【技术实现步骤摘要】
【国外来华专利技术】
本专利技术的内容揭示一种甲状腺功能障碍的诊断方法，具体地，揭示一种以心电图为基础利用神经网络模型诊断甲状腺功能障碍的方法。
技术介绍
1、心电图(ecg：electrocardiogram)是测量心脏上发生的电信号以便确认心脏到电极的传导系统异常与否而得以判别患病与否的信号。
2、作为引起心电图的心搏动，位于右心房(right atrium)的窦房结(sinus node)上开始的搏动先让右心房与左心房(left atrium)除极(deploarization)，在房室结(atrioventricular node)暂时延缓后触发心室。
3、隔膜(septum)最快并且壁厚较薄的右心室比壁厚较厚的左心室先触发。传导至浦肯野纤维(purkinje fiber)的除极波在心肌和波前(wavefront)一起从心内膜往心外膜扩散而引起心室收缩。电刺激正常地通过心脏传导而使得心脏每分钟收缩大约60～100次。每次收缩表示一次心搏动。
4、如前所述的心电图可以通过记录两个部位之间电位差的双极导联(bipolarlead)和记录电极连接部位的电位的单极导联(unipolar lead)检测出来，测量心电图的方法有作为双极导联的标准导联(standard limb lead)、作为单极导联的肢体导联(unipolar limb lead)、作为单极导联的胸导联(precordial lead)等。
5、心脏的触发阶段主要分为心房除极、心室除极、心室复极时期，该各步骤如图1所示地以称为p、q、r
6、该多个波具有标准形态才能视为心脏的电活动正常。为了掌握其是否为标准形态，需要检查各波保持时间、各波之间的间距(interval)、各波的振幅、峰度之类的特征是否位于正常范围。
7、该心电图由高价测量设备测量而作为测量患者健康状态的辅助工具使用，心电图测量设备通常只呈现测量结果而诊断则完全交给医生执行。
8、目前，为了降低对于医生的依赖，人们一直进行着利用人工智能以心电图为基础快速准确地诊断疾病的研究。而且，随着可穿戴式、日常生活式心电图测量仪的发展，以心电图为基础不仅诊断监视心脏疾病还对其它各种疾病进行诊断监视的可能性也开始出现。
9、尤其是，甲状腺功能相关疾病不进行日常检诊并且其症状也不明显而难以早期发现，然而，感知心电图的细微变化后早期诊断甲状腺功能障碍的可能性也已经出现苗头了。
技术实现思路
1、技术问题
2、本专利技术旨在解决前述
技术介绍
的问题，本专利技术一实施例的甲状腺功能障碍诊断方法的目的是提供一种使用神经网络模型以心电图数据为基础针对心电图数据的测量对象推断甲状腺功能障碍的发病概率的方法。
3、然而，本专利技术需要解决的技术课题不限于前述课题，可以在下面的记载中明确地了解到前面没有提到的其它课题。
4、技术方案
5、依据实现如前所述的课题的本专利技术的一实施例，揭示一种由包含至少一个处理器的计算装置执行的以心电图为基础诊断甲状腺功能障碍(dysfunction)的方法，包括下列步骤：获取心电图数据；以及使用预先学习的神经网络模型以所述心电图数据为基础针对所述心电图数据的测量对象推断甲状腺功能障碍的发病概率，所述神经网络模型是以甲状腺功能与心电图特性变化之间的相关关系为基础学习的。
6、或者，可提供下述方法，所述神经网络模型可包括以12个多导联(lead)所测量的心电图数据为基础进行了学习的第一副神经网络模型。
7、或者，可提供下述方法，所述神经网络模型还包括以6个肢体(limb)导联或6个胸前导联中的至少一个为基础进行了学习的第二副神经网络模型。
8、或者，可提供下述方法，所述神经网络模型还包括以单一导联所测量的心电图数据为基础进行了学习的第三副神经网络模型。
9、或者，可提供下述方法，所述神经网络模型包括由多个残差块(residual blocks)组成的神经网络，由所述多个残差块组成的神经网络接收所述心电图数据的输入后输出临床甲状腺机能亢进症的发病概率。
10、或者，可提供下述方法，所述临床甲状腺机能亢进症是游离甲状腺素数值高于预先设定的基准范围或者甲状腺刺激激素数值低于基准范围的情况。
11、或者，可提供下述方法，所述神经网络模型包括对应于心电图数据的各个导联的神经网络，所述多个神经网络的输出为了导出甲状腺功能障碍发病概率而连接成一个(concatenation)。
12、或者，可提供下述方法，甲状腺功能与心电图特性变化之间的相关关系基于包含心跳过快的频率、qt间期(interval)的长度、p波、r波及t波的偏移方向或qrs持续时间中的至少一个的心电图特性。
13、或者，可提供下述方法，所述心跳过快的频率越高，所述甲状腺功能障碍发病概率越高。
14、或者，可提供下述方法，所述qt间期的长度越长，所述甲状腺功能障碍发病概率越高。
15、或者，可提供下述方法，所述p波、r波及t波的偏移方向越朝向右侧，所述甲状腺功能障碍发病概率越高。
16、或者，可提供下述方法，所述qrs持续时间越短，所述甲状腺功能障碍发病概率越高。
17、或者，可提供下述方法，使用预先学习的神经网络模型以所述心电图数据为基础针对所述心电图数据的测量对象推断甲状腺功能障碍的发病概率的步骤包括如下步骤，向所述神经网络模型输入所述心电图数据和包含年龄与性别中的至少一个的生物数据而针对所述心电图数据的测量对象推断甲状腺功能障碍的发病概率。
