【技术实现步骤摘要】
本专利技术涉及心电监测，尤其是涉及一种急性心肌梗死快速检测和预警的方法及系统。
技术介绍
1、在地震等灾害中，面对空间有限、设备不便携等挑战，实现设备整合和多功能，使其更紧凑、多样化，包括自动体外除颤器、血压计和氧气供应等急救设备，这样的一体化急救装备可以减少设备数量，减轻急救人员的负担。同时，保持其便携性和易于操作的特点至关重要。特别是针对心梗患者，便携式心电移动记录仪在此情况下将发挥关键作用。它小巧轻便，便于携带进入狭小空间，提供心电图数据。
2、急性心肌梗死发病凶险、并发症多，且发病率呈年轻化趋势。心肌梗死确诊周期较长，可能会耽误患者最佳就诊时机。如能通过定期的心电图检查措施而发出预警信号有助于早期发现心梗。及时采取治疗措施，提高患者生存率。以往是依靠人工分析或者机器学习方法，使用心电图辅助诊断技术进行急性心肌梗死的辅助诊断研究，通常是通过分析单一类型的数据，建立从数据到结果的映射，整个过程复杂繁琐，效率极低。深度学习的发展可以提供端到端的心电信号分析方法。但是，心电信号普遍存在数据不均衡的现象，即正常心跳的数量远大于非正常心跳，因此会对模型效果产生消极影响。
3、因此亟需一种急性心肌梗死快速检测和预警的方法及系统。
技术实现思路
1、为了解决上述提到的问题，本专利技术提供一种急性心肌梗死快速检测和预警的方法及系统，能够实现心肌梗死的准确分类及预测预警。
2、第一方面，本专利技术提供的一种急性心肌梗死快速检测和预警的方法，采用如下的技术方案
3、一种急性心肌梗死快速检测和预警的方法，包括：
4、获取心电信号数据；
5、对获取的心电信号数据进行数据预处理，包括对心电信号进行去噪、滤波和归一化操作；
6、将预处理后的心电信号数据作为分类模型的输入，得到当前时刻心梗分类；
7、将预处理后的心电信号数据作为预测模型的输入，得到未来时刻心梗分类，其中，通过深度学习网络和最小化损失函数衡量修正预测模型的预测结果。
8、进一步地，所述获取心电信号数据，包括获取心电信号，并对心电信号做标签，根据标签将数据划分为多个数据片段。
9、进一步地，所述对心电信号进行去噪、滤波和归一化操作，包括采用高通和低通的巴特沃斯滤波器对心电信号进行滤波，设置高通滤波器为20hz，低通滤波器为150hz。
10、进一步地，所述将预处理后的心电信号数据作为分类模型的输入，得到当前时刻心梗分类，包括以预处理后的当前心电信号数据为输入，基于分类模型的transformer架构进行监督学习，得到当前时刻的心梗分类。
11、进一步地，所述将预处理后的心电信号数据作为预测模型的输入，得到未来时刻心梗分类，包括基于时间-空间注意力机制对输入的心电信号数据进行预测，并将预测结果输入分类模型后，得到预测的心梗分类。
12、进一步地，所述基于时间-空间注意力机制对输入的心电信号数据进行预测，包括以transformer中的自注意力机制及其变体为基础架构，将输入的心电信号数据进行转置后输入到liner层进行数值矩阵q、k、v计算，分别得到时间注意力机制和空间注意力机制，再将时间注意力机制和空间注意力机制进行点积，生成时空注意力机制，其中，计算公式为：
13、；
14、；
15、；
16、；
17、其中，ats代表输入信号序列的转置，qsj、ksj、vsj是空间数值矩阵，由输入数据经过linear层计算出， soft是softmax函数，dk代表是第j个头的特征向量的维度。
18、进一步地，所述通过深度学习网络和最小化损失函数衡量修正预测模型的预测结果，包括通过深度学习网络对真实数据和预测数据进行差异性分析，通过loss值的变化来反馈差异，实现对预测模型进行优化，其中，loss函数的计算公式如下：
19、，
20、其中，代表在联合分布下，对成本函数的期望值，参数λ幅值10。
21、第二方面，一种急性心肌梗死快速检测和预警的系统，包括：
22、数据获取模块，被配置为，获取心电信号数据；
23、预处理模块，被配置为，对获取的心电信号数据进行数据预处理，包括对心电信号进行去噪、滤波和归一化操作；
24、分类模块，被配置为，将预处理后的心电信号数据作为分类模型的输入，得到当前时刻心梗分类；
25、预测模块，被配置为，将预处理后的心电信号数据作为预测模型的输入，得到未来时刻心梗分类，其中，通过深度学习网络和最小化损失函数衡量修正预测模型的预测结果。
