[发明专利]用于心电监测的人工智能实时分析方法和系统

说明书

本发明实施例涉及一种用于心电监测的人工智能实时分析方法和系统,所述方法包括：心电监测设备对被监测者进行心电监测得到实时心电图数据，基于在线人工智能AI心电图分析模型实时确定实时心电图数据的异常数据生成预警数据片段；第一云服务器根据AI心电评鉴模型对预警数据片段进行鉴别评判处理；当确定为误报警时对预警数据片段添加误报过滤标识并存储；当确定为非误报警时对预警数据片段进行异常数据评判并根据评判级别标识确定的报警数据记录的传输优先级将报警记录传输到相应的接收装置；心电监测设备将全部实时心电图数据上传至第二云服务器并生成被监测者的动态心电图数据，根据离线AI心电图分析模型对动态心电图数据进行分析输出报告数据。

技术领域

本发明涉及人工智能数据分析的技术领域，尤其涉及一种用于心电监测的人工智能实时分析方法和系统。

背景技术

众所周知，心电图是各种心血管疾病最简单、快捷和经济的临床检查方法，是心血管疾病检验的基石。其中，动态心电图(Dynamic Electrocardiography，DCG)技术于1957年由Holter首先应用于监测心脏电生理活动的研究，所以又称Holter心电图仪，目前已成为临床心血管领域中无创检查的重要分析方法之一。动态心电图可连续记录24小时以上的心电活动全过程，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。动态心电图能够发现常规心电图检查不易发现的非持续性心律失常，尤其能够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、确立分析、判断疗效的重要客观依据。另外，动态心电图可确定病人的心悸、头晕、昏厥等症状是否与心律失常有关，如窦性心动过缓、传导阻滞、快速心房颤动，阵发性室上性心动过速，持续性室性心动过速等，这是目前24小时动态心电图最重要、应用最广泛的情况之一。与普通心电图相比，动态心电图扩大了心电图临床运用的范围，在医院、家庭、体检中心和社区中有着广泛的应用空间。

传统的24小时动态心电图监测是在对被监测者的24小时监测完成后才获得监测数据的，其时效性很差，只能起到事后分析的作用。随着移动通信技术的快速发展，业内也提出了基于互联网医疗服务的远程心电监测方法，以移动互联网作为远程动态心电监护系统的数据传输工具，通过在线监控和多端数据共享，实现远程动态心电监测。

但是，由于心电信号本身的复杂性和变异性，目前现有的远程动态心电监测技术存在一定局限性，无法真正做到自动、快速、准确地分析，还会存在大量的漏报、误报，而这些可能会导致在被监测者发生身体状况异常时无法得到有效监测。因此目前现有技术的缺陷导致远程动态心电监测的应用效果受到局限。

发明内容

本发明的目的是针对现有技术的不足，提供一种用于心电监测的人工智能实时分析方法和系统，通过对被监测者的心电监测数据，尤其是长程心电监测数据，以在线AI心电图分析模型进行预判断，并进一步的依据AI心电评鉴模型进行误报警的识别过滤和对异常数据的分级评判，从而实现对心电监测数据的实时分析、监控，准确识别异常，形成有效、及时的预警机制。

为实现上述目的，第一方面，本发明实施例提供了一种用于心电监测的人工智能实时分析方法，包括：

建立被监测者与心电监测设备的对应关系数据；所述对应关系数据包括被监测者的用户ID、用户基本信息、机构ID和所述心电监测设备的设备ID；

所述心电监测设备对所述被监测者进行心电监测，得到实时心电图数据，并基于在线人工智能AI心电图分析模型实时确定所述实时心电图数据的异常数据生成预警数据片段，上传第一云服务器；所述预警数据片段包括设备ID、异常数据和时间参数；

所述第一云服务器根据训练得到的AI心电评鉴模型，对所述预警数据片段进行鉴别评判处理；

当确定所述预警数据片段为误报警时，对所述预警数据片段添加误报过滤标识，并存储在误报过滤数据库中；