基于深度学习算法的心电图生成系统及方法技术方案

本发明专利技术涉及一种基于深度学习算法的心电图生成系统及方法。根据本发明专利技术，基于深度学习算法的心电图生成系统包括：数据输入部，接收通过多个患者测量的12导联心电图；数据提取部，从所输入的上述12导联心电图提取学习数据；学习部，通过将所提取的上述学习数据输入到多个学习模型来使其对心电图的特征进行学习；心电图生成部，从测量对象接收一个以上参考心电图，通过将所输入的上述参考心电图输入到已完成学习的多个学习模型来生成虚拟心电图；以及控制部，将上述参考心电图与生成的虚拟心电图彼此同步，输出同步的参考心电图和虚拟心电图的波形。拟心电图的波形。拟心电图的波形。

【技术实现步骤摘要】
【国外来华专利技术】基于深度学习算法的心电图生成系统及方法


[0001]本专利技术涉及一种基于深度学习算法的心电图生成系统及方法，更详细地，涉及一种利用深度学习算法来从一个以上导联心电图生成多个心电图的心电图生成系统及方法。

技术介绍

[0002]在医院使用的标准12导联心电图通过在胸部的前表面附着六个电极，在四肢也分别附着三个电极(如果包括接地电极，则为四个电极)后，收集并综合所有12导联信息来诊断疾病。
[0003]12导联心电图以心脏为中心在十二个电方向记录心脏的电位，由此，在各个方向中判断心脏的状态，从而可准确地读取局限在一个区域的心脏疾病。
[0004]在多种方向测量心脏电位的意义在于，可以在各方向掌握心脏的特征，因此，在医疗过程中为了诊断心脏病(心肌梗塞等)而建议测量标准12导联心电图。
[0005]但是，为了拍摄12导联心电图而需要暴露胸部，以便附着胸部电极，普通人很难将九个电极(四肢三个、胸部六个)贴在准确的位置，因此很难在家庭或日常生活中进行测量。并且，因很难贴上十个电极并移动，因而难以用于实时监控。
[0006]因此，最近开发了可以测量1导联心电图或两个以上导联心电图的设备，以便其在日常生活中也能够被使用。
[0007]首先，使用两个电极的1导联心电图设备包括手表式心电图仪(苹果手表或盖乐世(Galaxy)手表)。在手表式心电图仪中，手表背面与左手腕相接触，右手手指与手表的表冠相接触，由此使左臂电极与右臂电极相接触，从而利用两个电极的电位差来测量I导联心电图。
[0008]并且，手表式心电图仪通过戴在左臂上并用右手接触表冠来测量I导联，在将手表放在肚子上的状态下，用右手接触表冠来测量II导联，在放在肚子上的状态下，通过用左手接触表冠来测量III导联。之后，在将左手接触到手表的表冠的状态下，将手表背面接触到手表V1～V6电极位置来测量V1～V6导联心电图。
[0009]上述方法在使用人员需要将心电图准确地接触到V1～V6位置方面可用性差，在V1～V6导联心电图的情况下，与即使接触到相应部位也需要示出虚拟中心点与V电极之间的电位差的标准胸部导联心电图不同，其问题在于，标准胸部导联无法示出右臂电极与V电极之间的电位差。
[0010]并且，用双手握住电极并将设备背面的电极接触到腿部或脚踝，并在左臂、右臂以及左腿分别接触电极的状态下也可以测量两个以上导联心电图。但上述方法为无法长时间(1小时、24小时、7日等)监控的方法，其缺点在于，设备本身需要具有三个电极。
[0011]本专利技术的
技术介绍
在韩国授权专利第10
‑
2180135号(2020年11月17日公告)中公开。

