[发明专利]心律失常检测的方法、装置以及存储介质

说明书

本申请公开了一种心律失常检测的方法、装置以及存储介质。其中，该方法包括：获取待检测对象的心电数据；通过预先设置的神经网络模型对心电数据进行识别，生成用于标识待检测对象的心律失常类型的识别结果；以及根据识别结果，确定待检测对象的心律失常情况。解决了现有技术中存在的由于不同人群的心电波形各异存在不确定性，因此影响心律失常检测算法的精准度的技术问题。

技术领域

本申请涉及计算机人工智能技术领域，特别是涉及一种心律失常检测的方法、装置以及存储介质。

背景技术

传统心律失常检测方法使用多导联心电图检查，由医生根据心电图的影像结果，结合自身医疗经验进行诊断。一些医疗机构推出远程心电诊断服务，用户能够在家中使用多导联心电图机采集心电数据，上传到远程诊断平台，进而由医生或机器算法对心电图进行分析。随着智能便携式设备的普及，单导联心电数据由于其易于获取的特性得到了更广泛的使用。而与之相适应的，针对单导联心电数据的自动化心电图分析算法也得到进一步的发展。

现有的单导联心律失常自动识别算法，主要通过对采集到的心电数据的多角度特征提取，包括时域特征如心率、PR间期、QT间期等；频域特征如功率谱和小波变换等；伴随可选的其他身体特征数据，如体重、血氧、血压等，与预先定义的典型心律失常特征模型进行比较，从而判断采集的心电数据是否属于某种心律失常。比较方式通常包括单一或多阈值判断、向量近似度分析、支持向量机分类、神经网络分类等。但是，现有的基于特征提取的心律失常自动识别算法，需要直接或间接地识别心电信号中每个心跳周期不同阶段的波形特征，并识别出它们之间随时间的复杂相互关系。由于每个人的心电波形形态各异，并且单导联心电数据的采集场景不同于医疗机构，存在更多的干扰和不确定性，使得现有算法的精确度难以令人满意。

针对上述的现有技术中存在的不同人群的心电波形各异存在不确定性，因此影响心律失常检测算法的精准度的技术问题，目前尚未提出有效的解决方案。

发明内容

本公开的实施例提供了一种心律失常检测的方法、装置以及存储介质，以至少解决现有技术中存在的不同人群的心电波形各异存在不确定性，因此影响心律失常检测算法的精准度的技术问题。

根据本公开实施例的一个方面，提供了一种心律失常检测的方法，包括：获取待检测对象的心电数据；通过预先设置的神经网络模型对心电数据进行识别，生成用于标识待检测对象的心律失常类型的识别结果；以及根据识别结果，确定待检测对象的心律失常情况。

根据本公开实施例的另一个方面，还提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时由处理器执行以上任意一项所述的方法。

根据本公开实施例的另一个方面，还提供了一种心律失常检测的装置，包括：数据获取模块，用于获取待检测对象的心电数据；识别模块，用于通过预先设置的神经网络模型对心电数据进行识别，生成用于标识待检测对象的心律失常类型的识别结果；以及异常确定模块，用于根据识别结果，确定待检测对象的心律失常情况。

根据本公开实施例的另一个方面，还提供了一种心律失常检测的装置，包括：处理器；以及存储器，与处理器连接，用于为处理器提供处理以下处理步骤的指令：获取待检测对象的心电数据；通过预先设置的神经网络模型对心电数据进行识别，生成用于标识待检测对象的心律失常类型的识别结果；以及根据识别结果，确定待检测对象的心律失常情况。

在本公开实施例中，可以利用神经网络模型对待检测对象的心电数据进行识别，生成用于标识待检测对象的心律失常类型的识别结果。最终，根据识别结果确定待检测对象的心律失常情况。从而，可以利用神经网络对各种形态的心电数据进行识别，避免了不同人群心电波形不确定性对检测结果的影响。此外，还可以针对不同类型的心律失常情况进行检测，因此能够大大提高心律失常检测结果的精确度。进而解决了现有技术中存在的由于不同人群的心电波形各异存在不确定性，因此影响心律失常检测算法的精准度的技术问题。

附图说明