一种利用窦性心律心电图预测阵发性室上性心动过速的方法技术

本发明专利技术涉及人工智能医疗技术领域，尤其为一种利用窦性心律心电图预测阵发性室上性心动过速的方法，包括建立心电图数据集；心电图预处理；搭建阵发性室上性心动过速预测模型；设计阵发性室上性心动过速预测模型评价指标；选择学习率与优化器；阵发性室上性心动过速预测模型的训练、验证及测试；阵发性室上性心动过速预测模型定期训练，提高模型泛化能力。本发明专利技术通过搭建卷积神经网络模型，实现在大量的窦性心电图中自动识别出患有阵发性室上性心动过速的患者，从而为阵发性室上性心动过速的诊断提供新思路。诊断提供新思路。诊断提供新思路。

A method of predicting paroxysmal supraventricular tachycardia by sinus rhythm electrocardiogram

【技术实现步骤摘要】
一种利用窦性心律心电图预测阵发性室上性心动过速的方法


[0001]本专利技术涉及人工智能医疗
，具体为一种利用窦性心律心电图预测阵发性室上性心动过速的方法。

技术介绍

[0002]阵发性室上性心动过速是一种在窦性心律期间无症状且不易检测到的常见疾病，它具有突发突止、未发病时心电图可能接近正常等特点，其诊断依赖于发病时心电图检查或者电生理检查术。因其突发突止的特点，阵发性室上性心动过速时常难以捕捉，许多患者至医院就诊时已恢复正常，心电图等常规检查技术不能依据病人窦性心律期间的心电图做出诊断或者排除阵发性室上性心动过速，从而延误患者诊治，影响患者生活质量。电生理检查术是一种有创和有风险的检查方式，且需要住院占用大量医疗资源。针对目前尚无一种有效的利用未发病时心电图进行预测和诊断阵发性室上性心动过速的方法，提出一种利用正常窦性心律心电图预测或诊断阵发性室上性心动过速的方法。

