使用自动编码器减小心内心电图噪声及使用深度学习训练损失函数以细化心内和体表心电图制造技术

本发明专利技术公开了一种系统和方法，该系统包括：存储器，该存储器存储用于降噪自动编码器的处理器可执行代码；和一个或多个处理器，该一个或多个处理器耦接到该存储器以执行该处理器可执行代码从而实现该方法，该方法包括：接收包括信号噪声的原始信号数据；由该降噪自动编码器通过执行降噪自动编码器操作来对该原始信号数据进行编码以产生潜在表示；以及由该降噪自动编码器对该潜在表示进行解码，以产生重建的没有该信号噪声的干净信号数据。将第一滤波器应用于信号以强调该信号内的活动并产生第一经修改信号，将整流器和第二滤波器应用于该第一经修改信号以平滑该第一经修改信号的具有临床意义的区域并产生第二经修改信号，并且使用能量阈值自动检测该第二经修改信号的高频能量区以产生权重向量。号的高频能量区以产生权重向量。号的高频能量区以产生权重向量。

【技术实现步骤摘要】
使用自动编码器减小心内心电图噪声及使用深度学习训练损失函数以细化心内和体表心电图
[0001]相关申请的交叉引用
[0002]本专利申请要求于2020年6月4日提交的美国临时专利申请No.63/034,694(JNJBIO
‑
6332USPSP1)和于2020年8月6日提交的美国临时专利申请No.63/034,694(JNJBIO
‑
6368USPSP1)的优先权，这些专利申请以引用方式并入，如同被完整示出一样。


[0003]本专利技术涉及信号处理、人工智能和机器学习。更具体地讲，本专利技术涉及用于使用自动编码器降低心内心电图的噪声以及使用一个或多个深度学习训练损失函数来利用和细化心内和体表心电图的系统和方法。

技术介绍

[0004]心脏病症诸如心律失常的治疗通常需要心脏标测(即，标测心脏组织、腔室、静脉、动脉和/或通路，其也被称为心脏标测)。心电图或心电图(ECG)是心脏标测图的示例。ECG由来自心脏的描述心脏活动的电信号生成。ECG在心脏手术期间用于识别心脏病症的潜在起源位置。
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种方法，包括：接收包括信号噪声的原始信号数据；由降噪自动编码器通过执行降噪自动编码器操作来对所述原始信号数据进行编码以产生潜在表示；以及由所述降噪自动编码器对所述潜在表示进行解码，以产生重建的、没有所述信号噪声的干净信号数据。2.根据权利要求1所述的方法，其中所述原始信号数据包括电力线噪声、接触噪声、偏转噪声、Fluro噪声和心室远场中的至少一者。3.根据权利要求1所述的方法，其中所述降噪自动编码器在用于构建包括一个或多个滤波器的专用图形用户界面的模式下执行。4.根据权利要求1所述的方法，其中所述降噪自动编码器在用于记录控制环境中的噪声并将所述噪声添加到所述干净信号数据的模式下执行。5.根据权利要求1所述的方法，其中所述原始信号数据包括来自心内心电图、心内心电图和体表心电图，或具有每个电极的位置和解剖结构信息的心内心电图的N个通道的心脏的电信号。6.根据权利要求1所述的方法，其中基于强调心房活动的损失函数来训练所述降噪自动编码器。7.根据权利要求6所述的方法，其中所述损失函数利用神经网络，其中最后一层重建干净信号数据。8.根据权利要求6所述的方法，其中所述损失函数包括加权均方误差损失函数。9.根据权利要求1所述的方法，其中监测和处理设备的患者生物识别传感器记录所述原始信号数据。10.根据权利要求1所述的方法，其中所述降噪自动编码器操作包括使所述原始信号数据通过深度神经网络以降低所述原始信号数据的维度并保留重要信息。11.根据权利要求1所述的方法，其中所述潜在表示包括来自所述原始信号数据的降低的维度和重要信息。12.根据权利要求1所述的方法，其中所述干净信号数据包括重建的、最小化所述信号噪声的输入心内信号。13.根据权利要求1所述的方法，其中所述降噪自动编码器学习所述干净信号数据，以在所述降噪自动编码器操作期间对后续原始心内信号进行降噪。14.根据权利要求13所述的方法，其中所述降噪自动编码器检测所述后续原始心内信号的噪声类型和质量。15.根据权利要求14所述的方法，其中所述降噪自动编码器基于所述质量是否高于阈值而对所述后续原始心内信号执行所述降噪自动编码器操作。16.根据权利要求1所述的方法，其中所述方法还包括根据所述干净信号数据生成心电图，所述心电图实质上不含所述信号噪声。17.一种系统，包括：存储器，所述存储器存储用于降噪自动编码器的处理器可执行代码；和一个或多个处理器，所述一个或多个处理器耦合至所述存储器，所述一个或多个处理
器被配置为执行所述处理器可执行代码以使得：接收包括信号噪声的原始信号数据；由所述降噪自动...

【专利技术属性】
技术研发人员：Y，
申请(专利权)人：伯恩森斯韦伯斯特以色列有限责任公司，
类型：发明
国别省市：