基于深度学习的充血性心力衰竭自动诊断方法技术

本发明专利技术涉及充血性心力衰竭检测技术领域，具体涉及一种基于深度学习的充血性心力衰竭自动诊断方法。该基于深度学习的充血性心力衰竭自动诊断方法包括以下步骤：步骤一、获取两组心电图数据，其中一组数据为正常组，另一组为心衰组，对两组心电图数据进行处理；步骤二：构建深度学习模型；步骤三：对模型进行训练，进一步优化模型；步骤四：评估模型的分类准确性，提供一种提高充血性心力衰竭诊断的准确性，为医生进一步治疗提供了有效的参考依据的基于深度学习的充血性心力衰竭自动诊断方法。

【技术实现步骤摘要】
基于深度学习的充血性心力衰竭自动诊断方法
本专利技术涉及充血性心力衰竭检测
，具体涉及一种基于深度学习的充血性心力衰竭自动诊断方法。
技术介绍
充血性心力衰竭是全球慢性心血管疾病的重要组成部分，主要是由于各种心脏疾病导致心脏结构或功能紊乱，进而使心脏无法向其他组织和器官输送足够的富氧血液而引起的一组临床综合征。心室泵送功能不足，还会导致血液和体液回流到患者的肺部和身体里，从而导致患者呼吸窘迫和全身肿胀。充血性心力衰竭是造成全球死亡率和发病率的主要因素，也是导致医疗支出增加的重要因素。其具有高发病率、高医疗诊治花费、高死亡率、预后差的特点，已成为全球范围内的重大公共卫生问题。充血性心力衰竭的诊断是一种临床诊断，需要综合患者的症状和体征来判断。心电图是一种非侵入性的检查，可以记录患者的心脏活动。通常情况下，都需要心脏病学方面的专家亲自查看患者的心电图信号，检测信号中是否存在异常，才能判断患者是否患有充血性心力衰竭。但是这种人工对心电图进行视觉检查评估是很浪费时间的，也会受到观察者的不同而产生一些差异。因此，利用机器学习技术自动学习获取知识来进本文档来自技高网...

【技术保护点】
1.一种基于深度学习的充血性心力衰竭自动诊断方法，其特征在于，包括以下步骤：/n步骤一、获取两组心电图数据，其中一组数据为正常组，另一组为心衰组，对两组心电图数据进行处理；/n步骤二：构建深度学习模型；/n步骤三：对模型进行训练，进一步优化模型；/n步骤四：评估模型的分类准确性。/n

【技术特征摘要】
1.一种基于深度学习的充血性心力衰竭自动诊断方法，其特征在于，包括以下步骤：
步骤一、获取两组心电图数据，其中一组数据为正常组，另一组为心衰组，对两组心电图数据进行处理；
步骤二：构建深度学习模型；
步骤三：对模型进行训练，进一步优化模型；
步骤四：评估模型的分类准确性。


2.根据权利要求1所述的基于深度学习的充血性心力衰竭自动诊断方法，其特征在于，所述步骤一中心电图数据存储在PhysioBank数据库中，从PhysioBank数据库中获取心电图数据，将心电图数据分为正常组和心衰组两类数据，然后进行数据预处理，预处理包括去噪、转换采样率、心拍分段及标准化、数据集划分。


3.根据权利要求2所述的基于深度学习的充血性心力衰竭自动诊断方法，其特征在于，步骤一种将数据划分为训练集、验证集及测试集。


4.根据权利要求3所述的基于深度学习的充血性心力衰竭自动诊断方法，其特征在于，步骤二中深度学习模型主要基于双向循环神经网络和卷积神经网...

【专利技术属性】
技术研发人员：孙见山，房洁，朱宏民，
申请(专利权)人：安徽十锎信息科技有限公司，
类型：发明
国别省市：安徽;34