图诊断类别可以达到0.83以上，常见的34类诊断疾病可以达到0.93以上。
[0033]具体的，人工智能算法服务引擎可以提供本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能辅助诊断的云端心电图诊断系统，其特征在于，包括医生确诊平台、任务管理平台及终端，所述任务管理平台包括人工智能算法服务引擎，云端心电图诊断系统包括下述步骤：步骤一：任务管理平台接收仪器采集并处理后的心电图波形数据并存储至后台服务器中；步骤二：人工智能算法服务引擎从后台服务器中提取步骤一中的心电图波形数据并进行辅助诊断，辅助诊断后的数据存储至任务池中；步骤三：医生确诊平台进行用户身份验证；步骤四：医生确诊平台将任务池中辅助诊断的数据根据数据生成时间依次分配至已通过身份验证的用户；步骤五：医生确诊平台记录用户确认或者修改后的辅助诊断数据；步骤六：确认或者修改后的辅助诊断数据传输至终端进行展示或打印。2.如权利要求1所述的一种基于人工智能辅助诊断的云端心电图诊断系统...

【专利技术属性】
技术研发人员：吴健，陈潇俊，刘雪晨，赵国印，郑向上，俞洪蕴，
申请(专利权)人：浙江大学山东工业技术研究院，
类型：发明
国别省市：