一种基于人工智能的心电图异常程度检测方法及系统技术方案

本发明专利技术涉及人工智能技术领域，具体涉及一种基于人工智能的心电图异常程度检测方法及系统。该方法获得心电图中每个子波段的周期和幅值。将周期和幅值映射至参数坐标系中，获得包含投票值的坐标点。根据投票值进行判断，获得正常波段和第一异常波段。根据周期和幅值结合投票值，获得每个正常波段的影响半径，通过影响半径的范围获得第一异常波段中的第二异常波段。通过第二异常波段与正常波段的距离和正常波段的影响程度，获得第二异常波段的受影响程度，根据受影响程度大小确定异常波段。通过异常波段与正常心电图的差异和受影响程度获得心电图异常程度。本发明专利技术实现了对心电图中异常波段的准确检测并分析，得到参考性强的心电图异常程度。电图异常程度。电图异常程度。

【技术实现步骤摘要】
一种基于人工智能的心电图异常程度检测方法及系统


[0001]本专利技术涉及人工智能
，具体涉及一种基于人工智能的心电图异常程度检测方法及系统。

技术介绍

[0002]心电图是一种经体壁以时间为单位记录心脏的电生理活动，并通过接触皮肤的电极捕捉且记录下来的诊疗技术，是一种无创性的记录方式，可以精确详细地测量和记录心电活动。
[0003]在正常状态下，心电图中的波段应是规律分布的。如果存在病变，会在心电图中产生异常波段，异常波段的波动特征区别与正常波段，因此可根据心电图中的异常波段特征快速展现患者的心脏健康情况。
[0004]由于心电图中所有正常部分小波段的形状、幅值、周期在一定程度上保持一致，但不是完全一致，一些正常波段因为周期和幅值的差异仍会被认为是异常波段。若直接根据异常波段和其他正常波段之间的差异进行异常程度检测，结果准确率会受到影响。

技术实现思路

[0005]为了解决上述技术问题，本专利技术的目的在于提供一种基于人工智能的心电图异常程度检测方法及系统，所采用的技术方案具体如下：本专利技术提出了一种基本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的心电图异常程度检测方法，其特征在于，所述方法包括：获取心电图；所述心电图仅包括波段像素；获取所述波段像素中的峰值点与峰谷点；根据所述峰值点与峰谷点获得多个子波段的周期和幅值；将所有所述子波段的所述周期和所述幅值映射至参数坐标系，获得包含投票值的坐标点；所述参数坐标系以周期作为横坐标，幅值作为纵坐标；若所述坐标点的投票值大于等于预设投票值阈值，则对应的所述子波段为正常波段，否则为第一异常波段；根据所述正常波段最大的所述周期和所述幅值获得最大影响半径；根据每个所述坐标点的投票值获得调整权重，根据所述调整权重和所述最大影响半径获得每个所述正常波段的影响半径；以在所述正常波段的所述影响半径范围内的所述第一异常波段作为第二异常波段；根据所述调整权重和预设的最大影响程度获得每个所述正常波段的影响程度；获取所述第二异常波段与对应的所述正常波段的距离；根据所述距离和所述影响程度获得每个所述第二异常波段的受影响程度；若所述受影响程度大于预设受影响程度阈值，则对应的所述第二异常波段为正常波段；否则为第三异常波段；以所述第一异常波段和所述第三异常波段作为异常波段；获得正常心电图；获得所述异常波段与所述正常心电图对应位置处的差异；根据所述差异和所述受影响程度获得心电图异常程度。2.根据权利要求1所述的一种基于人工智能的心电图异常程度检测方法，其特征在于，所述获取心电图后还包括：将所述心电图送入预先训练好的波段检测网络中，获得所述波段像素。3.根据权利要求1所述的一种基于人工智能的心电图异常程度检测方法，其特征在于，所述获取所述波段像素中的峰值点与峰谷点包括：遍历分析每个所述波段像素在预设邻域范围内的像素特征；当所述波段像素在所述邻域范围内左、右和上方均无其他所述波段像素点时，则对应所述波段像素为峰值点；当所述波段像素在所述邻域范围内左、右和下方均无其他所述波段像素点时，...

【专利技术属性】
技术研发人员：牛海成，鄂国强，
申请(专利权)人：牛海成，
类型：发明
国别省市：