一种用于生物信号分析的数字信号处理辅助建模方法技术

一种使用一组模型执行生物信号分析任务的方法和装置，包括接收输入生物信号。接收对与输入生物信号相关联地待执行生物信号分析任务进行识别的信息。选择波形模型和数字信号处理(DSP)模型。识别输入生物信号的第一类型特征和第二类型特征。选择分析模型，并且使用该分析模型执行生物信号分析任务。该分析模型执行生物信号分析任务。该分析模型执行生物信号分析任务。

【技术实现步骤摘要】
【国外来华专利技术】一种用于生物信号分析的数字信号处理辅助建模方法
[0001]相关申请的交叉引用
[0002]本申请要求于2019年9月6日在美国专利商标局提交的第16/562,576号美国专利申请的优先权，该美国专利申请的公开内容通过引用整体并入本文。

技术介绍

[0003]心电图(ECG)信号是最常见的波形生物信号之一，可帮助医生诊断许多心脏病，包括心房颤动、心肌梗死和急性冠脉综合征(ACS)。每年记录约3亿个ECG。用于ECG分析的传统方法倾向于使用数字信号处理算法，例如小波变换，以从ECG信号计算特征。
[0004]然而，此类方法并不全面，因此，仅使用此类方法通常不足以区分多种类型的心律失常。近来的方法采用深度神经网络，例如卷积神经网络(CNN)和递归神经网络(RNN)，并给基于ECG信号的多类分类任务提供改进的精度。

