一种检测模型的应用方法、装置、设备及存储介质制造方法及图纸

本公开提供了一种检测模型的应用方法、装置、设备及存储介质，所述方法包括：首先获取目标用户的心电图数据和心肌酶谱数据，将目标用户的心电图数据和心肌酶谱数据输入至目标检测模型中，经过目标检测模型的处理后，输出目标用户对应的检测结果，其中，目标检测模型为基于急性心肌梗死样本集训练得到，检测结果用于表征目标用户的急性心肌梗死的发生概率。可见，本公开实施例利用目标检测模型对目标用户的心电图数据和心肌酶谱数据进行检测的方式，实现了对急性心肌梗死的发生概率的诊断。实现了对急性心肌梗死的发生概率的诊断。实现了对急性心肌梗死的发生概率的诊断。

【技术实现步骤摘要】
一种检测模型的应用方法、装置、设备及存储介质


[0001]本公开涉及数据处理领域，尤其涉及一种检测模型的应用方法、装置、设备及存储介质。

技术介绍

[0002]由于急性心肌梗死具有发病急、病情凶险，致死率高等特点，因此，对急性心肌梗死的发生概率的诊断显得尤为重要。
[0003]目前，急性心肌梗死的诊断主要依靠人工诊断，导致针对急性心肌梗死的诊断方法较少，因此，如何实现对急性心肌梗死的发生概率的诊断，成为亟需解决的一个技术问题。

