[发明专利]一种多导联心电信号分析方法及多导联心肌梗死分析系统

权利要求书

1.一种多导联心电信号分析方法，其特征在于，包括如下步骤：

S1.对系统的参数进行设定，根据设定的导联数目N和设定的训练数据集自主生成神经网络结构；其中，N为正整数；

S2.针对生成的神经网络，通过cross-attention机制对各个导联的信号特征进行多模态融合处理，实现多导联心电信号在临床检测上的特征富集；

S3.依据self-attention机制对心电信号的时域特征进行连接抽取；

S4.将cross-attention机制和self-attention机制联用后的融合特征输入到卷积神经网络中，通过设定的训练数据集对生成的神经网络进行训练，将训练完成的网络进行使用，得到心电信号预测为心肌梗死的置信度。

2.一种多导联心肌梗死分析系统，其特征在于，包括融合系统操作模块、数据采集模块、ECG信号预处理模块、卷积模块与注意力融合模块以及数据分析模块；

所述融合系统操作模块用于设定系统的参数并且向其他模块发出命令从而实现对本系统的操控；所述参数包括系统适配的导联数目N、训练数据集、系统状态和系统数据的输出格式；所述系统状态包括神经网络训练状态和心肌梗死分析状态；

所述数据采集模块通过多导联心电采集设备对心电信号进行采集，通过将心电信号数字化后存储的方式完成采集；

所述ECG信号预处理模块用于对数据采集模块采集的数据或者下载的数据进行预处理；所述ECG信号预处理模块依赖于融合系统操作模块的系统状态；

所述卷积模块与注意力融合模块用于对预处理后的心电信号进行多模态融合处理，输出心电信号为心肌梗死的概率；所述融合系统操作模块设定为神经网络训练状态时，调用模型训练子模块；所述融合系统操作模块设定为心肌梗死分析状态时，调用模型检测子模块；

所述数据分析模块接收来自卷积模块与注意力融合模块的预测结果，对各个心拍的预测结果进行整合并分析，输出整条心电信号为心肌梗死信号的置信度和检测报告。

3.根据权利要求2所述的多导联心肌梗死分析系统，其特征在于，所述ECG信号预处理模块，当融合系统操作模块设定为神经网络训练状态时，读取融合系统操作模块设定的导联数目和检测疾病；读取带有标签的心电信号数据集；读取数据集标签信息中的R波坐标位置信息，如果数据中没有R波标注消息则对原信号进行滤波处理得到滤波数据和未进行滤波的未滤波数据；对完成滤波的数据进行R波检测；通过依据R波检测得到的心拍中的R波坐标或者读取的标签中的R波坐标对未滤波数据进行切割；输出数据到卷积模块与注意力融合模块的模型训练子模块。

4.根据权利要求2所述的多导联心肌梗死分析系统，其特征在于，所述ECG信号预处理模块，当融合系统操作模块设定为心肌梗死分析状态时，对读取的采集模块的多导联采集信号进行滤波处理；对完成滤波的心电信号进行R波检测；通过依据R波检测得到的心拍中的R波坐标对心电信号进行切割；输出数据到卷积模块与注意力融合模块的模型检测子模块。

5.根据权利要求4所述的多导联心肌梗死分析系统，其特征在于，所述ECG信号预处理模块的滤波处理是指使用低通滤波器对心电信号中的高频部分进行滤除。

6.根据权利要求2所述的多导联心肌梗死分析系统，其特征在于，所述模型训练子模块是根据融合系统操作模块设定的导联数目N，自动生成适配的神经网络；使用cross-attention机制和self-attention机制联用的融合模块，对多导联的心电信号进行融合处理，通过cross-attention机制对各个导联之间的心电信号进行一个交互并通过反向传播赋予cross-attention机制选择各个导联心电信号质量和疾病判别重要性的能力，实现多导联心电信号在临床检测上的特征富集；使用self-attention机制对导联内的心电信号寻找时间序列的特征，对心电信号的时间序列特征进行连接抽取；将cross-attention机制和self-attention机制联用的融合模块得到的融合特征输入到神经网络中，对心电信号的形态学特征进行识别和定位；调用读取的数据集对神经网络进行训练，保存最优效果的训练参数。