基于卷积神经网络的冠心病患者心电图检测方法及系统技术方案

本发明专利技术公开了基于卷积神经网络的冠心病患者心电图检测方法，具体包括以下步骤：步骤一、获取冠心病患者的ECG图像以及患者冠脉造影数据；步骤二、对获取的图像数据进行匹配筛选、预处理；步骤三、将预处理后的图像分为训练集、测试集以及验证集，并将其输入构建的卷积神经网络进行训练、验证；步骤四、基于验证结果对训练的卷积神经网络参数进行优化；步骤五、利用测试集数据对优化后的卷积神经网络进行预测，检测卷积神经网络的准确度；步骤六、利用经过检测的卷积神经网络进行ECG的智能检测；本发明专利技术采用计算机智能判读ECG，较传统方式客观，使冠心病心电图诊断趋于同质化，阅片快速高效，且降低了心电图假阴性概率。且降低了心电图假阴性概率。且降低了心电图假阴性概率。

【技术实现步骤摘要】
基于卷积神经网络的冠心病患者心电图检测方法及系统


[0001]本专利技术属于医疗
，具体涉及一种基于卷积神经网络的冠心病患者心电图检测方法及系统。

技术介绍

[0002]心血管疾病(Cardiovascular disease，CVD)是非传染性疾病死亡原因的首位。冠状动脉粥样硬化性心脏病(coronary heart disease，CHD)是CVD主要的死亡原因之一，占CVD病例的三分之一到二分之一。
[0003]在临床中，无论是CAD还是ACS，心电图在CHD的诊断中是最常用的诊断方法之一，也是诊断CHD最简便、快速、无创的方法，常常在患者就诊的第一时间进行检查。但是因其存在大量的假阴性病例，很容易漏诊，因此仍然只作为常规筛查的方法。为了避免漏诊带来的严重不良事件的发生，在临床中，对怀疑与心肌缺血有关的症状的患者，我们通常进行初步的评估，并结合患者的临床症状、生命体征，以及辅助检查，如心肌酶谱、肌钙蛋白、心脏彩超、冠脉CT甚至是经皮冠状动脉造影检查。
[0004]冠心病诊断的金标准是冠脉造影检查，但是，多项研究表明，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于卷积神经网络的冠心病患者心电图检测方法，其特征在于，具体包括以下步骤：步骤一、获取冠心病患者的ECG图像以及患者冠脉造影数据；步骤二、对获取的图像数据进行匹配筛选、预处理；步骤三、将预处理后的图像分为训练集、测试集以及验证集，并将其输入构建的卷积神经网络进行训练、验证；步骤四、基于验证结果对训练的卷积神经网络参数进行优化；步骤五、利用测试集数据对优化后的卷积神经网络进行预测，检测卷积神经网络的准确度；步骤六、利用经过检测的卷积神经网络进行ECG的智能检测。2.根据权利要求1所述基于卷积神经网络的冠心病患者心电图检测方法，其特征在于，所述步骤二中图像数据预处理包括：利用PIL图像处理库切除图像边缘无效信息，对ECG进行180
°
翻转。3.根据权利要求1所述基于卷积神经网络的冠心病患者心电图检测方法，其特征在于，所述卷积神经网络结构包括：第一层：输入数据为400
×
400
×
1，填充值是4，100个卷积核，卷积核大小为11
×
11，步长为3，得到[(400
‑
11+2
×
2)/3]+1＝132个特征，输出特征为132
×
132
×
100，然后进行ReLU激活函数1处理，得到132
×
132
×
100数据；第二层：经池化层1最大池化5
×
5的核，步长为3，得到[(132
‑
5+2
×
1)/3+1]＝44个特征，得到44
×
44
×
100数据；第三层：输入数据为44
×
44
×
100，填充值是0，150个卷积核，卷积核大小为5
×
5，步长为3，得到[(44
‑
5+2
×
0)/3]+1＝14个特征，输出特征为14
×
14
×
150，然后进行ReLU激活函2处理，得到14
×
14
×
150数据；第四层：经池化层2最大池化3
×
3的核，步长为2，得到[(14
‑
...

【专利技术属性】
技术研发人员：陈琦，邓立彬，张伊楚，熊琴梅，葛尚华，郭思琪，田菊，华娟，王晨曦，孔琪玲，熊子仪，汪启均，乐书韫，刘金炜，
申请(专利权)人：南昌大学第二附属医院，
类型：发明
国别省市：