[发明专利]基于人工智能自学习的心电图自动分析方法和装置

权利要求书

1.一种基于人工智能自学习的心电图自动分析方法，其特征在于，所述方法包括：

接收心电监测设备输出的心电图数据；所述心电图数据为单导联或多导联的时间序列数据；

将所述心电图数据的数据格式经过重采样转换为预设标准数据格式，并对转换后的预设标准数据格式的心电图数据进行第一滤波处理；

对所述第一滤波处理后的心电图数据进行心搏检测处理，识别所述心电图数据包括的多个心搏数据；每个所述心搏数据对应一个心搏周期，包括相应的P波、QRS波群、T波的幅值数据和起止时间数据；

根据训练得到的干扰识别二分类模型对所述心搏数据进行干扰识别，确定所述心搏数据是否存在干扰噪音，以及用于判断干扰噪音的一个概率值；

根据心搏数据的导联参数和所述心搏数据，基于所述干扰识别的结果和时间规则合并生成心搏时间序列数据；根据所述心搏时间序列数据生成心搏分析数据；

对所述心搏分析数据进行信号质量分析，评估所述心搏分析数据的信号质量，得到所述心搏分析数据的信号质量评价参数；

根据训练得到的心搏分类模型对所述心搏分析数据进行幅值和时间表征数据的特征提取和分析，得到所述心搏分析数据的一次分类信息；

对所述一次分类信息结果中的特定心搏的心搏分析数据输入到训练好的ST段和T波改变模型进行识别，确定ST段和T波评价信息；

对所述心搏分析数据在所述一次分类信息下根据所述心电图基本规律参考数据以及所述ST段和T波评价信息进行二次分类处理，最终得到心搏分类信息；

将所述心搏分析数据根据所述心搏分类信息和心电图基本规律参考数据生成心电图事件数据； 根据所述信号质量评价参数对心电图事件数据进行筛选，得到相应的报告结论数据和报告表项数据；根据每种心电图事件数据中的典型数据片段，生成报告图形数据；并且输出所述报告表项数据、报告图形数据和报告结论数据。

2.根据权利要求1所述的心电图自动分析方法，其特征在于，对所述第一滤波处理后的心电图数据进行心搏检测处理还包括：

根据所述QRS波群确定RR间期并计算所述RR间期内噪声的估计值；

根据所述噪声的估计值和每个QRS波群中的最大幅值确定每个QRS波群的检测置信度。

3.根据权利要求1所述的心电图自动分析方法，其特征在于，所述根据训练得到的干扰识别二分类模型对所述心搏数据进行干扰识别，具体包括：

以第一数据量对所述心搏数据进行切割采样，并将切割采样得到的数据输入到干扰识别二分类模型进行干扰识别；

识别心搏数据中，心搏间期大于等于预设间期判定阈值的数据片段；

对所述心搏间期大于等于预设间期判定阈值的数据片段进行信号异常判断，确定是否为异常信号；

如果不是异常信号，则以预设时间宽度，根据设定时值确定所述数据片段中滑动取样的起始数据点和终止数据点，并由所述起始数据点开始对所述数据片段进行滑动取样，至所述终止数据点为止，得到多个取样数据段；

对每个所述取样数据段进行所述干扰识别。

4.根据权利要求1所述的心电图自动分析方法，其特征在于，所述根据训练得到的心搏分类模型对所述心搏分析数据进行幅值和时间表征数据的特征提取和分析，得到所述心搏分析数据的一次分类信息具体包括：

对于单导联的心搏分析数据，将所述心搏分析数据输入到训练得到的对应的导联的心搏分类模型，以第二数据量进行幅值和时间表征数据的特征提取和分析，得到所述单导联的一次分类信息。

5.根据权利要求1所述的心电图自动分析方法，其特征在于，所述根据训练得到的心搏分类模型对所述心搏分析数据进行幅值和时间表征数据的特征提取和分析，得到所述心搏分析数据的一次分类信息具体包括：

根据训练得到的各导联对应的心搏分类模型对各导联的心搏分析数据以第三数据量进行幅值和时间表征数据的特征提取和分析，得到各导联的分类信息；

根据各导联的分类信息和导联权重值参考系数进行分类投票决策计算，得到所述一次分类信息。