一种利用多模态方法输入心电图与临床数据判断心肌梗死的方法技术

本申请公开了一种利用多模态方法输入心电图与临床数据判断心肌梗死的方法。该方法通过获取待测目标的心电图数据和临床数据；将所述心电图数据和所述临床数据输入到心梗预测模型，得到所述待测目标的心梗预测结果。该方法结合待测目标的临床数据和心电图数据组成的多模态数据对心梗进行预测，能够得到更为准确可靠的心梗预测结果，有利于及时确诊病情。本申请可广泛应用于人工智能技术领域内。本申请可广泛应用于人工智能技术领域内。本申请可广泛应用于人工智能技术领域内。

【技术实现步骤摘要】
一种利用多模态方法输入心电图与临床数据判断心肌梗死的方法


[0001]本申请涉及人工智能
，尤其是一种利用多模态方法输入心电图与临床数据判断心肌梗死的方法。

技术介绍

[0002]心脏是人体中最重要的器官之一，主要功能是为血液流动提供动力，把血液运行至身体各个部分。心梗(急性心肌梗死)是冠状动脉急性、持续性缺血缺氧所引起的心肌坏死，临床上多有剧烈而持久的胸骨后疼痛，休息及硝酸酯类药物不能完全缓解，伴有血清心肌酶活性增高及进行性心电图变化，可并发心律失常、休克或心力衰竭，常可危及生命。
[0003]相关技术中，有使用机器学习的模型来预测患者是否存在疾病的案例。例如根据心电图判断病人心脏状况，但是这种判断方式比较单一，得到的预测结果可靠性不高，很容易出现误诊断。
[0004]综合上述，相关技术中存在的技术问题亟需得到解决。

