[发明专利]一种基于三维图像的深度学习模型的心脏疾病检测方法

权利要求书

1.一种基于三维图像的深度学习模型的心脏疾病检测方法，其特征在于，包括以下步骤：

步骤1. 获取样本数据，所述样本数据包括特定心脏疾病的病理特征的图像数据，所述特定心脏疾病的病理特征的图像数据包括心电非线性系统动态图和/或心电向量图；

步骤2. 对步骤1获取的样本数据进行深度学习，获得特定心脏疾病的深度学习判定模型。

2.根据权利要求1所述心脏疾病检测方法，其特征在于，步骤2中所述特定心脏疾病的深度学习判定模型包括卷积神经网络、循环神经网络、生成式对抗网络、堆叠自动编码器、深度信念网络、深度玻尔兹曼机和神经张量网络中的至少一种；优选地，步骤2还包括：对所述特定心脏疾病的深度学习判定模型进行迁移学习的训练步骤。

3.根据权利要求1所述心脏疾病检测方法，其特征在于，步骤1中所述特定心脏疾病的病理特征的图像数据还包括心电图；优选地，所述特定心脏疾病的病理特征的图像数据还包括心电向量图的二维平面投影图、和/或心电非线性系统动态图的二维平面投影图。

4.根据权利要求3所述心脏疾病检测方法，其特征在于，还包括步骤3：采集待测人员的心电图、和/或心电向量图、和/或心电非线性系统动态图，输入到步骤2中所述特定心脏疾病的深度学习判定模型，得到待测人员的心脏疾病检测结果：待测人员的心电图的特定心脏疾病的深度学习判定模型输出结果、和/或心电向量图的特定心脏疾病的深度学习判定模型输出结果、和/或心电非线性系统动态图特定心脏疾病的深度学习判定模型输出结果。

5.根据权利要求4所述心脏疾病检测方法，其特征在于，步骤3所述待测人员的心脏疾病检测结果还包括：选取待测人员的心电图的特定心脏疾病的深度学习判定模型输出结果、心电向量图的特定心脏疾病的深度学习判定模型输出结果、和心电非线性系统动态图的特定心脏疾病的深度学习判定模型输出结果中的至少两种用于所述心脏疾病检测方法时，需被赋以适应特定心脏疾病的权重值。

6.一种基于三维图像的深度学习模型的心脏疾病检测方法，其特征在于，包括以下步骤：

步骤1. 获取样本数据，所述样本数据包括心电图、心电向量图、心电非线性系统动态图中的至少一种；

步骤2. 对步骤1获取的样本数据进行预处理，得到预处理的样本数据；

步骤3. 对从步骤2得到的预处理的样本数据进行深度学习，获取特定心脏疾病的深度学习判定模型；

步骤4. 对从步骤3获得的特定心脏疾病的深度学习判定模型进行迁移学习，得到特定心脏疾病的自动鉴别模型；所述特定心脏疾病的自动鉴别模型是能够反映步骤1所述特定心脏疾病的病理特征的图像数据与特定心脏疾病对应关系的模型。

7.根据权利要求6所述心脏疾病检测方法，其特征在于，所述特定心脏疾病的深度学习判定模型包括卷积神经网络、循环神经网络、生成式对抗网络、堆叠自动编码器、深度信念网络、深度玻尔兹曼机和神经张量网络中至少一种。

8.一种基于深度学习模型的心脏疾病检测系统，其特征在于，包括数据获取模块、数据处理模块和疾病识别模块；其中，所述数据获取模块用于获取待测人员的心电非线性系统动态图、和/或心电向量图、和/或心电图；所述数据处理模块用于分析所述数据获取模块获取的图像，采用的分析工具为特定心脏疾病的深度学习判定模型；所述疾病识别模块根据所述数据处理模块的分析结果输出对应的心脏疾病的病情信息；

优选地，所述特定心脏疾病的深度学习判定模型是通过权力要求1-7任一权项所述心脏疾病检测方法构建。

9.一种心脏疾病的检测产品，其特征在于，所述检测产品使用了权利要求1-7任一权项所述心脏疾病检测方法。

10.一种根据权利要求9所述检测产品在心脏疾病检测上的应用。