技术实现思路

[0004]为了解决上述技术问题，本公开实施例提供了一种检测模型的应用方法。
[0005]第一方面，本公开提供了一种检测模型的应用方法，所述方法包括：
[0006]获取目标用户的心电图数据和心肌酶谱数据；
[0007]将所述目标用户的心电图数据和心肌酶谱数据输入至目标检测模型中，经过所述目标检测模型的处理后，输出所述目标用户对应的检测结果；其中，所述目标检测模型为基于急性心肌梗死样本集训练得到，所述检测结果用于表征所述目标用户的急性心肌梗死的发生概率。
[0008]一种可选的实施方式中，所述将所述目标用户的心电图数据和心肌酶谱数据输入至目标检测模型中，经过所述目标检测模型的处理后，输出所述目标用户对应的检测结果之前，还包括：
[0009]从急性心肌梗死用户数据库中获取历史心电图数据和历史心肌酶谱数据；
[0010]对所述历史心电图数据中的异常数据进行标注，得到标注后心电图数据；其中，所述异常数据包括所述历史心电图数据中导致急性心肌梗死的数据；
[0011]基于所述标注后心电图数据和所述历史心肌酶谱数据，构建急性心肌梗死样本集；
[0012]利用所述急性心肌梗死样本集进行模型训练，得到目标检测模型。
[0013]一种可选的实施方式中，所述对所述历史心电图数据中的异常数据进行标注，得到标注后的历史心电图数据之前，还包括：
[0014]利用初始心电图数据样本集进行模型训练，得到心电图数据标注模型；其中，所述初始心电图数据样本集中包括标注有异常数据的心电图数据；
[0015]相应的，所述对所述历史心电图数据中的异常数据进行标注，得到标注后的历史心电图数据，包括：
[0016]利用所述心电图数据标注模型，对所述历史心电图数据中的异常数据进行标注，得到标注后心电图数据。
[0017]一种可选的实施方式中，所述基于所述标注后心电图数据和所述历史心肌酶谱数据，构建急性心肌梗死样本集之前，还包括：
[0018]确定所述标注后心电图数据对应的数据类型；其中，所述数据类型包括ST段抬高的急性心肌梗死类型或非ST段抬高的急性心肌梗死类型；
[0019]如果确定所述标注后心电图数据对应的数据类型为所述ST段抬高的急性心肌梗死类型，则剔除所述标注后心电图数据中属于非ST段抬高的异常数据。
[0020]一种可选的实施方式中，所述基于所述标注后心电图数据和所述历史心肌酶谱数据，构建急性心肌梗死样本集之前，还包括：
[0021]确定所述历史心肌酶谱数据中是否存在数据空缺；
[0022]若确定所述历史心肌酶谱数据中存在数据空缺，则利用序列均值法对所述历史心肌酶谱数据中的数据空缺进行填充处理。
[0023]一种可选的实施方式中，所述将所述目标用户的心电图数据和心肌酶谱数据输入至目标检测模型中，经过所述目标检测模型的处理后，输出所述目标用户对应的检测结果之后，还包括：
[0024]如果基于所述检测结果确定所述目标用户的急性心肌梗死的发生概率大于预设阈值，则针对所述目标用户进行报警提示。
[0025]一种可选的实施方式中，所述目标检测模型由选择决策树、随机森林、支持向量机、长短期记忆人工神经网络、卷积神经网络CNN中的至少一种算法模型构建。
[0026]第二方面，本公开提供了一种检测模型的应用装置，所述装置包括：
[0027]第一获取模块，用于获取目标用户的心电图数据和心肌酶谱数据；
[0028]输入模块，用于将所述目标用户的心电图数据和心肌酶谱数据输入至目标检测模型中，经过所述目标检测模型的处理后，输出所述目标用户对应的检测结果；其中，所述目标检测模型为基于急性心肌梗死样本集训练得到，所述检测结果用于表征所述目标用户的急性心肌梗死的发生概率。
[0029]第三方面，本公开提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在终端设备上运行时，使得所述终端设备实现上述的方法。
[0030]第四方面，本公开提供了一种检测模型的应用设备，包括：存储器，处理器，及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现上述的方法。
[0031]第五方面，本公开提供了一种计算机程序产品，所述计算机程序产品包括计算机程序/指令，所述计算机程序/指令被处理器执行时实现上述的方法。
[0032]本公开实施例提供的技术方案与现有技术相比至少具有如下优点：
[0033]本公开实施例提供了一种检测模型的应用方法，首先获取目标用户的心电图数据和心肌酶谱数据，将目标用户的心电图数据和心肌酶谱数据输入至目标检测模型中，经过目标检测模型的处理后，输出目标用户对应的检测结果，其中，目标检测模型为基于急性心肌梗死样本集训练得到，检测结果用于表征目标用户的急性心肌梗死的发生概率。可见，本公开实施例利用目标检测模型对目标用户的心电图数据和心肌酶谱数据进行检测的方式，实现了对急性心肌梗死的发生概率的诊断。
附图说明
[0034]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
[0035]为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0036]图1为本公开实施例提供的一种检测模型的应用方法的流程图；
[0037]图2为本公开实施例提供的一种目标检测模型训练方法的流程图；
[0038]图3为本公开实施例提供的一种检测模型的应用装置的结构示意图；
[0039]图4为本公开实施例提供的一种检测模型的应用设备的结构示意图。
具体实施方式
[0040]为了能够更清楚地理解本公开的上述目的、特征和优点，下面将对本公开的方案进行进一步描述。需要说明的是，在不冲突的情况下，本公开的实施例及实施例中的特征可以相互组合。
[0041]在下面的描述中阐述了很多具体细节以便于充分理解本公开，但本公开还可以采用其他不同于在此描述的方式来实施；显然，说明书中的实施例只是本公开的一部分实施例，而不是全部的实施例。
[0042]为了实现对急性心肌梗死的发生概率的诊断，本公开实施例提供了一种检测模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种检测模型的应用方法，其特征在于，所述方法包括：获取目标用户的心电图数据和心肌酶谱数据；将所述目标用户的心电图数据和心肌酶谱数据输入至目标检测模型中，经过所述目标检测模型的处理后，输出所述目标用户对应的检测结果；其中，所述目标检测模型为基于急性心肌梗死样本集训练得到，所述检测结果用于表征所述目标用户的急性心肌梗死的发生概率。2.根据权利要求1所述的方法，其特征在于，所述将所述目标用户的心电图数据和心肌酶谱数据输入至目标检测模型中，经过所述目标检测模型的处理后，输出所述目标用户对应的检测结果之前，还包括：从急性心肌梗死用户数据库中获取历史心电图数据和历史心肌酶谱数据；对所述历史心电图数据中的异常数据进行标注，得到标注后心电图数据；其中，所述异常数据包括所述历史心电图数据中导致急性心肌梗死的数据；基于所述标注后心电图数据和所述历史心肌酶谱数据，构建急性心肌梗死样本集；利用所述急性心肌梗死样本集进行模型训练，得到目标检测模型。3.根据权利要求2所述的方法，其特征在于，所述对所述历史心电图数据中的异常数据进行标注，得到标注后的历史心电图数据之前，还包括：利用初始心电图数据样本集进行模型训练，得到心电图数据标注模型；其中，所述初始心电图数据样本集中包括标注有异常数据的心电图数据；相应的，所述对所述历史心电图数据中的异常数据进行标注，得到标注后的历史心电图数据，包括：利用所述心电图数据标注模型，对所述历史心电图数据中的异常数据进行标注，得到标注后心电图数据。4.根据权利要求2所述的方法，其特征在于，所述基于所述标注后心电图数据和所述历史心肌酶谱数据，构建急性心肌梗死样本集之前，还包括：确定所述标注后心电图数据对应的数据类型；其中，所述数据类型包括ST段抬高的急性心肌梗死类型或非ST段抬高的急性心肌梗死类型；如果确定所述标注后心电图数据对应的数据类型为所述ST段抬高的急性心肌...

【专利技术属性】
技术研发人员：屠琛琛，张超凡，宋现涛，张宏家，张今尧，丁志栋，
申请(专利权)人：首都医科大学附属北京安贞医院，
类型：发明
国别省市：