技术实现思路

[0005]本申请的目的在于至少一定程度上解决相关技术中存在的技术问题之一。
[0006]为此，本申请实施例的一个目的在于提供一种利用多模态方法输入心电图与临床数据判断心肌梗死的方法，该方法结合临床数据和心电图数据对心梗进行预测，能够得到更为准确可靠的心梗预测结果。
[0007]本申请实施例的另一个目的在于提供基于多模态数据的心梗预测系统。
[0008]为了达到上述技术目的，本申请实施例所采取的技术方案包括：
[0009]第一方面，本申请实施例提供了一种利用多模态方法输入心电图与临床数据判断心肌梗死的方法，所述方法包括以下步骤：
[0010]获取待测目标的心电图数据和临床数据；
[0011]将所述心电图数据和所述临床数据输入到心梗预测模型，得到所述待测目标的心梗预测结果；
[0012]其中，所述心梗预测模型通过以下步骤得到：
[0013]采集批量人员的样本数据，并根据所述人员是否患有心梗对所述样本数据做标签；所述样本数据包括样本心电图数据和样本临床数据；
[0014]对所述样本数据进行预处理，并将所述样本数据随机划分为训练集和测试集；
[0015]根据所述训练集对多个初始化后的机器学习模型进行训练，并通过测试集验证各个所述机器学习模型的预测精度，将所述预测精度最高的机器学习模型确定为心梗预测模型。
[0016]另外，根据本申请上述实施例的利用多模态方法输入心电图与临床数据判断心肌梗死的方法，还可以具有以下附加的技术特征：
[0017]进一步地，在本申请的一个实施例中，所述对所述样本数据进行预处理，包括：
[0018]检测所述样本临床数据中是否包括年龄字段信息和关键字段信息；所述关键字段信息包括总胆固醇数据、甘油三酯数据、高密度脂蛋白胆固醇数据、低密度脂蛋白胆固醇数据、肌酸激酶同工酶数据中的至少一种；
[0019]若所述样本临床数据中不包括所述年龄字段信息或者所述关键字段信息，剔除所述样本临床数据。
[0020]进一步地，在本申请的一个实施例中，所述对所述样本数据进行预处理，包括：
[0021]检测所述样本临床数据中是否包括血钙数据；
[0022]计算所有包括所述血钙数据的样本临床数据的血钙均值；
[0023]若所述样本临床数据中不包括所述血钙数据，根据所述血钙均值对所述样本临床数据进行补全。
[0024]进一步地，在本申请的一个实施例中，所述获取待测目标的心电图数据，包括：
[0025]获取待测目标的原始心电数据；
[0026]按照预设的时间间隔，从所述原始心电数据中截取得到心电图数据。
[0027]进一步地，在本申请的一个实施例中，所述根据所述训练集对多个初始化后的机器学习模型进行训练，包括：
[0028]提取所述训练集中样本数据的特征信息；
[0029]将所述特征信息输入到所述机器学习模型中，得到所述机器学习模型输出的预测结果；
[0030]根据所述预测结果和所述标签，对所述机器学习模型进行反向传播训练。
[0031]进一步地，在本申请的一个实施例中，所述提取所述训练集中样本数据的特征信息，包括：
[0032]提取所述样本心电图数据的第一特征和样本临床数据的第二特征；
[0033]对所述第一特征和所述第二特征进行拼接处理，得到所述样本数据的特征信息。
[0034]进一步地，在本申请的一个实施例中，所述机器学习模型包括线性回归模型、逻辑回归模型、K近邻算法模型、支持向量机、决策树模型、极端随机树模型、朴素贝叶斯模型、线性判别分析模型和多层感知机。
[0035]第二方面，本申请实施例提供了一种基于多模态数据的心梗预测系统，所述系统包括：
[0036]获取模块，用于获取待测目标的心电图数据和临床数据；
[0037]预测模块，用于将所述心电图数据和所述临床数据输入到心梗预测模型，得到所述待测目标的心梗预测结果；
[0038]其中，所述心梗预测模型通过以下步骤得到：
[0039]采集批量人员的样本数据，并根据所述人员是否患有心梗对所述样本数据做标签；所述样本数据包括样本心电图数据和样本临床数据；
[0040]对所述样本数据进行预处理，并将所述样本数据随机划分为训练集和测试集；
[0041]根据所述训练集对多个初始化后的机器学习模型进行训练，并通过测试集验证各个所述机器学习模型的预测精度，将所述预测精度最高的机器学习模型确定为心梗预测模型。
[0042]第三方面，本申请实施例提供了一种计算机设备，包括：
[0043]至少一个处理器；
[0044]至少一个存储器，用于存储至少一个程序；
[0045]当所述至少一个程序被所述至少一个处理器执行时，使得所述至少一个处理器实现第一方面所述的利用多模态方法输入心电图与临床数据判断心肌梗死的方法。
[0046]第四方面，本申请实施例还提供了一种计算机可读存储介质，其中存储有处理器可执行的程序，所述处理器可执行的程序在由处理器执行时用于实现第一方面所述的利用多模态方法输入心电图与临床数据判断心肌梗死的方法。
[0047]本申请的优点和有益效果将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到：
[0048]本申请实施例中提供的利用多模态方法输入心电图与临床数据判断心肌梗死的方法，该方法通过获取待测目标的心电图数据和临床数据；将所述心电图数据和所述临床数据输入到心梗预测模型，得到所述待测目标的心梗预测结果。该方法结合待测目标的临床数据和心电图数据组成的多模态数据对心梗进行预测，能够得到更为准确可靠的心梗预测结果，有利于及时确诊病情。
附图说明
[0049]为了更清楚地说明本申请实施例或者现有技术中的技术方案，下面对本申请实施例或者现有技术中的相关技术方案附图作以下介绍，应当理解的是，下面介绍中的附图仅仅为了方便清晰表述本申请的技术方案中的部分实施例，对于本领域的技术人员来说本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种利用多模态方法输入心电图与临床数据判断心肌梗死的方法，其特征在于，包括以下步骤：获取待测目标的心电图数据和临床数据；将所述心电图数据和所述临床数据输入到心梗预测模型，得到所述待测目标的心梗预测结果；其中，所述心梗预测模型通过以下步骤得到：采集批量人员的样本数据，并根据所述人员是否患有心梗对所述样本数据做标签；所述样本数据包括样本心电图数据和样本临床数据；对所述样本数据进行预处理，并将所述样本数据随机划分为训练集和测试集；根据所述训练集对多个初始化后的机器学习模型进行训练，并通过测试集验证各个所述机器学习模型的预测精度，将所述预测精度最高的机器学习模型确定为心梗预测模型。2.根据权利要求1所述的利用多模态方法输入心电图与临床数据判断心肌梗死的方法，其特征在于，所述对所述样本数据进行预处理，包括：检测所述样本临床数据中是否包括年龄字段信息和关键字段信息；所述关键字段信息包括总胆固醇数据、甘油三酯数据、高密度脂蛋白胆固醇数据、低密度脂蛋白胆固醇数据、肌酸激酶同工酶数据中的至少一种；若所述样本临床数据中不包括所述年龄字段信息或者所述关键字段信息，剔除所述样本临床数据。3.根据权利要求1所述的利用多模态方法输入心电图与临床数据判断心肌梗死的方法，其特征在于，所述对所述样本数据进行预处理，包括：检测所述样本临床数据中是否包括血钙数据；计算所有包括所述血钙数据的样本临床数据的血钙均值；若所述样本临床数据中不包括所述血钙数据，根据所述血钙均值对所述样本临床数据进行补全。4.根据权利要求1
‑
3中任一项所述的利用多模态方法输入心电图与临床数据判断心肌梗死的方法，其特征在于，所述获取待测目标的心电图数据，包括：获取待测目标的原始心电数据；按照预设的时间间隔，从所述原始心电数据中截取得到心电图数据。5.根据权利要求4所述的利用多模态方法输入心电图与临床数据判断心肌梗死的方法，其特征在于，所述根据所述训练集对多个初始化后的机器学习模型进行训练，包括：提取所述训练集中样本数据的特征信息；将所述特征信息输...

【专利技术属性】
技术研发人员：吴琳，黄桂芳，钱孝贤，刘洺锟，刘勇，刘璐，周彬，刘华清，韩蓝青，
申请(专利权)人：清华珠三角研究院，
类型：发明
国别省市：