18、本专利技术的再一实施例提供存储在计算机可读存储介质的计算机程序(program)，所述计算机程序在一个以上的处理器(processor)执行时，执行以心电图为基础的用于诊断甲状腺功能障碍的多个动作，所述多个动作包括下列动作：获取心电图数据；以及使用预先学习的神经网络模型以所述心电图数据为基础针对所述心电图数据的测量对象推断甲状腺功能障碍的发病概率，所述神经网络模型是以甲状腺功能与心电图特性变化之间的相关关系为基础学习的。
19、本专利技术的另一实施例提供用于以心电图为基础诊断甲状腺功能障碍的计算装置，包括：处理器(processor)，包含至少一个内核(core)；以及存储器(memory)，包含所述处理器可执行的多个程序代码(code)，所述处理器依据所述程序代码的执行而获取心电图数据、使用预先学习的神经网络模型以所述心电图数据为基础针对所述心电图数据的测量对象推断甲状腺功能障碍的发病概率，所述神经网络模型是以甲状腺功能与心电图特性变化之间的相关关系为基础学习的。
20、专利技术的效果
21、本专利技术一实施例的诊断甲状腺功能障碍的方法能提供一种使用神经网络模型以心电图数据为基础针对心电图数据的测量对象推断甲状腺功能障碍的发病概率的方法。
本文档来自技高网...【技术保护点】
1.一种以心电图为基础诊断甲状腺功能障碍的方法，由包含至少一个处理器的计算装置执行，其特征在于，
2.根据权利要求1所述的以心电图为基础诊断甲状腺功能障碍的方法，其特征在于，所述神经网络模型包括以12个多导联所测量的心电图数据为基础进行了学习的第一副神经网络模型。
3.根据权利要求1所述的以心电图为基础诊断甲状腺功能障碍的方法，其特征在于，所述神经网络模型包括以6个肢体导联或6个胸前导联中的至少一个为基础进行了学习的第二副神经网络模型。
4.根据权利要求1所述的以心电图为基础诊断甲状腺功能障碍的方法，其特征在于，所述神经网络模型包括以单一导联所测量的心电图数据为基础进行了学习的第三副神经网络模型。
5.根据权利要求1所述的以心电图为基础诊断甲状腺功能障碍的方法，其特征在于，所述神经网络模型包括由多个残差块组成的神经网络，由所述多个残差块组成的神经网络接收所述心电图数据的输入后输出临床甲状腺机能亢进症的发病概率。
6.根据权利要求5所述的以心电图为基础诊断甲状腺功能障碍的方法，其特征在于，所述临床甲状腺机能亢进症是游离甲状
7.根据权利要求1所述的以心电图为基础诊断甲状腺功能障碍的方法，其特征在于，所述神经网络模型包括对应于心电图数据的各个导联的神经网络，所述多个神经网络的输出为了导出甲状腺功能障碍发病概率而连接成一个。
8.根据权利要求1所述的以心电图为基础诊断甲状腺功能障碍的方法，其特征在于，甲状腺功能与心电图特性变化之间的相关关系基于包含心跳过快的频率、QT间期的长度、P波、R波及T波的偏移方向或QRS持续时间中的至少一个的心电图特性。
9.根据权利要求8所述的以心电图为基础诊断甲状腺功能障碍的方法，其特征在于，所述心跳过快的频率越高，所述甲状腺功能障碍发病概率越高。
10.根据权利要求8所述的以心电图为基础诊断甲状腺功能障碍的方法，其特征在于，所述QT间期的长度越长，所述甲状腺功能障碍发病概率越高。
11.根据权利要求8所述的以心电图为基础诊断甲状腺功能障碍的方法，其特征在于，所述P波、R波及T波的偏移方向越朝向右侧，所述甲状腺功能障碍发病概率越高。
12.根据权利要求8所述的以心电图为基础诊断甲状腺功能障碍的方法，其特征在于，所述QRS持续时间越短，所述甲状腺功能障碍发病概率越高。
13.根据权利要求1所述的以心电图为基础诊断甲状腺功能障碍的方法，其特征在于，
14.一种计算机程序，存储在计算机可读存储介质，其特征在于，
15.一种用于以心电图为基础诊断甲状腺功能障碍的计算装置，其特征在于，
...【技术特征摘要】
【国外来华专利技术】
1.一种以心电图为基础诊断甲状腺功能障碍的方法，由包含至少一个处理器的计算装置执行，其特征在于，
2.根据权利要求1所述的以心电图为基础诊断甲状腺功能障碍的方法，其特征在于，所述神经网络模型包括以12个多导联所测量的心电图数据为基础进行了学习的第一副神经网络模型。
3.根据权利要求1所述的以心电图为基础诊断甲状腺功能障碍的方法，其特征在于，所述神经网络模型包括以6个肢体导联或6个胸前导联中的至少一个为基础进行了学习的第二副神经网络模型。
4.根据权利要求1所述的以心电图为基础诊断甲状腺功能障碍的方法，其特征在于，所述神经网络模型包括以单一导联所测量的心电图数据为基础进行了学习的第三副神经网络模型。
5.根据权利要求1所述的以心电图为基础诊断甲状腺功能障碍的方法，其特征在于，所述神经网络模型包括由多个残差块组成的神经网络，由所述多个残差块组成的神经网络接收所述心电图数据的输入后输出临床甲状腺机能亢进症的发病概率。
6.根据权利要求5所述的以心电图为基础诊断甲状腺功能障碍的方法，其特征在于，所述临床甲状腺机能亢进症是游离甲状腺素数值高于预先设定的基准范围或者甲状腺刺激激素数值低于基准范围的情形。
7.根据权利要求1所述的以心电图为基础诊断甲状腺功能障碍的方法，其特征在于，所述神经网络模型包括对应于心电图...
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。