技术实现思路

[0005]根据一些可能的实现方式，一种使用一组模型来执行生物信号分析任务的方法，包括：接收输入生物信号；接收识别信息，该识别信息识别与输入生物信号相关联地待执行生物信号分析任务；基于识别待执行生物信号分析任务的识别信息，从一组波形模型中选择用于识别输入生物信号的第一类型特征的波形模型；基于识别待执行生物信号分析任务的识别信息，从一组数字信号处理(DSP)模型中选择用于识别输入生物信号的第二类型特征的DSP模型；使用波形模型识别输入生物信号的第一类型特征；使用DSP模型识别输入生物信号的第二类型特征；基于第一类型特征和第二类型特征，从一组分析模型中选择用于执行与输入生物信号相关联的生物信号分析任务的分析模型；以及基于第一类型特征和第二类型特征，使用分析模型来执行生物信号分析任务。
[0006]根据一些可能的实现方式，一种使用一组模型来执行生物信号分析任务的设备，包括：至少一个存储器，配置成存储程序代码；以及至少一个处理器，配置成读取程序代码并按照程序代码的指令进行操作，程序代码包括：接收代码，配置成使得至少一个处理器接收输入生物信号，并接收识别信息，该识别信息识别与输入生物信号相关联地待执行生物信号分析任务；第一选择代码，配置成使得至少一个处理器基于识别待执行生物信号分析任务的识别信息，从一组波形模型中选择用于识别输入生物信号的第一类型特征的波形模型，以及基于识别待执行生物信号分析任务的识别信息，从一组数字信号处理(DSP)模型中选择用于识别输入生物信号的第二类型特征的DSP模型；识别代码，配置成使得至少一个处理器使用波形模型识别输入生物信号的第一类型特征，以及使用DSP模型识别输入生物信号的第二类型特征；第二选择代码，配置成使得至少一个处理器基于第一类型特征和第二类型特征，从一组分析模型中选择用于执行与输入生物信号相关联的生物信号分析任务的分析模型；以及执行代码，配置成使得至少一个处理器基于第一类型特征和第二类型特征，使用分析模型来执行生物信号分析任务。
[0007]根据一些可能的实现方式，一种非暂时性计算机可读介质存储指令，该指令包括
一个或多个指令，一个或多个指令在由设备的一个或多个处理器运行时，使得一个或多个处理器：接收输入生物信号；接收识别信息，该识别信息识别与输入生物信号相关联地待执行生物信号分析任务；基于识别待执行生物信号分析任务的识别信息，从一组波形模型中选择用于识别输入生物信号的第一类型特征的波形模型；基于识别待执行生物信号分析任务的识别信息，从一组数字信号处理(DSP)模型中选择用于识别输入生物信号的第二类型特征的DSP模型；使用波形模型识别输入生物信号的第一类型特征；使用DSP模型识别输入生物信号的第二类型特征；基于第一类型特征和第二类型特征，从一组分析模型中选择用于执行与输入生物信号相关联的生物信号分析任务的分析模型；以及基于第一类型特征和第二类型特征，使用分析模型来执行生物信号分析任务。
附图说明
[0008]图1是本文描述的示例实现方式的概略图；
[0009]图2是可实现本文描述的系统和/或方法的示例环境的图；
[0010]图3是图2的一个或多个设备的示例组件的图；以及
[0011]图4是使用一组模型来执行生物信号分析任务的示例过程的流程图。
具体实施方式
[0012]本公开的数字信号处理(DSP)辅助建模方法配置成用于波形生物信号分析。生物信号是由活体产生的、可连续测量和监测的任何信号。例如，生物信号可通过心电图(ECG)、脑电图(EEG)、肌电图(EMG)、肌动图(MMG)、眼电图(EOG)、皮肤电反应(GSR)和脑磁图(MEG)来测量。
[0013]通过本公开，医生、研究人员和其他医疗保健从业人员可以在症状和疾病分类、计算机辅助诊断、床边警报和患者监测时应用人工智能(AI)算法。用于建模过程的波形生物信号可来自单个源或多个源。例如，标准的动态ECG报告包含来自12个不同导联的信号，这需要10个电极来与身体接触。当使用ECG信号进行诊断时，心脏病专家和医生可考虑两个级别的信号模式。第一种是心跳内模式，其获取信号随单个心跳的变化。第二种是心跳间模式，其测量多个心跳之间的形状交替。
[0014]几十年来，不同类型的传统DSP算法已应用于ECG诊断。这些算法提供可理解的统计/数学特征，但是需要领域内的知识和价格高昂且耗时的DSP和特征工程化过程。本公开提供一种用于ECG分析的人工智能框架，其接受ECG信号和原始DSP特征作为输入，并提供可能的分析结果以及做出决策的理由。例如，可使用综合的多导联ECG信号和对应的DSP结果，且框架的最终结果可以是诊断(例如，房性早搏忧虑)和可疑心跳(例如，3、6等)。具体地，根据实施例，本公开提供DSP特征提取模块、波形特征提取模块和综合性任务特有的分析模块。
[0015]虽然现有的心脏病工作方法在精度方面提供有希望的结果，但是仍然存在一些挑战和不足。例如，机器学习和深度学习提供性能优势，然而，它们缺乏帮助医生和患者理解做出诊断的理由的能力。研究人员以及心脏病专家可能不能直接利用模型来解释模型在何处、如何或为什么做出最终决策。
[0016]DSP特征具有数以千计的备选方案，且在模型复杂性和性能之间找到平衡点是一
个精疲力竭的过程。复杂模型理论上可提供更好的性能结果，因为此类模型能够获取特征空间中的更多差异。然而，复杂模型还可能需要额外的计算时间并引入计算复杂性。
[0017]简而言之，根据一些方法，心脏病专家可能不能在实践时充分利用模型，且不能基于模型的复杂性做出全面的决策。
[0018]本公开允许多个数据分析任务具有多种类型的特征。可通过不同的特征提取模块来提取特征。根据实施例，第一类型特征可以是嵌入在生物信号的数字读取序列中的波形特征。这些特征可帮助识别与信号变化相关的症状和疾病，例如，T波倒置、早搏、窦性心律等。
[0019]根据实施例，第二类型是可由不同类型的信号处理算法(例如，快速傅立叶变换、小波变换、滤波器等)获取的DSP特征。为了最终分析模块，收集两种类型的提取特征。因此，所提出的分析框架可广泛地应用于本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种使用一组模型来执行生物信号分析任务的方法，所述方法由至少一个处理器执行并包括：接收输入生物信号；接收识别信息，所述识别信息识别与所述输入生物信号相关联地待执行生物信号分析任务；基于识别所述待执行生物信号分析任务的所述识别信息，从一组波形模型中选择用于识别所述输入生物信号的第一类型特征的波形模型；基于识别所述待执行生物信号分析任务的所述识别信息，从一组数字信号处理DSP模型中选择用于识别所述输入生物信号的第二类型特征的DSP模型；使用所述波形模型识别所述输入生物信号的所述第一类型特征；使用所述DSP模型识别所述输入生物信号的所述第二类型特征；基于所述第一类型特征和所述第二类型特征，从一组分析模型中选择用于执行与所述输入生物信号相关联的生物信号分析任务的分析模型；以及基于所述第一类型特征和所述第二类型特征，使用所述分析模型来执行所述生物信号分析任务。2.根据权利要求1所述的方法，其中，所述生物信号是心电图ECG信号、脑电图EEG信号、肌电图EMG信号、肌动图MMG信号、眼电图EOG信号、皮肤电反应GSR信号和脑磁图MEG信号。3.根据权利要求1所述的方法，其中，所述生物信号分析任务包括下述至少之一：确定对与所述输入生物信号相关联的状况的诊断、对所述输入生物信号进行聚类、对所述输入生物信号进行分类、或者预测与所述输入生物信号相关联的疾病。4.根据权利要求1所述的方法，其中，所述DSP模型配置成执行滤波技术、快速傅立叶变换技术和小波变换技术中的至少一个。5.根据权利要求1所述的方法，其中，所述生物信号分析任务包括生物信号监测、生物信号警报和患者监测中的至少一个。6.根据权利要求1所述的方法，其中，所述波形模型包括递归神经网络RNN、卷积神经网络CNN和支持向量机SVM中的至少一个。7.根据权利要求1所述的方法，进一步包括：接收另一类型的生物信号；以及使用所述另一类型的生物信号执行所述生物信号分析任务。8.一种使用一组模型来执行生物信号分析任务的设备，包括：至少一个存储器，配置成存储程序代码；至少一个处理器，配置成读取所述程序代码并按照所述程序代码的指令进行操作，所述程序代码包括：接收代码，配置成使得所述至少一个处理器接收输入生物信号，并接收识别信息，所述识别信息识别与所述输入生物信号相关联地待执行生物信号分析任务；第一选择代码，配置成使得所述至少一个处理器基于识别所述待执行生物信号分析任务的所述识别信息，从一组波形模型中选择用于识别所述输入生物信号的第一类型特征的波形模型，以及基于识别所述待执行生物信号分析任务的所述识别信息，从一组数字信号处理DSP模型中选择用于识别所述输入生物信号的第二类型特征的DSP模型；
识别代码，配置成使得所述至少一个处理器使用所述波形模型识别所述输入生物信号的所述第一类型特征，以及使用所述DSP模型识别所述输入生物信号的所述第二类型特征；第二选择代码，配置成使得所述至少一个处理器基于所述第一类型特征和所述第二类型特征，从一组分析模型中选择用于执行与所述输入生物信号相关联的生物信号分析任务的分析模型；以及执行代码，配置成使得所述至少一个处理器基于所述第一类型特征和所述第二类型特征，使用所述分析模型来执行所述生物信号分析任务。9.根据权利...

【专利技术属性】
技术研发人员：王堃，陈宪中，王旭，张尚卿，涂旻，范伟，
申请(专利权)人：腾讯美国有限责任公司，
类型：发明
国别省市：