一种基于人工智能的左房低电压区预测方法及系统技术方案

本发明专利技术提供一种基于人工智能的左房低电压区预测方法及系统，该方法包括：采集目标群体的心电图数据集并对所述心电图数据集进行预处理，获得输入图像；选取主干网络，将所述主干网络的原始全连接层替换为融合全连接层，获得神经网络，其中，所述融合全连接层的输入为次末层输出数量与基线特征数量总和；通过所述输入图像对所述神经网络进行训练，获得预测模型；将特征拼接后的待测者基线资料及待测者心电图输入所述预测模型，通过所述预测模型对待测者进行左房低电压区预测，获得预测结果。本发明专利技术可以学习到与左房低电压区相关的复杂特征，显著提高了左心房低电压区预测的准确性，且提升了预测效率。

【技术实现步骤摘要】

本专利技术涉及医疗信息学领域，尤其涉及一种基于人工智能的左房低电压区预测方法及系统。

技术介绍

1、房颤是临床上最常见的持续性心律失常，导管消融术是症状性房颤的一线治疗，然而房颤导管消融的成功率仍不理想。多项研究均表明左房低电压区是房颤复发的一个重要的危险因素。有研究表明对于存在左房低电压区的房颤患者，房颤术后复发风险显著增加，如果在术中在常规肺静脉隔离的基础上附加左心房低电压区的消融，可以提高手术的成功率。因此，识别左房低电压对于评估房颤复发风险及选择导管消融的消融策略十分重要。

2、左房低电压区是通过导管消融术中电生理标测获得，心脏增强磁共振显示的左房钆延迟现象与左房低电压区存在很好的相关性。此外，一些临床指标包括年龄、性别、左房内径、左室射血分数、肾功能不全、糖尿病等也与房颤患者左房低电压区存在相关性，基于这些指标建立了一些预测左房低电压区的评分，如dr-flash评分、zaq评分。

3、但是当前采用的心脏增强磁共振检查其空间分辨率约为1.2-1.5 mm，而心房壁厚度仅为2-4 mm，因此这种方式不能很好地显示心房基质；此外本文档来自技高网...

【技术保护点】

1.一种基于人工智能的左房低电压区预测方法，其特征在于，包括：

2.根据权利要求1所述的一种基于人工智能的左房低电压区预测方法，其特征在于，步骤S1中的所述目标群体包括存在左房低电压区的房颤患者群体及不存在左房低电压区的房颤患者群体；步骤S4中的所述待测者为存在心律失常且存在房颤风险患者、房颤患者或房颤术后患者。

3.根据权利要求1所述的一种基于人工智能的左房低电压区预测方法，其特征在于，步骤S1中对所述心电图数据集进行的预处理具体包括：

4.根据权利要求3所述的一种基于人工智能的左房低电压区预测方法，其特征在于，当所述随机样本值大于或等于预设阈值时，...

【技术特征摘要】

1.一种基于人工智能的左房低电压区预测方法，其特征在于，包括：

2.根据权利要求1所述的一种基于人工智能的左房低电压区预测方法，其特征在于，步骤s1中的所述目标群体包括存在左房低电压区的房颤患者群体及不存在左房低电压区的房颤患者群体；步骤s4中的所述待测者为存在心律失常且存在房颤风险患者、房颤患者或房颤术后患者。

3.根据权利要求1所述的一种基于人工智能的左房低电压区预测方法，其特征在于，步骤s1中对所述心电图数据集进行的预处理具体包括：

4.根据权利要求3所述的一种基于人工智能的左房低电压区预测方法，其特征在于，当所述随机样本值大于或等于预设阈值时，对填充后的所述心电图数据集中的图像翻转；当所述随机样本值小于预设阈值时，不对填充后的所述心电图数据集中的图像翻转；其中所述预...

【专利技术属性】
技术研发人员：陶依娆，章德云，马志敏，刘兴鹏，杨毅，耿世佳，傅兆吉，洪申达，
申请(专利权)人：北京哈特瑞姆医疗技术服务有限公司，
类型：发明
国别省市：