[发明专利]基于人工智能自学习的动态心电图分析方法和装置

摘要

本发明实施例涉及一种基于人工智能自学习的动态心电图分析方法和装置,包括数据的预处理，心搏特征检测，基于深度学习方法的干扰信号检测和心搏分类，信号质量评估与导联合并，心搏的审核，心电图事件和参数的分析计算，最终自动输出报告数据，实现了一个完整快速流程的动态心电图的自动化分析方法。本发明的动态心电图分析方法，还可以记录对自动分析结果的修改信息，并收集这些修改的数据反馈给深度学习模型继续训练，不断地改进和提升自动分析方法的准确率。

主权项

1.一种基于人工智能自学习的动态心电图分析方法，其特征在于，所述方法包括：接收动态心电监测设备输出的动态心电图数据；将所述动态心电图数据的数据格式经过重采样转换为预设标准数据格式，并对转换后的预设标准数据格式的动态心电图数据进行第一滤波处理；对所述第一滤波处理后的动态心电图数据进行心搏检测处理，识别所述动态心电图数据包括的多个心搏数据，每个所述心搏数据对应一个心搏周期，包括相应的P波、QRS波群、T波的幅值和起止时间数据；根据所述心搏数据确定每个心搏的检测置信度；根据训练得到的干扰识别二分类模型对所述心搏数据进行干扰识别，得到心搏数据是否存在干扰噪音，以及用于判断干扰噪音的一个概率值；根据所述检测置信度确定心搏数据的有效性，并且，根据确定有效的心搏数据的导联参数和心搏数据，基于所述干扰识别的结果和时间规则合并生成心搏时间序列数据；根据所述心搏时间序列数据生成心搏分析数据；获取心搏分类样本数据进行训练，在训练收敛后得到心搏分类模型；根据训练得到的心搏分类模型对所述心搏分析数据进行幅值和时间表征数据的特征提取和分析，得到所述心搏分析数据的一次分类信息；对所述一次分类信息结果中的特定心搏的心搏分析数据输入到训练好的ST段和T波改变模型进行识别，确定ST段和T波评价信息；根据所述心搏时间序列数据，对所述心搏分析数据进行P波和T波特征检测，确定每个心搏中P波和T波的详细特征信息，详细特征信息包括幅值、方向、形态和起止时间的数据；对所述心搏分析数据在所述一次分类信息下根据心电图基本规律参考数据、所述P波和T波的详细特征信息以及所述ST段和T波评价信息进行二次分类处理，最终得到心搏分类信息；对所述心搏分析数据进行信号质量分析，评估所述心搏分析数据的信号质量，得到所述心搏分析数据的信号质量评价参数；根据心电图基本规律参考数据对所述心搏分类信息进行分析匹配，根据信号质量评价参数对所述分析匹配的结果进行处理，生成心电图事件数据；对所述心电图事件数据进行统计分析，得到相应的报告结论数据和报告表项数据；根据信号质量评价参数对所述心电图事件数据进行评估，生成报告图形数据；并且输出所述报告表项数据、报告图形数据和报告结论数据。