[发明专利]心电图检测方法、装置及系统

说明书

本申请提供一种心电图检测方法、装置及系统，将接收到的待检测心电图输入SVM模型，得到待检测心电图的输出信号分布和信号标签；当信号标签为异常信号标记时，根据异常信号标记和输出信号分布得到目标图像，并将目标图像输入大类别检测模型，得到待检测心电图的目标病征类别。通过第一子类别检测模型和第二子类别检测模型分别检测待检测心电图的病征子类别，再根据得到的两个检测结果和上述目标病征类别对待检测心电图进行综合检测，以最终确定待检测心电图的病征子类别。如此，一方面可以不必人为调整参数，另一方面提高了检测的准确率。

技术领域

本申请涉及医疗图像处理领域，具体而言，涉及一种心电图检测方法、装置及系统。

背景技术

心电图主要用于反应心脏的电激动过程，是医生进行心脏检查和诊断的一个重要的临床手段。心电图本身复杂性强，不同种族、性别、年龄的人在各种病理情况下的差异性很大。在实际的临床诊断中，通常是以机器检测结果为辅助，由医生结合自身临床经验对心电图进行判断识别。在这种情况下，由于医生的知识专业性和经验积累的不足，常常会过于依赖机器给出的检测结果，对准确率有一定限制，容易导致对异常心电图的误判。

在现有技术中，通常采用神经网络对心电信号进行分类，以寻找心电信号在时域、频域里所包含的不同特征信息，特征提取的种类越多，分类的准确率越高。常见的学习方法均基于MIT的心律失常数据库中标记的心拍类型识别、正常异常信号识别或针对某一种特殊的病理心电信号进行识别分类，然而，受限于心电信号的样本数量，该方法的普适性较差。

现有技术中通常通过人工提取特征信息，而人工提取的特征信息种类有限，会影响对心电信号分类的准确性。

发明内容

有鉴于此，本申请的目的在于提供一种心电图检测方法、装置及系统，以至少部分地改善上述问题。

为了达到上述目的，本申请实施例采用如下技术方案：

第一方面，本申请实施例提供一种心电图检测方法，所述方法包括：

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；

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和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；

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；

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。

第二方面，本申请实施例还提供一种心电图检测装置，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；