[发明专利]心电图检测方法、装置及系统

权利要求书

1.一种心电图检测装置，其特征在于，所述装置包括：

异常判断模块，用于将接收到的待检测心电图输入SVM模型，得到所述待检测心电图的输出信号分布及信号标签；

大类别检测模块，用于当所述信号标签为异常信号标记时，根据所述异常信号标记、所述输出信号分布得到目标图像，并将所述目标图像输入大类别检测模型，以识别所述待检测心电图所对应的目标病征类别，其中，所述大类别检测模型为CNN模型；

子类别检测模块，用于向第一子类别检测模型和第二子类别检测模型分别输入所述待检测心电图的目标导联信号，分别得到两个概率组，每个概率组包括所述待检测心电图属于各病征子类别的概率，其中，所述第一子类别检测模型为CNN模型，所述第二子类别检测模型为LSTM模型；

综合检测模块，用于基于综合检测模型，根据所述两个概率组和所述目标病征类别共同判断所述待检测心电图所属的病征子类别，其中，所述综合检测模型为Attention模型。

2.根据权利要求1所述的心电图检测装置，其特征在于，所述大类别检测模块具体用于：

对所述异常信号标记和所述输出信号分布进行像素值的归一化处理，将得到的归一化数据拼接到一标准心电图上方，得到所述目标图像。

3.根据权利要求1或2所述的心电图检测装置，其特征在于，所述装置还包括：

训练模块，用于建立训练样本库，所述训练样本库中包括正常心电、心律失常、室内传导阻滞、房室肥大、ST段异常、心肌梗死六个病征类别的样本，每个病征类别包括出现频率最高的至少10个病征子类别的样本，其中，每个病征子类别具有至少10000份成年人心电图；

根据所述训练样本库对所述SVM模型、所述大类别检测模型、所述第一子类别检测模型、所述第二子类别检测模型和所述综合检测模型进行训练。

4.根据权利要求3所述的心电图检测装置，其特征在于，所述训练模块具体用于：

针对每个训练样本，当通过所述SVM模型得到该训练样本的异常信号标记和输出信号分布时，对该异常信号标记和输出信号分布进行归一化处理，并将得到的归一化数据拼接到一标准心电图上方得到第一图像；以及

获取该训练样本的病人信息，并将根据该训练样本得到的心电信号样本和所述病人信息联合生成第二图像，其中，所述心电信号样本包括该训练样本的12个导联信号；

通过所述第一图像和所述第二图像对所述大类别检测模型进行训练，并在训练过程中调整所述大类别检测模型的参数，使所述大类别检测模型准确识别出各训练样本的目标病征类别。

5.根据权利要求1或2所述的心电图检测装置，其特征在于，

所述SVM模型的目标函数为：

所述SVM模型的核函数为高斯核函数：

6.根据权利要求1或2所述的心电图检测装置，其特征在于，所述大类别检测模型包括由卷积层和降采样层组成的多个组合，所述多个组合依次连接，前一组合中的降采样层的输出是下一组合中的卷积层的输入，最末尾的降采样层依次连接有全连接层和输出层，所述输出层包括多个输出节点，每个输出节点对应一种病征类别；所述目标病征类别通过如下方式识别：

获取所述多个输出节点分别输出的多个概率值；

将所述多个概率值中的最大值所对应的病征类别作为所述目标病征类别。

7.根据权利要求4所述的心电图检测装置，其特征在于，所述目标导联信号包括所述待检测心电图中的I、II、V1、V2、V3、V4、V5和V6共8个导联信号。

8.根据权利要求7所述的心电图检测装置，其特征在于，所述子类别检测模块还具体用于：

以所述目标导联信号为输入信号，以500为采样率对所述输入信号进行预设时长t的采样；

将得到的采样数据与所述病人信息组合成t×5000的目标数据，将该目标数据分别输入所述第一子类别检测模型和所述第二子类别检测模型。

9.一种心电图检测系统，其特征在于，该系统包括相互通信连接的数据服务器、深度学习服务器和应用服务器；

所述应用服务器通过网络与用户终端通信，以将所述用户终端发送的待检测心电图转发给所述深度学习服务器；

所述深度学习服务器包括处理器及机器可读存储介质，该机器可读存储介质上存储有机器可读指令，该机器可读指令被执行时促使所述处理器实现权利要求1-8中任一项所述的心电图检测装置，以对所述应用服务器发送的待检测心电图进行检测；

所述数据服务器用于向所述深度学习服务器提供训练样本，以供所述深度学习服务器进行深度学习。