技术实现思路

[0003]本专利技术的目的在于提供一种针对阵发性室上性心动过速的窦性心律心电图预测法，以解决上述
技术介绍
中提出的目前没有一种通过窦性心律心电图就能准确预测阵发性室上性心动过速的问题。
[0004]为实现上述目的，本专利技术提供如下技术方案：
[0005]一种针对阵发性室上性心动过速的窦性心律心电图预测法，其步骤包括：
[0006]步骤1：筛选窦性心律心电图
[0007]选取采样频率为500Hz的心电图机所制作的标准10秒12导联的数字心电图；明确窦性心律心电图排除范围；
[0008]步骤2：建立心电图数据集
[0009]获取心电图数据后，根据文本识别技术对心电图上的文本信息进行识别，按照步骤1所述的窦性心律心电图排除范围实现对所述窦性心律心电图的排除筛选；选取病患术前窦性心律心电图作为阳性病例，同时选取未有该病症及确诊情况的病人的窦性心律心电图为阴性病例；在满足所述选取条件时，建立的心电图数据集按比例划分为训练集、验证集和测试集；
[0010]步骤3：心电图预处理
[0011]对心电图数据集中的心电图进行裁剪，裁剪心电图上文本信息，仅保留心电图波段信息，同时对裁剪后的心电图进行二次线性插值处理，统一心电图图片像素；
[0012]步骤4：搭建阵发性室上性心动过速预测模型，依次由下采样模块、六个引入注意力机制的残差模块、池化分类模块三部分构成；
[0013]下采样模块由三个下采样操作配合使用激活函数ReLU与最大池化层构成，其中每一个下采样操作由卷积与归一化操作搭配完成；采用六个引入注意力机制的残差模块，划
分为四个阶段，每个阶段包含的模块数量依次为2,1,1,2；池化分类模块先设置全局平均池化层和丢包层，接着进入全连接层，将全连接后得到的特征送入softmax分类器，进行二分类，预测输入图片为阴性病例或是阵发性室上性心动过速病例；
[0014]步骤5：设计阵发性室上性心动过速预测模型评价指标：准确度Accuracy、精度Precision、灵敏度Sensitivity、特异性Specificity和F1分数F1
‑
Score指标：
[0015][0016][0017][0018][0019][0020]其中，TP表示真阳性，TN表示真阴性，FP表示假阳性，FN表示假阴性；
[0021]同时，通过建立受试者操作曲线并测量曲线下面积以评估阵发性室上性心动过速预测模型的性能；
[0022]步骤6：设置学习率与优化器
[0023]设定初始学习率，在迭代过程中，学习率采用余弦退火策略，优化器选择梯度下降算法，采用Adam优化函数；
[0024]步骤7：阵发性室上性心动过速预测模型的训练、验证及测试
[0025]训练集送入阵发性室上性心动过速预测模型进行训练，若是出现训练不充分或者训练过拟合的情况，需要及时调整网络参数，主要通过验证集对模型调参，最终将测试集送入调试好的模型中测试，直观反应模型的预测性能；
[0026]步骤8：阵发性室上性心动过速预测模型满足精度后部署到设备
[0027]获取心电图数据：患者将心电图平摊在AI智能识别扫描仪指定位置，按启动按钮，计算机获取心电图数据，通过步骤2所述方法判断该份心电图是否为窦性心律心电图，若不符合则不予预测，若符合则通过步骤3所述方法对心电图进行预处理；
[0028]预测阵发性室上性心动过速系统：阵发性室上性心动过速预测模型读入经过图像预处理的心电图，通过虚拟机运算，提取心电特征对该份心电图进行预测判断是否为阵发性室上性心动过速，预测结果在人机交互界面显示；
[0029]优选的：AI智能识别扫描仪分辨率大于1280万像素；
[0030]优选的：虚拟机选择Windows Server 2012R2操作系统，GPU选用NVIDIA Tesla V100；
[0031]步骤9：阵发性室上性心动过速模型定期训练，提高模型泛化能力。与现有技术相比，本专利技术的有益效果：
[0032]利用窦性心律心电图针对阵发性室上性心动过速的预测法，将通过预测模型自动
提取心电特征以此辅助区分该患者是否患有阵发性室上性心动过速。本方法是一种无创、安全、快速且成本低的方法。采用的预测模型结构简单，泛化能力强，通过对正常患者和阵发性室上性心动过速患者窦性心律心电图进行学习、训练，提取阵发性室上性心动过速患者窦性心律心电图特征，能够实现快速利用此特征对可疑患者心电图进行识别分类。三甲医院心内科门诊每年至少有1000例心悸待查患者，其中20
‑
30％患者可能患有阵发性室上性心动过速但不能明确诊断，需要电生理检查术，为有创检查且需住院花费5000
‑
10000元，而使用本方法在一分钟内即可对上述心悸待查患者进行较准确的预判，从而对可疑阵发性室上性心动过速患者进行及时的诊断，建议进一步开展电生理检查术及射频消融术；对非阵发性室上性心动过速患者排除其对患阵发性室上性心动过速的担忧，避免不必要的电生理检查术，减少患者的痛苦，并节约医疗资源。
[0033]本专利技术与现有技术的区别技术特征是本专利技术能够通过预测模型自动且快速高效地提取窦性心律心电图中肉眼无法识别的特征，从中识别出阵发性室上性心动过速病例。
附图说明
[0034]图1为本专利技术的针对阵发性室上性心动过速的窦性心律心电图预测法的方法流程图；
[0035]图2为本专利技术的预测模型架构图；
[0036]图3为本专利技术的整体结构示意图。
具体实施方式
[0037]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0038]在本专利技术的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种利用窦性心律心电图预测阵发性室上性心动过速的方法，其特征在于，包括以下步骤：步骤1：筛选窦性心律心电图选取采样频率为500Hz的心电图机所制作的标准10秒12导联的数字心电图；明确窦性心律心电图排除范围；步骤2：建立心电图数据集获取心电图数据后，根据文本识别技术对心电图上的文本信息进行识别，按照步骤1所述的窦性心律心电图排除范围实现对所述窦性心律心电图的排除筛选；选取病患术前窦性心律心电图作为阳性病例，同时选取未有该病症及确诊情况的病人的窦性心律心电图为阴性病例；在满足所述选取条件时，建立的心电图数据集按比例划分为训练集、验证集和测试集；步骤3：心电图预处理对心电图数据集中的心电图进行裁剪，裁剪心电图上文本信息，仅保留心电图波段信息，同时对裁剪后的心电图进行二次线性插值处理，统一心电图图片像素；步骤4：搭建阵发性室上性心动过速预测模型，依次由下采样模块、六个引入注意力机制的残差模块、池化分类模块三部分构成；下采样模块由三个下采样操作配合使用激活函数ReLU与最大池化层构成，其中每一个下采样操作由卷积与归一化操作搭配完成；采用六个引入注意力机制的残差模块，划分为四个阶段，每个阶段包含的模块数量依次为2,1,1,2；池化分类模块先设置全局平均池化层和丢包层，接着进入全连接层，将全连接后得到的特征送入softmax分类器，进行二分类，预测输入图片为阴性病例或是阵发性室上性心动过速病例；步骤5：设计阵发性室上性心动过速预测模型评价指标：准确度Accuracy、精度...

【专利技术属性】
技术研发人员：潘丰，王蕾，
申请(专利权)人：江南大学，
类型：发明
国别省市：