26、第三方面，本专利技术提供一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行所述的一种急性心肌梗死快速检测和预警的方法。
27、第四方面，本专利技术提供一种终端设备，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行所述的一种急性心肌梗死快速检测和预警的方法。
28、综上所述，本专利技术具有如下的有益技术效果：
29、（1）将数据由一维空间映射到二维空间转换生成rgb彩色图片，并采用生成模型进行数据生成，再通过提取单通道的对角线重建一维心电信号，以此实现数据扩充，抑制了数据不均衡的带来的消极影响。
30、（2）以当前时刻的心电数据为输入，预测下一刻的心电数据走向并且对未来数据进行分类，以此实现心梗疾病的预测预警。
本文档来自技高网...【技术保护点】
1.一种急性心肌梗死快速检测和预警的方法，其特征在于，包括：
2.根据权利要求1所述的一种急性心肌梗死快速检测和预警的方法，其特征在于，所述获取心电信号数据，包括获取心电信号，并对心电信号做标签，根据标签将数据划分为多个数据片段。
3.根据权利要求2所述的一种急性心肌梗死快速检测和预警的方法，其特征在于，所述对心电信号进行去噪、滤波和归一化操作，包括采用高通和低通的巴特沃斯滤波器对心电信号进行滤波，设置高通滤波器为20hz，低通滤波器为150hz。
4.根据权利要求3所述的一种急性心肌梗死快速检测和预警的方法，其特征在于，所述将预处理后的心电信号数据作为分类模型的输入，得到当前时刻心梗分类，包括以预处理后的当前心电信号数据为输入，基于分类模型的transformer架构进行监督学习，得到当前时刻的心梗分类。
5.根据权利要求4所述的一种急性心肌梗死快速检测和预警的方法，其特征在于，所述将预处理后的心电信号数据作为预测模型的输入，得到未来时刻心梗分类，包括基于时间-空间注意力机制对输入的心电信号数据进行预测，并将预测结果输入分类模型后
6.根据权利要求5所述的一种急性心肌梗死快速检测和预警的方法，其特征在于，所述基于时间-空间注意力机制对输入的心电信号数据进行预测，包括以transformer中的自注意力机制及其变体为基础架构，将输入的心电信号数据进行转置后输入到Liner层进行数值矩阵Q、K、V计算，分别得到时间注意力机制和空间注意力机制，再将时间注意力机制和空间注意力机制进行点积，生成时空注意力机制，其中，计算公式为：
7.根据权利要求6所述的一种急性心肌梗死快速检测和预警的方法，其特征在于，所述通过深度学习网络和最小化损失函数衡量修正预测模型的预测结果，包括通过深度学习网络对真实数据和预测数据进行差异性分析，通过loss值的变化来反馈差异，实现对预测模型进行优化，其中，loss函数的计算公式如下：
8.一种急性心肌梗死快速检测和预警的系统，其特征在于，包括：
...【技术特征摘要】
1.一种急性心肌梗死快速检测和预警的方法，其特征在于，包括：
2.根据权利要求1所述的一种急性心肌梗死快速检测和预警的方法，其特征在于，所述获取心电信号数据，包括获取心电信号，并对心电信号做标签，根据标签将数据划分为多个数据片段。
3.根据权利要求2所述的一种急性心肌梗死快速检测和预警的方法，其特征在于，所述对心电信号进行去噪、滤波和归一化操作，包括采用高通和低通的巴特沃斯滤波器对心电信号进行滤波，设置高通滤波器为20hz，低通滤波器为150hz。
4.根据权利要求3所述的一种急性心肌梗死快速检测和预警的方法，其特征在于，所述将预处理后的心电信号数据作为分类模型的输入，得到当前时刻心梗分类，包括以预处理后的当前心电信号数据为输入，基于分类模型的transformer架构进行监督学习，得到当前时刻的心梗分类。
5.根据权利要求4所述的一种急性心肌梗死快速检测和预警的方法，其特征在于，所述将预处理后的心电信号数据作为预测模型的输入，得到未来时...
【专利技术属性】
技术研发人员：陈玉国，王甲莉，潘畅，刘文雯，张瑞轩，王文谦，刘治，刘宝宁，张继洲，隋金雁，陶可猛，
申请(专利权)人：山东大学齐鲁医院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。