【技术实现步骤摘要】
本申请涉及智慧医疗信息处理，尤其涉及一种心脑血管疾病分类模型的构建方法及装置。
技术介绍
1、心脑血管疾病，作为全球范围内最主要的健康问题之一，对人类的生命健康构成了巨大威胁。这类疾病的诊断过程复杂，需要综合考虑各种生理信号和临床指标。
2、心脑血管疾病的诊断需要依赖于大量的生理信号的分析，而现有的人工智能诊断模型主要基于传统的机器学习技术，如支持向量机（support vector machine, svm）和随机森林。虽然这些方法在特定情况下效果显著，但不具备处理诸如心电图(electrocardiography,ecg)等复杂性高的数据，且对非线性模式识别能力有限，导致模型性能不佳，也无法得到大范围推广应用。
3、针对上述问题，目前业界暂未提出较佳的技术解决方案。
技术实现思路
1、本申请提供一种心脑血管疾病分类模型的构建方法及装置，用以至少解决现有技术中心脑血管疾病的智能诊断模型不具备处理高复杂度数据的能力和模型性能不佳的问题。
2、本申请提供一种心脑血管疾病分类模型的构建方法，包括：统计多名患者的生理特征参数和相应的患者疾病标签，以构建样本数据集；所述生理特征参数包含ecg数据、血压数据、患者基本信息和血液生化指标；所述患者基本信息包含患者年龄和患者性别；所述患者疾病标签为心脑血管疾病类别；按照预设比例，将所述样本数据集划分为训练样本子集、验证样本子集和测试样本子集；基于所述训练样本子集对心脑血管疾病分类模型进行训练，并在验证样本子集上
3、可选地，所述基于所述特征提取模块中的增强cnn层，并行处理所述输入样本中的ecg数据所对应的多尺度信息，以提取相应的尺度特征表示，包括：
4、 ，
5、 ，
6、 ，
7、其中，表示原始ecg数据，表示小波变换后的心电图，表示傅立叶变换后的心电图，是时间序列的长度，和分别是心电图和血压的特征维数；、和分别表示相应的尺度特征表示，以及和分别表示相应卷积层的权重和偏置；
8、其中，所述基于所述特征提取模块中的vae层从所述输入样本中的血液生化指标中提取关键特征，并生成目标潜在变量，包括：
9、vae层的编码器结构为：，
10、vae层的解码器结构为：，
11、 ，
12、其中，表示血液生化指标，表示血液生化指标的维数，和是编码器网络产生的均值和方差，表示潜在变量， τ表示采样噪声项，表示目标潜在变量，以及和是vae层的网络参数；
13、其中，所述基于所述特征提取模块中的时序数据处理层，采用多头自注意力机制处理所述输入样本的ecg数据，以提取时间序列中的关键特征表示，包括：
14、 ，
15、 ，
16、 ，
17、其中，分别表示相应的自注意力权重矩阵，表示键的维度，以及表示时间序列中的关键特征表示。
18、可选地，所述数据融合分析层的结构为：
19、 ，
20、其中， gru表示门控循环单元，表示血压数据，以及表示综合特征表示。
21、可选地，所述分类预测层的结构为：
22、 ，
23、 ，
24、其中，表示根据所述输入样本中的患者基本信息所确定的附加条件信息，和分别表示条件依赖的全连接层权重和偏置，以及表示标签预测结果。
25、可选地，所述心脑血管疾病类别包含以下中的任意一者：心律失常、心肌梗死、高血压、冠状动脉疾病和室性心动过速。
26、可选地，所述心脑血管疾病分类模型采用加权多类焦点损失作为模型损失函数，所述模型损失函数通过以下方式表示：
27、针对每个心脑血管疾病类别，计算每个样本所对应的损失：
28、 ，
29、综合各个心脑血管疾病类别下的所有样本的损失，以确定为模型损失：
30、 ，
31、其中，模型预测输出，是批量大小，表示心脑血管疾病的类别总数，以及表示模型预测样本属于类别的概率；表示心脑血管疾病类别的权重；表示焦点参数；表示样本针对心脑血管疾病类别的标签值。
32、可选地，所述模型收敛条件是通过损失阈值、整体准确率阈值和关键类别准确率阈值来综合确定的；其中，所述基于所述测试样本子集，评估所述心脑血管疾病分类模型是否满足预设的模型收敛条件，包括：当所述心脑血管疾病分类模型的测试损失低于，并且其整体准确率超过时，确定所述心脑血管疾病分类模型已初步收敛；确定针对预设的关键心脑血管疾病类别的识别准确率是否超过；当超过时，确定所述心脑血管疾病分类模型满足所述模型收敛条件。
33、可选地，所述统计多名患者的生理特征参数和相应的患者疾病标签，以构建样本数据集，包括：获取多名患者的心电图采样信息，所述心电图采样信息包含ecg数据和相应的患者疾病标签；利用条件式生成对抗网络来生成合成对应至少一个条件标签的ecg合成数据；每一所述条件标签分别对应于相应的心脑血管疾病类别；基于各个具有所述条件标签的ecg合成数据以及具有相应的患者疾病标签的所述生理特征参数，构建样本数据集。
34、本申请还提供一种心脑血管疾病分类模型的构建装置，包括：数据集构建单元，用于统计多名患者的生理特征参数和相应的患者疾病标签，以构建样本数据集；所述生理特征参数包含ecg数据、血压数据、患者基本信息和血液生化指标；所述患者基本信息包含患者年龄和患者性别本文档来自技高网...
【技术保护点】
1.一种心脑血管疾病分类模型的构建方法，包括：
2.根据权利要求1所述的方法，其中，所述基于所述特征提取模块中的增强CNN层，并行处理所述输入样本中的ECG数据所对应的多尺度信息，以提取相应的尺度特征表示，包括：
3.根据权利要求2所述的方法，其中，所述数据融合分析层的结构为：
4.根据权利要求3所述的方法，其中，所述分类预测层的结构为：
5.根据权利要求4所述的方法，其中，所述心脑血管疾病类别包含以下中的任意一者：心律失常、心肌梗死、高血压、冠状动脉疾病和室性心动过速。
6.根据权利要求5所述的方法，其中，所述心脑血管疾病分类模型采用加权多类焦点损失作为模型损失函数，所述模型损失函数通过以下方式表示：
7.根据权利要求6所述的方法，其中，所述模型收敛条件是通过损失阈值、整体准确率阈值和关键类别准确率阈值来综合确定的；
8.根据权利要求1所述的方法，其中，所述统计多名患者的生理特征参数和相应的患者疾病标签，以构建样本数据集，包括：
9.一种心脑血管疾病分类模型的构建装置，包括：
【技术特征摘要】
1.一种心脑血管疾病分类模型的构建方法，包括：
2.根据权利要求1所述的方法，其中，所述基于所述特征提取模块中的增强cnn层，并行处理所述输入样本中的ecg数据所对应的多尺度信息，以提取相应的尺度特征表示，包括：
3.根据权利要求2所述的方法，其中，所述数据融合分析层的结构为：
4.根据权利要求3所述的方法，其中，所述分类预测层的结构为：
5.根据权利要求4所述的方法，其中，所述心脑血管疾病类别包含以下中的任意一者：心律失常、心肌梗死、高血压...
【专利技术属性】
技术研发人员：赖小波，
申请(专利权)人：云南迪安医学检验所有限公司，
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。