用于执行心电图分析的框架制造技术

一种用于执行心电图(ECG)分析的方法和设备，该方法包括：接收来自一个或多个导联的ECG数据；基于ECG数据生成图像；基于图像获得特征图；将特征图输入到第一神经网络，该第一神经网络被配置为基于所输入的特征图生成输出；将第一神经网络的输出输入到第二神经网络，该第二神经网络被配置为基于第一神经网络的输出和第二神经网络的先前状态，获得图像的至少一个时间特征；以及基于第二神经网络获得的至少一个时间特征，对包括在ECG数据中的信号进行分类。分类。

【技术实现步骤摘要】
【国外来华专利技术】用于执行心电图分析的框架
[0001]相关申请的交叉引用
[0002]本申请要求于2019年10月21日在美国专利和商标局提交的申请号为16/658,943的美国专利申请的优先权，其公开内容通过引用整体并入本申请中。

技术介绍

[0003]心电图记录心脏中的电信号。它是用于检测心脏问题(诸如心房纤颤(AFib)、心室纤颤(VFib)和心肌梗塞)的常见检查。大多数常规的心电图(ECG)分析方法都是基于一维数字信号。这些方法应用诸如小波变换等数字信号处理算法，从诸如P波和R波间隔的ECG信号中提取特征。然而，当检查中遗漏一些特征时，这些方法缺乏可靠性。一些方法将神经网络应用于AFib检测。这些神经网络非常浅，无法采集上下文特征。

