[发明专利]一种基于深度学习算法的心脏性疾病风险预警系统及方法

摘要

本发明涉及一种基于深度学习算法的心脏性疾病风险预警系统及方法，其前期准备临床上获取正常心电信号和各类心脏性疾病的心电信号，将信号进行分段，并利用小波分析算法提取信号频率节律信息，并将获取到的频率节律信息分类送入深度学习框架进行训练，得到各类训练完的深度学习模型。后期运用用户佩戴可进行数据传输的心电采集装置，将采集到的心电信号上传到服务器，服务器提取信号频率节律信息并将频率节律信息首先送入到训练完的正常心电频率节律的深度学习模型进行判别，若存在心脏性疾病的征兆，将心电频率节律信息依次送入到训练好的各类心脏性疾病的深度学习模型中进行刷选评价，返回给用户具体类别心脏性疾病风险的报告单。

主权项

一种基于深度学习算法的心脏性疾病风险预警系统，其特征在于，包括临床、深度学习框架一至N、深度学习模型一至N、服务器、心电采集装置；临床上获取正常心电信号和各类心脏性疾病的心电信号，将信号分割成每段10秒的心电信号，并利用小波分析算法提取信号频率节律信息，并将获取到的频率节律信息分类送入深度学习框架一至N进行训练，相应的得到各类训练完的深度学习模型一至N，并存储于服务器中，其中N≥4；用户佩戴可进行数据传输的心电采集装置，将采集到的心电信号通过移动通讯网络或者Wifi上传到服务器，服务器将采集到的原始心电数据利用小波分析算法提取信号频率节律信息，原始心电信号及频率节律信息均存储于服务器中；服务器中存有训练完成后的深度学习模型一，并具有信息交互的功能，将频率节律信息首先送入到训练完的正常心电频率节律的深度学习模型一进行判别，判断是否存在心脏性疾病的征兆；服务器中存有训练完成后的深度学习模型二至N，并具有信息交互的功能，若存在心脏性疾病的征兆，将心电频率节律信息依次送入到训练好的各类心脏性疾病的深度学习模型中，返回给用户具体类别心脏性疾病风险的报告单，指导用户及时就医；服务器存储的深度学习模型一至N具有再训练的功能，每隔一段时间，对收集到的心电数据送入深度学习模型进行再训练。