[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

说明书

本发明实施例涉及一种基于人工智能自学习的心电图自动分析方法和装置,所述方法包括数据的预处理，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自动化分析方法。本发明的心电图自动分析方法，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心电图自动分析方法和装置。

背景技术

1908年Einthoven开始应用心电图(Electrocardiography，ECG)监测心脏的电生理活动，目前无创心电图检查已成为临床心血管领域针对心脏疾病诊断和筛查的重要方法之一。心电图检查根据临床使用情况，可以分成：静态心电图，动态心电图，和运动心电图等几大类。静态心电图采用Einthoven-Wilson-Goldberger发明的12导联体系(标准导联体系)，记录8-30秒的心电图信号进行分析，对各种心律失常和传导阻滞的诊断分析具有肯定价值，是冠心病诊断中最早、最常用和最基本的诊断方法；动态心电图可连续记录24小时到多天的心电活动全过程，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，能够发现常规心电图检查不易发现的非持续性心律失常，确定患者的心悸、头晕、昏厥等症状是否与心律失常有关，如极度心动过缓、心脏停搏、传导阻滞、室性心动过速等，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，确立诊断，判断疗效重要的客观依据。Holter于1957把动态心电图检查引进临床后，一般采用简化改进的标准导联体系(Mason-Likar体系)，测量的导联数量可以是12，6或者3导联，甚至单导联心贴片，极大地改进了动态心电图的实用性；运动心电图，是心电图的运动负荷试验，记录分析通过一定量的运动来增加心脏负荷而引起的心电图变化情况，它是目前冠心病临床评估常用的一种辅助手段。

虽然市场上大多数的心电图分析软件都可以对数据进行自动分析，但由于心电图信号本身的复杂与变异性，很容易受到戴机过程中各种干扰，目前自动分析软件的准确率远远不够，无法帮助求医生在比较短的时间内正确分析心电图数据并且给出正确的分析报告。