[发明专利]一种基于人工智能模型的心脏疾病的检测方法

说明书

本发明提供一种基于人工智能模型的心脏疾病的检测方法，包括构建心电向量图和心电非线性系统动态图的深度学习识别模型及构建心脏动态病理特征的量化数据、生物化学数据、人体生理信息数据和临床信息数据的机器学习分类模型等，并对不同模型识别分类所得心脏疾病结果赋以相应权重值，获得心脏疾病检测的综合判定结果。本发明提供的心脏疾病的检测方法，解决了心脏电活动连续的动态信号的模型处理方法、多病理特征量化数据的模型化分析及相同疾病在不同模型下的融合判断等方面的技术难题。本发明所述心脏疾病的检测方法提升了心脏疾病检测的准确率和检测效率，且随着扩充进数据库中不同类型病理特征的指标数据的增多，诊断效果会随之不断提升。

技术领域

本发明涉及心脏疾病的检测领域，特别是涉及基于人工智能模型的心脏疾病的检测方法。

背景技术

心脏疾病是一种比较常见的循环系统疾病，包括风湿性心脏病、高血压性心脏病、心肌炎和冠心病等，是一种高死亡率的疾病，心脏病给患者家庭带来了巨大的经济负担和生活灾难。世界卫生组织指出：在最易导致人类死亡的十大疾病当中，心脏疾病居于首位。然而，如果能对心脏疾病患者进行早期确诊，针对不同患者尽早采取有效必要的治疗手段，可以避免心脏病的突发造成的灾难性后果；因此，针对性地开展待测人员多病理特征的指标数据的获取，有效地进行心脏病的早期干预和治疗，对当前心脏疾病的检测和治疗具有重要的意义。

对待测人员多病理特征的指标数据的获取上，现有技术还有以下问题亟需解决：(1)对待测人员多病理特征的指标数据信息挖掘利用上，依然难以对连续的心脏动态信号进行基于人工智能模型的处理分析；(2)在对待测人员心脏电活动的动态病理特征的分析过程中，挖掘的动态病理信息和静态病理信息过于有限，无法全面客观地反映复杂的心脏电活动过程，不利于医生后期对待测人员的心脏疾病病情进行早期干预或进一步的精准治疗。

因此，有必要提供改进的技术方案以克服现有技术中存在的技术问题。

发明内容

本发明提供一种基于人工智能模型的心脏疾病的检测方法，包括构建心电向量图和心电非线性系统动态图的深度学习识别模型及构建心脏动态病理特征的量化数据、生物化学数据、人体生理信息数据和临床信息数据的机器学习分类模型等，并对不同模型识别分类所得心脏疾病结果赋以相应权重值，获得心脏疾病检测的综合判定结果。本发明提供的心脏疾病的检测方法，解决了心脏电活动连续的动态信号的模型处理方法、多病理特征量化数据的模型化分析及相同疾病在不同模型下的融合判断等方面的技术难题。本发明所述心脏疾病的检测方法提升了心脏疾病检测的准确率和检测效率，且随着扩充进数据库中不同类型病理特征的指标数据的增多，诊断效果会随之不断提升。

为了实现前述目的，本发明一方面提供一种基于人工智能模型的心脏疾病的检测方法，包括以下步骤：

步骤S1.获取特定心脏疾病多病理特征的指标数据，所述特定心脏疾病多病理特征的指标数据包括心脏动态病理特征的量化数据、心电向量图图像特征的指标数据和心电非线性系统动态数据中的一种或几种；

步骤S2.对步骤S1获取的所述特定心脏疾病多病理特征的指标数据进行机器学习，获取特定心脏疾病的机器学习判定模型。

在至少一个实施方式中，在如前所述的基于人工智能模型的心脏疾病的检测方法中，步骤S1所述心脏动态病理特征的量化数据包括：几何特征的量化指标数据、非线性动力学特征的量化指标数据、模型特征的量化指标数据、时域特征的量化指标数据和频域特征的量化指标数据中的一种或几种；优选地，步骤S1所述特定心脏疾病多病理特征的指标数据还包括辅助病理特征的量化指标数据、人体生理信息数据和临床信息数据中的一种或几种；更优选地，所述辅助病理特征的量化指标数据包括ECG形态指标的量化数据、和/或心电图图像特征的指标数据、和/或生物化学数据。