[发明专利]基于人工智能自学习的静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静态心电图分析方法和装置,包括数据预处理，心搏检测，基于深度学习方法的心搏分类，心搏的审核，心搏波形特征检测，心电图事件的测量与分析，最终自动输出报告数据，实现了一个完整快速流程的静态心电图的自动化分析方法。本发明的静态心电图分析方法，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

一种基于人工智能自学习的静态心电图分析方法，其特征在于，所述方法包括：接收静态心电监测设备输出的静态心电图数据；将所述静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静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静态心电图数据进行心搏检测处理，识别所述静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；同时，确定心搏数据的导联参数；对所述心搏数据，基于导联参数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；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；对所述心搏分析数据在所述一次分类信息下根据所述静态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；根据所述心搏时间序列数据和心搏分类信息，对所述心搏分析数据进行心搏波形特征检测，确定特征心搏；确定特征心搏中QRS波群的详细特征信息；并确定特征心搏中P波和T波的详细特征信息；计算得到特征心搏平均波形数据以及测量值；对所述心搏分类信息数据和所述特征心搏平均波形数据，根据静态心电图基本规律参考数据，遵循心电图明尼苏达编码的分类标准，生成并且输出心电图事件数据，测量值数据和特征心搏平均波形数据。