技术实现思路

[0012]技术问题
[0013]因此，根据本专利技术，本专利技术提供一种利用深度学习算法来从一个以上导联心电图生成多个心电图的心电图生成系统及方法。
[0014]技术方案
[0015]为解决该技术问题，根据本专利技术实施例，基于深度学习算法的心电图生成系统包括：数据输入部，接收通过多个患者测量的12导联心电图和与上述12导联心电图相对应的患者的信息；数据提取部，根据上述患者的信息分类并存储所输入的上述12导联心电图，从存储的12导联心电图提取学习数据；学习部，通过将所提取的上述学习数据输入到一个以上学习模型来使其对心电图的特征进行学习；心电图生成部，从测量对象接收一个以上参考心电图，通过将所输入的上述参考心电图输入到已完成学习的一个以上学习模型来生成虚拟心电图；以及控制部，将上述参考心电图与生成的虚拟心电图彼此同步，输出同步的参考心电图和虚拟心电图的波形。
[0016]上述患者的信息可包含性别、年龄、是否患有心脏病、测量的心电图电位向量中的至少一个。
[0017]上述学习部可以通过将作为四肢6导联心电图和胸部6导联心电图中的一部分的n个导联心电图输入到第一学习模型来使上述第一学习模型进行学习，以判别所输入的心电图的电位向量并生成12
‑
n个心电图。
[0018]上述学习部可以构建对于四肢6导联心电图和胸部6导联心电图的12个第二学习模型，当将构建的上述第一学习模型所生成的12
‑
n个心电图输入到第二学习模型时，上述第二学习模型进行学习，以将所输入的上述导联心电图变换成具有相应电位向量的样式并输出为n个虚拟心电图。
[0019]可通过混合对抗生成网络和自动编码器方法来构建上述第一学习模型和第二学习模型。
[0020]上述心电图生成部可以通过将输入的参考心电图输入到第一学习模型并提取上述参考心电图的电位向量来生成剩余多个虚拟心电图，通过将生成的上述虚拟心电图输入到通过所提取的电位向量学习的第二学习模型来重新生成与参考心电图相同的导联虚拟心电图。
[0021]上述控制部将上述参考心电图与上述多个虚拟心电图进行匹配并同步，通过监视器输出同步的多个心电图。
[0022]并且，根据本专利技术实施例，利用心电图生成系统的心电图生成方法包括如下步骤：基于深度学习算法的心电图生成系统接收通过多个患者测量的12导联心电图和与上述12导联心电图相对应的患者的信息；根据上述患者的信息分类并存储所输入的上述12导联心电图，从存储的12导联心电图提取学习数据；通过将所提取的上述学习数据输入到一个以上学习模型来使其对心电图的特征进行学习；从测量对象接收一个以上参考心电图，通过将所输入的上述参考心电图输入到已完成学习的一个以上学习模型来生成虚拟心电图；以及将上述参考心电图与生成的虚拟心电图彼此同步，输出同步的参考心电图及虚拟心电图的波形。
[0023]专利技术的效果
[0024]因此，根据本专利技术，可从利用深度学习算法来在不同的点测量的两个心电图生成同步的多个心电图，因此可以与12导联心电图相同地准确读取心脏疾病。
[0025]并且，根据本专利技术，因利用两个导联心电图而可以在家庭或日常生活中进行测量，即使在移动状态下也可以进行测量，因此可以进行实时监控，利用在不同时间点测量的心电图信息来生成同步的心电图，从而可以使医护人员读取与相应波动相匹配的同步的导联心电图信息，并基于此做出更准确的诊断。
附图说明
[0026]图1为用于说明本专利技术实施例的心电图生成系统的结构图。
[0027]图2为用于说明本专利技术实施例的利用心电图生成系统的心电图生成方法的流程图。
[0028]图3为说明普通的12导联心电图的测量方法的例示图。
[0029]图4为用于说明图2所示的步骤S240的例示图。
[0030]图5为用于说明图2所示的步骤S260的例示图。
[0031]最佳实施方式
[0032]本专利技术实施例的心电图生成系统100包括数据输入部110、数据提取部120、学习部130、心电图生成部140以及控制部150。
[0033]首先，数据输入部110接收通过多个患者测量的12导联心电图和与12导联心电图相对应的患者的信息。
[0034]其中，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】1.一种心电图生成系统，基于深度学习算法，其特征在于，包括：数据输入部，接收通过多个患者测量的12导联心电图；数据提取部，从所输入的上述12导联心电图提取学习数据；学习部，通过将所提取的上述学习数据输入到多个学习模型来使其对心电图的特征进行学习；心电图生成部，从测量对象接收一个以上参考心电图，通过将所输入的上述参考心电图输入到已完成学习的多个学习模型来生成虚拟心电图；以及控制部，将上述参考心电图与生成的虚拟心电图彼此同步，输出同步的参考心电图和虚拟心电图的波形。2.根据权利要求1所述的心电图生成系统，其特征在于，上述患者的信息包含性别、年龄、是否患有心脏病、测量的心电图的电位向量中的至少一个。3.根据权利要求2所述的心电图生成系统，其特征在于，上述学习部通过将四肢6导联心电图和胸部6导联心电图输入到第一学习模型来使上述第一学习模型进行学习，以判别所输入的心电图的电位向量。4.根据权利要求3所述的心电图生成系统，其特征在于，上述学习部构建对于四肢6导联心电图和胸部6导联心电图的第一学习模型和第二学习模型，当向构建的上述第一学习模型和第二学习模型输入参考导联心电图时，上述第一学习模型和第二学习模型进行学习，以将所输入的上述参考导联心电图变换成具有相应电位向量的样式并输出为虚拟心电图。5.根据权利要求3或4所述的心电图生成系统，其特征在于，通过混合或分别使用对抗生成网络和自动编码器方法来构建上述第一学习模型和第二学习模型。6.根据权利要求5所述的心电图生成系统，其特征在于，上述心电图生成部通过将输入的参考心电图输入到第一学习模型来提取上述参考心电图的电位向量并生成第一虚拟心电图，通过将上述第一虚拟心电图输入到第二学习模型来生成第二虚拟心电图。7.根据权利要求6所述的心电图生成系统，其特征在于，上述控制部将上述参考心电图与多个上述虚拟心电图进行匹配并同步，通过监视器输出同步的多个心电图，利用所输出的上述参考心电图及虚拟心电图的波形的振幅、斜率以及电极位置中的至少一个来判断测量对象的健康是否存在异常。8.一种心电图生成方法，利用心电图生成系统，其特征在于，包括如下步骤：接收通过多个患者测量的12导联心电图和与...

【专利技术属性】
技术研发人员：权俊明，
申请(专利权)人：保迪弗兰德有限公司，
类型：发明
国别省市：