【技术实现步骤摘要】
本专利技术涉及医疗检测领域，具体地，涉及一种基于深度学习的特征点定位和疾病检测的多任务心电图分析方法、系统及介质。
技术介绍
1、心血管疾病已然成为全球非传染性疾病中引发发病率和死亡率攀升的主要原因。据相关数据显示，其危害范围之广、影响程度之深，严重威胁着人类的健康。
2、此外，在初次感染covid-19后的短短一年内，患者患心血管疾病的风险出现了显著增加的情况，包括心脏骤停和心力衰竭等疾病的发病几率大幅上升，这无疑给患者的生命健康又蒙上了一层阴影。
3、近年来，心电图(ecg)的出现以及计算机辅助技术的不断进步，为评估患者健康状况带来了极大的便利。通过心电图能够获取心脏电活动的相关信息，计算机辅助技术则可对这些信息进行快速处理与分析。
4、然而，当前的技术仍存在明显不足。对于一些复杂心脏疾病，现有的分析方法在诊断精度上还有待进一步提高，往往无法精准地判断病情，导致误诊或漏诊情况时有发生。而且，这些方法大多缺乏可解释性，医生和患者难以清晰理解诊断结果是如何得出的，这在很大程度上影响了后续治疗方案的制定
【技术保护点】
1.一种基于深度学习的多任务心电图分析方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于深度学习的多任务心电图分析方法，其特征在于，所述步骤S1中，所述预处理包括：数据标准化及滤波处理。
3.根据权利要求1所述的一种基于深度学习的多任务心电图分析方法，其特征在于，所述步骤S2包括如下子步骤：
4.根据权利要求3所述的一种基于深度学习的多任务心电图分析方法，其特征在于，所述步骤S2.1中，所述多任务心电检测模型包括：一维卷积特征提取模块、注意力机制引导的双模态融合模块、特征点分割模块和心律失常疾病分类模块。
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。