[发明专利]一种无症状冠状动脉重度狭窄的心电图筛查方法和系统

说明书

本发明公开一种无症状冠状动脉重度狭窄的心电图筛查方法和系统，其中，心电图筛查方法包括：构建冠状动脉数据集；标记心电图分别为重度狭窄标签和非重度狭窄标签；输入冠状动脉数据集至心电图神经网络模型，得到心电图向量特征表示；拼接心电图向量特征表示和危险因素向量特征表示得到冠状动脉拼接向量；使用非深度神经网络分类算法计算冠状动脉拼接向量，得到分类结果；使用重度狭窄标签或非重度狭窄标签验证分类结果；最后使用非深度神经网络分类算法筛查受试者心电图。本发明的技术方案能解决现有技术条件下冠脉造影检查不容易获取以及因心电图阴性导致极易漏诊的高危冠心病患者，其重度冠脉狭窄判定缺少专一性和准确性的问题。

技术领域

本发明涉及网络通信技术领域，尤其涉及一种无症状冠状动脉重度狭窄的心电图筛查方法和系统。

背景技术

冠状动脉是供给心脏血液的动脉血管，直接决定心脏的供血功能。若出现重度的冠状动脉狭窄，即动脉管腔直径狭窄≥90%，则会严重威胁人类的生命健康，一旦发现冠状动脉重度狭窄，就必须及时进行血运重建，开通重度狭窄的血管，恢复正常的血流灌注。

通常情况下由于心脏冠状动脉供血系统的代偿机制，即使存在冠状动脉重度狭窄，冠状动脉仍能通过建立侧支循环等方式维持心脏供血，患者也可能缺乏冠状动脉狭窄典型的心绞痛症状，这就导致患者不会主动就医；另外在例行体检心电图中也难以明确冠状动脉的异常，导致心电图阴性的高危冠心病患者极易被漏诊，错过诊疗的最佳时期。

现有的科研团队利用深度学习模型匹配12导联标准心电图和冠状动脉造影的结果，能够对冠状动脉狭窄程度和位置进行判断，但是上述方法并不能够专门针对心电图阴性的冠状动脉重度狭窄的患者进行筛查，不具有严格意义上冠状动脉重度狭窄判定的专一性和准确性；此外上述模型需要大量的冠状动脉造影结果，而由于冠状动脉造影是有创检查，其造影结果并不容易获得，所以上述方法并不具有普适性。

发明内容

本发明提供一种无症状冠状动脉重度狭窄的心电图筛查方案，旨在解决现有技术提供的冠状动脉造影结果不具备心电图阴性的冠状动脉狭窄判定的专一性和准确性，并且是有创检查，造影结果不容易获取，不具有普适性的问题。

为实现上述目的，根据本发明的第一方面，本发明提出了一种无症状冠状动脉重度狭窄的心电图筛查方法，包括：

构建冠状动脉数据集，其中，冠状动脉数据集包括冠状动脉狭窄患者的心电图和冠心病危险因素；

根据冠状动脉狭窄程度，标记心电图分别为重度狭窄标签和非重度狭窄标签；

将冠状动脉数据集输入至心电图神经网络模型，得到心电图向量特征表示；

拼接心电图向量特征表示和冠心病危险因素对应的危险因素向量特征表示，得到冠状动脉拼接向量；

使用非深度神经网络分类算法不断计算冠状动脉拼接向量，直至得到的狭窄标签分类结果符合对应的重度狭窄标签或非重度狭窄标签；

使用心电图神经网络模型和非深度神经网络分类算法筛查受试者的心电图。

优选的，上述心电图筛查方法，将冠状动脉数据集输入至心电图神经网络模型，得到心电图向量特征表示的步骤包括：

将标记后的所有心电图分别输入至心电图神经网络模型，得到对应的心电图向量特征表示；

对心电图向量特征表示中的各元素进行归一化处理，得到归一化处理后的心电图向量特征表示。

优选的，上述心电图筛查方法，拼接心电图向量特征表示和冠心病危险因素对应的危险因素向量特征表示，得到冠状动脉拼接向量的步骤包括：

对冠心病危险因素进行分类标记和归一化处理，得到危险因素向量特征表示；

拼接同一冠状动脉狭窄患者的心电图向量特征表示和危险因素向量特征表示，得到冠状动脉拼接向量。