技术实现思路

[0004]根据实施例，一种由至少一个处理器执行的心电图(ECG)分析方法包括：接收来自一个或多个导联的ECG数据；基于ECG数据生成图像；基于图像获得特征图；将特征图输入到第一神经网络，第一神经网络被配置为基于所输入的特征图生成输出；将第一神经网络的输出输入到第二神经网络，第二神经网络被配置为基于第一神经网络的输出和第二神经网络的先前状态，获得图像的至少一个时间特征；以及基于第二神经网络获得的至少一个时间特征，对包括在ECG数据中的信号进行分类。
[0005]根据实施例，一种用于执行心电图(ECG)分析的设备，包括：至少一个存储器，被配置为存储计算机程序代码；以及至少一个处理器，被配置为访问所述计算机程序代码并按照所述计算机程序代码的指令进行操作。所述计算机程序代码包括：图像生成代码，被配置为使至少一个处理器基于由设备从一个或多个导联接收的ECG数据生成图像。所述计算机程序代码还包括特征提取代码，被配置为使至少一个处理器基于图像获得特征图，将特征图输入到第一神经网络，第一神经网络被配置为基于所输入的特征图生成输出，将第一神经网络的输出输入到第二神经网络，第二神经网络被配置为基于第一神经网络的输出和第二神经网络的先前状态，获得图像的至少一个时间特征。所述计算机程序代码还包括分类代码，被配置为使至少一个处理器基于第二神经网络获得的至少一个时间特征，对包括在ECG数据中的信号进行分类。
[0006]根据实施例，一种非易失性计算机可读介质，存储指令，所述指令包括：一个或多个指令，当所述一个或多个指令由至少一个处理器执行以执行心电图(ECG)分析时，使得至少一个处理器执行包括以下各项的操作：接收来自一个或多个导联的ECG数据；基于ECG数据生成图像；基于图像获得特征图；将特征图输入到第一神经网络，第一神经网络被配置为基于所输入的特征图来生成输出；将第一神经网络的输出输入到第二神经网络，第二神经网络被配置为基于第一神经网络的输出和第二神经网络的先前状态，获得图像的至少一个时间特征；以及基于第二神经网络获得的至少一个时间特征，对包括在ECG数据中的信号进行分类。
附图说明
[0007]从以下详细描述和附图，本申请所公开的主题的其它特征、性质及各种优点将更加明显，其中：
[0008]图1是根据实施例的可以在其中实施本申请中描述的方法、装置和系统的环境的图。
[0009]图2是图1的一个或多个设备的示例部件的图。
[0010]图3是实施例的MG
‑
ECG分析框架的架构图。
[0011]图4图示了ECG信号的示例。
[0012]图5图示了由实施例生成的三维图表的示例。
[0013]图6图示了由实施例生成的瀑布图的示例。
[0014]图7是图示实施例的特征提取模块的图。
[0015]图8是图示实施例的特征提取模块的ResNet模块的图。
[0016]图9是图示实施例的ResNet模块的ResNet块的图。
[0017]图10是图示实施例的特征提取模块的RNN模块的图。
[0018]图11是根据实施例的执行ECG分析的方法的流程图。
[0019]图12是根据实施例的用于执行ECG分析的装置的图。
具体实施方式
[0020]心房纤颤(AFib)和心室纤颤(VFib)是临床实践中遇到的两种心律失常。AFib和VFib的大多数检测方法都涉及心电图(ECG)分析。ECG检查记录心脏的电活动，并将脉冲显示为波形。受到损伤的心脏会传导不规则的脉冲，从而导致ECG中出现颤动波。
[0021]在本申请的至少一个实施例中，提供了一种基于深度学习的系统和方法，以检测不规则脉冲并在规则心跳和AFib或VFib之间进行分类。例如，本申请实施例的系统将一维信号的ECG信号作为输入，将一维ECG信号变换成多维图像序列，该多维图像序列对更多时间信息和空间信息进行编码。然后，将数据提供给用于AFib和VFib检测的系统的基于深度学习的模型训练框架。在本申请实施例中，基于深度学习的模型训练框架可以通过使用例如图像生成模块、特征提取模块和信号分类模块的技术来实现，图像生成模块、特征提取模块和信号分类模块组合地执行数据处理模块和检测模块的功能。
[0022]本申请的一些实施例可以读取ECG信号并自动检测AFib或VFib。本申请的一些实施例不限于单导联或多导联信号。本申请的一些实施例可以将传统的一维ECG信号转换成二维图像，这提供了一种更可靠和高效的模型训练方式。本申请的一些实施例实现了更好的性能，并且可以应用于ECG分析的多个领域，特别是用于计算机辅助诊断。
[0023]本申请实施例提供了一种鲁棒且高效的AFib和VFib检测方法。例如，执行所述框架的至少一个处理器可以将来自不同导联的正常信号和AFib信号或VFib ECG信号转换成图像序列。执行所述框架的至少一个处理器可以通过训练一个或多个深度神经网络模型来提取深度特征，在处理复杂的输入信号时，这比手工制作的特征更可靠。执行所述框架的至少一个处理器能够区分正常心跳和AFib或VFib，无论数据来自哪个导联。因此，本申请实施例节省了分析ECG信号的大量时间和手工，并且可以应用于许多ECG分析任务，诸如计算机辅助诊断和ECG监测。
[0024]图1是根据实施例的，可以实施本文所描述的方法、装置和系统的环境100的示意图。如图1所示，环境100可以包括用户设备110、平台120和网络130。环境100的设备可以通过有线连接、无线连接或有线和无线连接的组合进行互连。
[0025]用户设备110包括一个或多个设备，该一个或多个设备能够接收、生成、存储、处理和/或提供与平台120相关的信息。例如，用户设备110可以包括计算设备(例如，台式计算机、膝上型计算机、平板计算机、手持式计算机、智能扬声器、服务器等)、移动电话(例如，智能电话、无线电话等)、可穿戴设备(例如，智能眼镜或智能手表)或相似设备。在一些实施方式中，用户设备110可以从平台120接收信息和/或向平台120发送信息。
[0026]平台120包括如本文中其它地方所描述的一个或多个设备。在一些实施方式中，平台120可以包括云服务器或云服务器组。在一些实施方式本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种由至少一个处理器执行的心电图ECG分析方法，其特征在于，所述方法包括：接收来自一个或多个导联的ECG数据；基于所述ECG数据生成图像；基于所述图像获得特征图；将所述特征图输入到第一神经网络，所述第一神经网络被配置为基于所输入的所述特征图生成输出；将所述第一神经网络的所述输出输入到第二神经网络，所述第二神经网络被配置为基于所述第一神经网络的所述输出和所述第二神经网络的先前状态，获得所述图像的至少一个时间特征；以及基于所述第二神经网络获得的所述至少一个时间特征，对包括在所述ECG数据中的信号进行分类。2.根据权利要求1所述的方法，其特征在于，基于所述ECG数据生成的所述图像是包括三个维度信息的图表，所述三个维度的信息涉及来自所述一个或多个导联的至少一个ECG信号，包括所述信号。3.根据权利要求2所述的方法，其特征在于，基于所述ECG数据生成的所述图像是瀑布图。4.根据权利要求1所述的方法，其特征在于，所述第一神经网络是残差神经网络ResNet。5.根据权利要求4所述的方法，其特征在于，所述ResNet是包括串联提供的多个ResNet块的模型，所述多个ResNet块中的每一个ResNet块是卷积神经网络。6.根据权利要求5所述的方法，其特征在于，所述多个ResNet块中的每一个ResNet块包括应用该ResNet块的输入的至少一个权重层、至少一个修正线性单元ReLU以及相加层，所述相加层被配置为将所述ResNet块的所述至少一个权重层的所述输入与所述ResNet块的所述至少一个权重层的输出相加在一起。7.根据权利要求1所述的方法，其特征在于，所述第二神经网络是递归神经网络RNN。8.根据权利要求1所述的方法，其特征在于，所述对信号进行分类包括确定所述信号是否对应于正常信号、心房纤颤AFib信号或心室纤颤VFib信号。9.根据权利要求1所述的方法，其特征在于，还包括：将确定所述信号是否对应于所述正常信号、所述AFib信号或所述VFib信号的结果输出到显示器，以显示所述结果。10.根据权利要求1所述的方法，其特征在于，所述第一神经网络是残差神经网络ResNet，并且所述第二神经网络是递归神经网络RNN。11.一种用于执行心电图ECG分析的设备，其特征在于，所述设备包括：至少一个存储器，被配置为存储计算机程序代码；以及至少一个处理器，被配置为访问所述计算机程序代码并按照所述计算机程序代码的指令进行操作，所述计算机程序代码包括：图像生成代码，被配置为使所述至少一个处理器基于由所述设备从一个或多个导联接收的ECG数据生成图像；
特征提取代码，被配置为使所述至少一个处理器：基于所述图像获得特征图，将所述特征图输入到第一神经网络，所述第一神经网络被配置为...

【专利技术属性】
技术研发人员：王旭，王堃，张尚卿，涂旻，陈晓钟，范伟，
申请(专利权)人：腾讯美国有限责任公司，
类型：发明
国别省市：