[发明专利]用于确定心律失常类型的系统和方法

权利要求书

1.一种用于确定心律失常类型的系统，该系统包括：

至少一个存储装置，包括一组用于确定心律失常类型的指令集；以及

至少一个与所述存储装置通信的处理器，其中，当执行所述指令集时，所述至少一个处理器用于：

获取心电信号；

获取所述心电信号的特征向量；

获取训练后的预测模型；以及

根据所述训练后的预测模型和所述特征向量，确定所述心电信号的心律失常类型。

2.根据权利要求1所述的方法，其中，所述特征向量包括过阈值采样(TCSC)百分比特征、L-Z复杂度特征、经验模态分解(EMD)复数特征、样本熵特征和小波变换能量特征集。

3.根据权利要求1所述的方法，其中，为了获取所述训练后的预测模型，所述至少一个处理器还用于：

获取包括至少两个心律失常类型的历史心电信号的训练样本；

获取所述训练样本的特征向量；

获取初步预测模型，所述初步预测模型包括分类器模型；以及

使用所述训练样本和所述训练样本的特征向量作为所述分类器模型的输入，训练所述初步预测模型以获取所述训练后的预测模型。

4.根据权利要求3所述的方法，其中，所述分类器模型包括以下至少之一：随机森林模型、BP神经网络模型、支持向量机(SVM)模型或小波神经网络模型。

5.根据权利要求3所述的方法，其中，为了训练所述初步预测模型以获取所述训练后的预测模型，所述至少一个处理器进一步用于：

使用所述训练样本和所述训练样本的特征向量作为所述分类器模型的输入，训练所述初步预测模型，以获取中间预测模型；

获取包括至少两个心律失常类型的历史心电信号的测试样本；

获取所述测试样本的特征向量；

根据所述测试样本和所述测试样本的特征向量，确定所述中间预测模型的准确率，其中，所述测试样本和所述测试样本的特征向量是所述中间预测模型的输入；

确定所述准确率是否大于准确率阈值；以及

当所述准确率大于所述准确率阈值时，指定所述中间预测模型。

6.根据权利要求5所述的方法，其中，训练所述初步预测模型以获取所述训练后的预测模型，还包括：

当所述准确率不大于所述准确率阈值时，对所述中间预测模型进行重新训练。

7.根据权利要求1所述的方法，其中，所述心律失常类型包括以下至少一种：心室纤颤(VF)、室性心动过速(VT)、室性扑动(VFL)或室上性心动过速(SVT)。

8.一种用于确定心律失常类型的方法，该方法在具有至少一个处理器和至少一个存储装置的计算设备上实现，该方法包括：

获取心电信号；

获取所述心电信号的特征向量；

获取训练后的预测模型；以及

基于所述训练后的预测模型和所述特征向量，确定所述心电信号的心律失常类型。

9.根据权利要求8所述的方法，其中，所述特征向量包括过阈值采样(TCSC)百分比特征、L-Z复杂度特征、经验模态分解(EMD)复数特征、样本熵特征和小波变换能量特征集。

10.根据权利要求8所述的方法，其中，获取所述训练后的预测模型包括：

获取包括至少两个心律失常类型的历史心电信号的训练样本；

获取所述训练样本的特征向量；

获取初步预测模型，所述初步预测模型包括分类器模型；以及

使用所述训练样本和所述训练样本的特征向量作为所述分类器模型的输入，训练所述初步预测模型以获取所述训练后的预测模型。

11.根据权利要求10所述的方法，其中，所述分类器模型包括以下至少之一：随机森林模型、BP神经网络模型、支持向量机(SVM)模型或小波神经网络模型。