[发明专利]一种基于人工智能的进行杂波剔除的方法及系统

说明书

本发明公开了一种新型基于人工智能的进行杂波剔除的方法及系统，方法包括获取录入的原始心电图；生成原始心电图训练集；对人工智能神经网络进行反复训练以识别杂波。本发明通过在高质量心电数据集上随机加入噪声，并进行判别，实现对人工智能识别心电图干扰杂波的效果，对人工智能进行训练后能够准确识别各种干扰杂波并将干扰杂波进行去除，提高医生的效率，减少医生的分析时间，节省了大量的人力成本和时间成本。

技术领域

本发明涉及医疗人工智能辅助诊断技术领域，具体涉及一种新型基于人工智能的进行杂波剔除的方法及系统。

背景技术

心电图(ECG或者EKG)是利用心电图机从体表记录心脏每一心动周期所产生的电活动变化图形的技术。1885年荷兰生理学家W.Einthoven 首次从体表记录到心电波形，当时是用毛细静电计，1910年改进成弦线电流计。由此开创了体表心电图记录的历史。在行常规心电图检查时，通常安放4个肢体导联电极和V1～V66个胸前导联电极，记录常规12导联心电图。两两电极之间或电极与中央电势端之间组成一个个不同的导联，通过导联线与心电图机电流计的正负极相连，记录心脏的电活动。心电图是临床诊断和病情评估的重要工具，大量的临床资料显示，心电图异常是因冠心病、心血管病和全病因死亡的预测因子。因此，心电图的准确性愈加重要。

在心电检测过程中，会由于肌肉震颤等原因产生干扰杂波，干扰杂波会严重影响医生对患者的诊断。

目前长时心电图读图软件上对于干扰杂波的分析准确度很低，这样每次医生都需要花费大量的时间来去除干扰杂波，时间成本和人力成本都很高。

发明内容

本发明的目的在于提供一种新型基于人工智能的进行杂波剔除的方法及系统，用以解决现有技术中对长时心电图干扰杂波处理不足造成时间、人力成本高的问题。

为实现上述目的，本发明的技术方案为

第一方面，一种新型基于人工智能的进行杂波剔除的方法，包括如下步骤：

获取录入的若干原始心电图；

生成原始心电图训练集；

根据原始心电图训练集对人工智能神经网络进行反复训练以识别杂波，包括

在原始心电图训练集中，随机抽取第一份原始心电图；

对抽取的原始心电图添加噪声；

在原始心电图训练集中，随机抽取第二份原始心电图作为标准心电图；

比较添加噪声的原始心电图和标准心电图之间的波形参数差别信息；

获取波形参数差别信息的比较结果；

将比较结果进行评分形成评价值；

设定心电图波形参数评价标准阈值；

评价值与评价标准阈值进行对比；

根据评价值与标准阈值之间的差别，判断是否添加噪声后的心电图具有杂波；

获取判断结果，完成对人工智能神经网络的心电图杂波识别训练；

根据训练结果将符合杂波特征的心电图进行剔除。

作为本发明的一种优选方案，所述原始心电图训练集中的心电图包括具有杂波的第一类原始心电图和不具有杂波的第二类原始心电图。

作为本发明的一种优选方案，所述方法还包括

判断随机抽取的第二份原始心电图是否为第一类原始心电图；

若判断结果为是，则在评价值与评价标准阈值进行对比时，若对比结果在限定范围值内，则证明添加噪声后的第一份原始心电图具有杂波；若对比结果在限定范围值外，则不作判断；