基于图神经网络的冠心病ECG智能检测方法技术

本发明专利技术公开了一种基于图神经网络的冠心病ECG智能检测方法，包括以下步骤：获取临床数据集，将其脱敏后由专业医生在临床数据集上标注；对标注后的临床数据集进行预处理，提取临床数据中的原始信号,得到12导联ECG心电信号后进行降噪及标准化处理；基于改进的GCN网络构建诊断模型，以12导联ECG心电信号的各导联为节点，按生理空间关系加入拓扑连接构建ECG图，将该ECG图输入诊断模型进行训练并使用GNNExplain进行可解释性分析；根据诊断模型构建基于图神经网络和12导联ECG心电信号的冠心病检测系统。本方法能够同时关注到心电图中的时间特征与不同导联间的生理空间联系，有助于更好地捕捉到心脏活动的整体状态，减轻人工读图压力，使得筛查冠心病更有效率。

【技术实现步骤摘要】

本专利技术涉及智慧医疗，具体涉及基于图神经网络的冠心病ecg智能检测方法。

技术介绍

1、冠心病是指冠状动脉粥样硬化导致心肌缺血、缺氧而引起的心脏病，其根本发病原因在于动脉壁内脂肪或不健康胆固醇的持续积聚，最终造成动脉壁变窄和堵塞。心律失常、心绞痛和心肌梗死都是冠心病最常见的临床表现。冠心病不仅死亡率高，患者治愈出院后还存在复发风险，常因诊断不及时延误治疗，而引发急性心肌梗死甚至猝死，因此临床上对冠心病的早期发现、早期诊断和早期干预治疗对改善患者预后提高生存率至关重要。

2、目前，明确冠脉病变的金标准是冠脉造影术，但是由于它是一种需要动脉穿刺的侵入性技术，检查成本较高且有辐射暴露风险，临床上更常用无创、便捷、经济的心电图诊断筛查冠心病。基于心电图的冠心病诊断方法通过检查心电图波形，依靠专家的长期经验和主观判断做出。然而，这些决策在一定程度上可以被自动化数据驱动的方法所支持和取代。

3、基于深度学习的冠心病心电图诊断研究还处于探索阶段。在应用传统深度学习模型时，心电信号通常仅被视为排列在欧几里得空间中的同步信号。这些方法在分析心电图时本文档来自技高网...

【技术保护点】

1.一种基于图神经网络的冠心病ECG智能检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述一种基于图神经网络的冠心病ECG智能检测方法，其特征在于，构建ECG图的具体方式为：

3.根据权利要求1所述一种基于图神经网络的冠心病ECG智能检测方法，其特征在于，所述诊断模型包括特征提取模块和图神经网络模块；

4.根据权利要求3所述一种基于图神经网络的冠心病ECG智能检测方法，其特征在于，对于GCN模型中的第i层，它的下一层输出为:

5.根据权利要求3所述一种基于图神经网络的冠心病ECG智能检测方法，其特征在于，图神经网络模块使用基于自注...

【技术特征摘要】

1.一种基于图神经网络的冠心病ecg智能检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述一种基于图神经网络的冠心病ecg智能检测方法，其特征在于，构建ecg图的具体方式为：

3.根据权利要求1所述一种基于图神经网络的冠心病ecg智能检测方法，其特征在于，所述诊断模型包括特征提取模块和图神经网络模块；

4.根据权利要求3所述一种基于图神经网络的冠心病ecg智能检测方法，其特征在于，对于gcn模型中的第i层，它的下一层输出为:

5.根据权利要求3所述一种基于图神经网络的冠心病ecg智能检测方法，其特征在于，图神经网络模块使用基于自注意力的topk图池化机制，对图中每个节点学习出一个表示节点重要度评分score，基于这个分数的排序丢弃部分低分数的节点，将全图中的n个节点下采样至kn个节点；整个池化过程表示如下：

6.根据权利要求3所述一种基于图神经网络的冠心病ecg智能检测方法，其特征在于，图神经网络模块通过迭代执行图卷积和图池操作以生成多个新的子图，聚合子图中的所有节点表示并求和得到固定大小的图级特征fg。

7.根据权利要求1所述一种基于图神经网...

【专利技术属性】
技术研发人员：秦静，裴莉莎，王宾，刘璐，张树龙，
申请(专利权)人：大连大学，
类型：发明
国别省市：