[发明专利]一种基于CNN神经网络的急性心肌梗死定位自动判别系统

说明书

一种基于CNN神经网络的急性心肌梗死定位自动判别系统，涉及心肌梗死定位判别技术领域，包括数据采集系统、云平台数据存储系统、定位判别分析系统和数据显示系统；可穿戴心电监护仪与待判别人员连接，记录并生成12导联原始心电图；心电图采集系统获取12导联原始心电图数据，包括P波的波幅、QRS波群的波幅、ST段的波幅和T波的波幅；定位判别分析系统利用基于CNN神经网络训练获得的定位判别模型进行卷积计算获得判别中间数据，判别中间数据经过sigmoid函数映射获得判别结果数据，从而做出待判别人员急性心肌梗死发生部位的定位判别；本申请提供一种基于CNN神经网络的急性心肌梗死定位自动判别系统，对待判别人员是急性心机梗死发生部位做出准确的判别。

技术领域

本发明涉及心肌梗死定性判别技术领域，具体涉及一种基于CNN神经网络的急性心肌梗死定位自动判别系统。

背景技术

急性心肌梗死是冠状动脉急性、持续性缺血缺氧所引起的心肌坏死。临床上多有剧烈而持久的胸骨后疼痛，休息及硝酸酯类药物不能完全缓解，伴有血清心肌酶活性增高及进行性心电图变化，可并发心律失常、休克或心力衰竭，常可危及生命。本病在欧美最常见，美国每年约有150万人发生急性心肌梗死。中国近年来呈明显上升趋势，每年新发至少50万，现患至少200万,并且近20年来我国急性心肌梗死患者的死亡率持续上升，是威胁我国人民健康的重大公共卫生问题。急性心肌梗死救治最重要的关键点在于早期血运重建，越早开通梗死血管，患者的预后就越好，而导致目前我国急性心肌梗死死亡率居高不下的重要原因就在于急性心肌梗死患者的就诊延迟，从患者出现症状到患者接受血管再通治疗的时间，我国长达4-6小时，而欧美发达地区的就诊时间也超过3小时。值得注意的是，患者就诊延迟时间在近10年内，无论是我国还是欧美发达国家，均无明显改善，如何降低患者的就诊延迟成为了目前我国乃至全世界急需解决的问题。心电图是目前诊断急性心肌梗死，尤其是ST段抬高型心肌梗死最简便、最常用也是最重要的诊断手段。当心肌出现缺血情况时，心电图的ST段改变甚至早于患者出现症状。而目前临床上使用的心电图设备无法准确地自动识别心电图ST段变化。因此如果能实现心电设备的自动判读，自动判断患者心肌梗死的具体部位，从而实现自动预警，将大大降低心梗患者的就诊延迟，从而减少患者的总缺血时间，改善患者预后。

发明内容

为了解决上述现有技术中存在的不足，本申请提供一种基于CNN神经网络的急性心肌梗死定位自动判别系统，利用标准12导联心电图，可对待判别人员急性心机梗死发生部位做出准确的判别。

为了实现上述技术效果，本发明的具体技术方案如下：

一种基于CNN神经网络的急性心肌梗死定位自动判别系统，包括数据采集系统、云平台数据存储系统、定位判别分析系统和数据显示系统；

所述数据采集系统包括可穿戴心电监护仪、心电图采集系统，所述可穿戴心电监护仪与待判别人员连接，记录并生成待判别人员的心脏每一心动周期所产生的电活动变化的12导联原始心电图；所述心电图采集系统用于获取12导联原始心电图数据，该数据包括P波的波幅、QRS波群的波幅、ST段的波幅和T波的波幅；

所述云平台数据存储系统自动识别并存储12导联原始心电图数据，经小波变换后将该数据转换成量化指标，转换成的量化指标发送给定性判别分析系统；

所述定位判别分析系统接收转换成的量化指标，利用基于CNN神经网络训练获得的定位判别模型进行卷积计算获得判别中间数据，所述判别中间数据经过sigmoid函数映射获得判别结果数据，根据该判别结果数据做出待判别人员急性心肌梗死发生部位的定位判别；

所述数据显示系统包括显示屏幕，其与可穿戴心电监护仪连接，用于显示待判别人员的12导联原始心电图；

上述待判别人员进行定位判别的步骤为：