[发明专利]基于心磁图视频数据的心肌缺血预测模型及其构建方法

说明书

本发明公开了基于心磁图视频数据的心肌缺血预测模型的构建方法，包括：采集病人的原始心磁信号和诊断信息；根据诊断信息，对原始心磁信号进行标记，得心磁信号标签；将原始心磁信号进行空间重建，得心磁图视频数据；提取心磁图视频数据的视频特征；将心磁图视频数据输入四维时序分类网络，以心磁信号标签作为输出进行训练，得训练好的四维时序分类网络；将心磁图视频数据进行降维处理，并输入三维空间分类网络，以心磁信号标签作为输出进行训练，得到训练好的三维空间分类网络；将视频特征、训练好的四维时序分类网络和训练好的三维空间分类网络进行融合，即得。本发明构建的心肌缺血预测模型大幅提升了心肌缺血诊断预测的分类准确度。

技术领域

本发明涉及心磁图数据分析领域。更具体地说，本发明涉及一种基于心磁图视频数据的心肌缺血预测模型及其构建方法。

背景技术

心磁图是一种通过检测人体心脏电活动产生的磁场而进行成像分析的新型心脏疾病诊断方法，在冠心病、心肌缺血等方面具有良好的应用潜力。心磁图对心肌缺血等疾病预测的灵敏度和准确度接依赖于数据解读。现有的心磁图解读方法主要依靠专业医生进行人工分类，不仅人力成本高、效率低、时间长，同时准确度也极大地受医生经验影响，导致心磁图的心肌缺血临床诊断准确度不高。采用机器学习方法对病例的心磁图特征数据进行挖掘，构建心肌缺血预测模型，可极大提高基于心磁图的心肌缺血分类效率及准确率，同时节约医生这一稀缺人力资源。但是，现有的机器学习方法只是对一维的心磁信号数据进行构建自动分类模型，这些模型大多是基于单一模型如支持向量机，直接核法或神经网络等方法实现分类功能，分类准确度还有很大提升空间。基于心磁图视频数据构建心肌缺血预测分类模型，目前还未见报道。

发明内容

本发明的一个目的是提供一种基于心磁图视频数据的心肌缺血预测模型及其构建方法，以解决现有人工分类方法及机器学习方法准确率低的问题，本发明所述方法分类准确度得到了大幅提升和改善。

为了实现本发明的目的和其它优点，提供了一种基于心磁图视频数据的心肌缺血预测模型的构建方法，包括：

采集病人的原始心磁信号和诊断信息；

根据所述诊断信息，对所述原始心磁信号进行标记，得心磁信号标签；

将所述原始心磁信号进行空间重建，得心磁图视频数据；

提取所述心磁图视频数据的视频特征；

将所述心磁图视频数据输入四维时序分类网络，以所述心磁信号标签作为输出，对所述四维时序分类网络进行训练，得训练好的四维时序分类网络；

将所述心磁图视频数据进行降维处理，然后将降维后的心磁视频输入三维空间分类网络，以所述心磁信号标签作为输出，对所述三维空间分类网络进行训练，得训练好的三维空间分类网络；

将所述视频特征、训练好的四维时序分类网络和训练好的三维空间分类网络进行融合，得所述基于心磁图视频数据的心肌缺血预测模型。

优选的是，所述的基于心磁图视频数据的心肌缺血预测模型的构建方法，所述四维时序分类网络为基于TimeSformer的无卷积时序视频分类网络模型。

优选的是，所述的基于心磁图视频数据的心肌缺血预测模型的构建方法，所述三维空间分类网络为基于Resnet3D改良的三维卷积神经网络模型。