[发明专利]一种基于融合异源数据的宽深神经网络心肌梗死检测方法

说明书

本发明公开了一种基于融合异源数据的宽深神经网络心肌梗死检测方法，包括以下步骤：S1：数据预处理，读入12导联的心电信号的数据；S2：心拍数据提取；S3：异源数据预处理；S4：模型搭建，搭建联结12导联的心电信号与病人病历数据的宽深神经网络模型；S5：训练模型参数；S6:模型预测，对测试集样本进行自动识别，获得心肌梗死的二分类结果。本发明所述的一种基于融合异源数据的宽深神经网络心肌梗死检测方法，将心电数据与异源病人病历信息进行融合，采用宽深神经网络模型对多导联心电信号及异源病历数据进行联合建模，将心电数据与病人其他生理特征综合考虑，提升了心肌梗死的分类性能及判别准确率。

技术领域

本发明涉及医学信号处理技术领域，特别涉及一种基于融合异源数据的宽深神经网络心肌梗死检测方法。

背景技术

随着人工智能技术的发展,智能辅助诊断系统因其快速、可靠的特点已成为最具前景的临床诊断解决方案。由于心电远程监护技术的迅速发展和普及，以及当下可穿戴设备的流行我们可以很容易地得到病人的心电信号以及其他生理特征。传统上，医生可以通过观察心电信号中蕴含的信息来判断病人是否患心肌梗死，然而仅通过观察变化微弱的心电信号来推断病人状态的过程是费力的，并且容易因复杂的心电变化而产生错误的判断。因此,利用计算机来进行智能辅助的诊断系统可以克服对心电信号的评估限制，从而更好的辅助医生对病人心肌梗死的患病情况进行推断。然而传统的辅助诊断系统在使用过程中往往存在以下问题：1.传统的辅助诊断系统仅是对病人心电信号中的信息进行实时的分析进而得到其中的有效信息。即通过提取表征心电图有效信息的特征向量，并将其输入到分类器算法中，得到预测的心拍类别，从而判断病人是否患心肌梗死，但是由于心电信号变化较为微弱且复杂，单一地使用心电信号来对病人状态进行推断往往效果达不到临床要求，使得检测的准确度降低；2.传统的辅助诊断系统不具备病历信息的采集功能，不便于提供更为可靠的实施效果；3.现有传统的辅助诊断系统适用范围窄，对于具有病历信息及心电信息的病人不适用，且不能充分利用信息检测，提高了检测难度。

发明内容

本发明的主要目的在于提供一种基于融合异源数据的宽深神经网络心肌梗死检测方法，可以有效解决背景技术中的问题。

为实现上述目的，本发明采取的技术方案为：

一种基于融合异源数据的宽深神经网络心肌梗死检测方法，包括以下步骤：

S1：数据预处理，读入12导联的心电信号的数据,采用小波变换滤除原始心电信号中的工频干扰，采用巴特沃斯带阻滤波器滤除肌电干扰，采用中值滤波滤除原始心电信号中的基线漂移；

S2：心拍数据提取，通过小波变换检测R波位置，进而对R波前后数据点进行固定长度截取，从而完成对心拍数据提取；

S3：异源数据预处理，对于病人病历信息进行筛选，过滤出用户个人病历中与心肌梗死可能相关的特征进行预处理，并构建交叉特征；

S4：模型搭建，搭建联结12导联的心电信号与病人病历数据的宽深神经网络模型，宽度部分为广义线性回归模型，深度部分为七层全连接层，两个部分的输出各自构成损失函数的一部分；

S5：训练模型参数，初始化所述宽深神经网络的参数，将构建好的数据集拆分为训练集和测试集；利用训练集样本对模型宽度与深度部分进行联合训练，生成所述宽深神经网络的参数并保存；

S6:模型预测，对测试集样本进行自动识别，获得心肌梗死的二分类结果。

优选的，所述S2具体包括：读取降噪后12导联的心电信号数据，对每个导联心电信号根据同一时刻R波峰值处的位置固定向前截取200个样本点，向后截取400个样本点，使得每个导联的每个心拍固定截取600个点的数据，对相同时刻R波顶点每个导联所截取的600个点的心电信号进行行级上的拼接，此时原始每个心拍的心电信号的数据形成12*600维的样本，作为宽深神经网络模型的输入数据X1。