【技术实现步骤摘要】
【国外来华专利技术】
本专利技术揭示一种防止心电图的判读错误并且能够快速正确地判读的基于深度学习的模型及基于规则的模型统合型心电图判读系统。
技术介绍
1、近来由于大数据与人工智能技术发达而使得人们在医疗及医疗保健领域积极使用人工智能，尤其是，深度学习技术的发达让人们能使用声音、图形、信号及影像等非结构化数据。
2、另一方面，不同于现有的古典机械学习方法，深度学习方法能进行特性学习(feature learning)而能够不受人类成见影响地从数据提取各种特性提高正确度，和古典机械学习为了提取特性而需要专家投入相当多的劳动力与时间相比，深度学习能以较少的投入快速开发出算法。
3、但是深度学习却因为黑盒子问题而无法得知判断的理由，成了其发展的一个制约因素并可能会因此发生医疗事故，因此需要开发出能防止心电图的判读错误并且能够快速正确地判读的技术。
技术实现思路
1、技术问题
2、本专利技术的精神要解决的技术课题是提供一种基于深度学习的模型及基于规则的模型统合型心电图判读系统，由基于规则的推论单元针对最终判读设定可判读范围而防止基于深度学习的预测单元对心电图的判读错误，使得能够凭借基于深度学习的预测单元快速正确地判读，让判读错误可能性与诊断正确度互补。
3、技术方案
4、为了实现所述目的，本专利技术的实施例揭示一种基于深度学习的模型及基于规则的模型统合型心电图判读系统，其包括：心电图测量单元，测量1导联以上的心电图而生成心电图数据；基于深度学习的预测单
5、在此，所述基于规则的推论单元可设定所述统合判读单元可判读的范围。
6、而且，由所述基于深度学习的预测单元生成的疾病预测信息被包含在所述可判读范围的话，所述统合判读单元生成所述判读信息与所述诊断信息后输出，由所述基于深度学习的预测单元生成的疾病预测信息没有包含在所述可判读范围的话，能让所述心电图测量单元重新测量心电图或者重新调整所述基于深度学习的预测单元的参数而重新生成所述疾病预测信息。
7、而且，所述统合判读单元仅依据所述基于规则的推论单元所生成的疾病推论信息就能最终判读。
8、而且，能凭借所述基于深度学习的预测单元及所述基于规则的推论单元对所述心电图数据最终诊断相应的疾病。
9、而且，由所述基于深度学习的预测单元或所述基于规则的推论单元预先判读所述心电图数据而生成第一阶段判读信息，所述统合判读单元可包括：第一判读单元，接收所述第一阶段判读信息的输入并且让护士、临床病理师或急救医疗技术人员登录而判读所述第一阶段判读信息后生成第二阶段判读信息；以及第二判读单元，接收所述第二阶段判读信息的输入并且让心脏专科医生登录而判读所述第二阶段判读信息后生成最终判读信息。
10、专利技术的效果
11、依据本专利技术，由基于规则的推论单元针对最终判读设定可判读范围而防止基于深度学习的预测单元对心电图的判读错误，使得能够凭借基于深度学习的预测单元快速正确地判读，能让判读错误可能性与诊断正确度互补，提供说明疾病诊断的理由与依据的诊断信息而降低医疗事故可能性，以先前的判读为基础快速进行最终判读以便能过够尽快采取医疗措施，不仅适用于医疗领域，还适用于使用各种生物体数据的医疗保健领域而进行各式各样的医疗保健服务。
本文档来自技高网...【技术保护点】
1.一种基于深度学习的模型及基于规则的模型统合型心电图判读系统，其特征在于，包括：
2.根据权利要求1所述的基于深度学习的模型及基于规则的模型统合型心电图判读系统，其特征在于，所述基于规则的推论单元设定所述统合判读单元可判读的范围。
3.根据权利要求2所述的基于深度学习的模型及基于规则的模型统合型心电图判读系统，其特征在于，
4.根据权利要求1所述的基于深度学习的模型及基于规则的模型统合型心电图判读系统，其特征在于，所述统合判读单元仅依据所述基于规则的推论单元所生成的疾病推论信息进行最终判读。
5.根据权利要求1所述的基于深度学习的模型及基于规则的模型统合型心电图判读系统，其特征在于，凭借所述基于深度学习的预测单元及所述基于规则的推论单元对所述心电图数据最终诊断相应的疾病。
6.根据权利要求1所述的基于深度学习的模型及基于规则的模型统合型心电图判读系统，其特征在于，
【技术特征摘要】
【国外来华专利技术】
1.一种基于深度学习的模型及基于规则的模型统合型心电图判读系统，其特征在于，包括：
2.根据权利要求1所述的基于深度学习的模型及基于规则的模型统合型心电图判读系统，其特征在于，所述基于规则的推论单元设定所述统合判读单元可判读的范围。
3.根据权利要求2所述的基于深度学习的模型及基于规则的模型统合型心电图判读系统，其特征在于，
4.根据权利要求1所述的基于深度学习的模型及基于规则的...
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。