[发明专利]基于人工智能自学习的动态心电图分析方法和装置

说明书

本发明实施例涉及一种基于人工智能自学习的动态心电图分析方法和装置,包括数据的预处理，心搏特征检测，基于深度学习方法的干扰信号检测和心搏分类，信号质量评估与导联合并，心搏的审核，心电图事件和参数的分析计算，最终自动输出报告数据，实现了一个完整快速流程的动态心电图的自动化分析方法。本发明的动态心电图分析方法，还可以记录对自动分析结果的修改信息，并收集这些修改的数据反馈给深度学习模型继续训练，不断地改进和提升自动分析方法的准确率。

技术领域

本发明涉及人工智能数据分析的技术领域，尤其涉及一种基于人工智能自学习的动态心电图分析方法和装置。

背景技术

无创心电图检查是心血管疾病(CVD)分析和筛查的重要工具。在无创心电图检查之中，动态心电图(Dynamic Electrocardiography，DCG)技术于1957年由Holter首先应用于监测心脏电生理活动的研究，所以又称Holter心电图仪，目前已成为临床心血管领域中无创检查的重要分析方法之一。动态心电图可连续记录24小时以上的心电活动全过程，包括休息、活动、进餐、工作、学习和睡眠等不同情况下的心电图信息。动态心电图能够发现常规心电图检查不易发现的非持续性心律失常，尤其能够提高对一过性心律失常及短暂的心肌缺血发作的检出率,是临床分析病情、确立分析、判断疗效的重要客观依据。另外，动态心电图可确定病人的心悸、头晕、昏厥等症状是否与心律失常有关，如窦性心动过缓、传导阻滞、快速心房颤动，阵发性室上性心动过速，持续性室性心动过速等，这是目前24小时动态心电图最重要、应用最广泛的情况之一。

与普通心电图相比，动态心电图扩大了心电图临床运用的范围，在医院、家庭、体检中心和社区中有着广泛的应用空间。

动态心电图主要由心电信号采集记录仪、导联系统和计算机分析软件三部分组成。信号采集记录仪负责记录存储患者24小时甚至多天的心电图数据。由于患者日常活动中身体经常性变化比较大，受到的干扰情况比较多，所以对信号采集的频率响应、采样频率、分辨率、阻抗、抗干扰性能等要求比较高。高性能的心电信号记录仪采集的心电图信号波形信噪比高、信号保真强，这对于后续的分析计算帮助非常大。导联系统包括电极片和导联线，分析计算软件对采集的数字信号进行心律失常分析、长间歇停搏，扑动和颤动，传导阻滞，早搏和逸搏，心动过缓，心动过快，ST段改变检测、心电事件的分析与归类、帮助医生进行分析报告。

与临床的静态心电图使用的标准12导联体系不同，Holter一般使用Mason-Likar导联体系，为了进一步改进动态心电图的适应性，医学专家发明了M-L简化导联体系(Reduced Mason-Likar Lead System)，常见的M-L简化导联体系测量I，II，V2，和V5，或者I，II，V1，V5等四个导联的数据，可以根据心电向量关系计算出III，aVR，aVL，aVF四个导联的数据，分析显示使用II，V5，aVF三个导联数据；M-L简化导联体系Holter是市场上的主流产品；但是，由于其导联数据无法准确分析ST段的改变，所以部分医生机构也要求使用12导联Holter进行检查；随着移动医疗和可穿戴设备的普及应用，现在具有实时监护功能的单导联心贴片也在一些特定人群中开始流行，比如PCI术后病人，起搏器使用者，长跑运动员等等。

动态心电图的分析主要包括如下步骤：首先，进行信号滤波处理，然后检测识别心搏中的最显著P-QRS-T波群特征；其次，针对识别出来的QRS波、P波、T波、R-R间期、P-R间期、ST段等特征信号，根据心脏电生理活动对心搏进行分类；最后，结合心搏分类和心搏的节律性特征，将一些有规律的连续心搏活动进一步概括为心律事件。心电图专业医生根据心搏分类和心律事件，对患者的动态心电图检查进行分析描述。