一种非侵入式冠心病检测系统技术方案

本发明专利技术公开了一种非侵入式冠心病检测系统，包括：预处理模块，用于滤除心电信号噪声以及从与心电信号关联的电子病历中提取出冠心病的相关信息；多模态特征提取模块，用于接收预处理后的心电信号及冠心病的相关信息，提取心电信号特征、时频图像特征、心电向量图特征、电子病历文本特征；多模态特征融合模块，用于将心电信号特征、时频图像特征、心电向量图特征及电子病历文本特征进行拼接融合，得到融合特征；心电分类模块，用于将融合特征进行标签预测，得到检测结果。本发明专利技术利用多模态特征提取模块及多模态特征融合模块建立起来心电信号的时序关联以及利用高层特征进行数据增强，能够在无创伤的情况下准确的划分是否为冠心病患者。病患者。病患者。

【技术实现步骤摘要】
一种非侵入式冠心病检测系统


[0001]本专利技术涉及深度学习
，尤其是涉及一种非侵入式冠心病检测系统。

技术介绍

[0002]目前，心血管疾病已经成为导致我国居民死亡的头号杀手，平均每10s便会有1人死于心血管疾病。以往冠心病多发生于老年群体，而近年来我国冠心病逐渐呈现显著的年轻化趋势。冠心病主要是因高血压、不良生活习惯和情绪等致病因素导致机体心脏冠状动脉出现粥样硬化，进而引发心肌缺血、缺氧甚至坏死的一种病症，若患者未能采取及时有效的治疗措施控制病情，则随着病情的进展，患者可出现心力衰竭、心脏破裂等并发症，严重时可致其猝死，对患者的生命健康造成了严重威胁。因此，临床早期诊断冠心病在患者防治及预后中具有十分重要的指导意义。
[0003]现阶段冠脉造影是诊断心脏疾病的金标准，主要通过观察和分析造影剂在冠状动脉中的显影情况，以判断冠状动脉是否发生病变以及病变的严重程度。这种方法具有较高的准确率，但是属于一种创伤性检查，不利于临床推广。心电图是临床上最为常见和广泛应用的检查方法之一，具有无创、快速、方便、价格低廉等优点，标准的12导联心电图始终作为一种基本的诊断工具深刻地影响着心脏病学领域。
[0004]而在深度学习领域，数据的质量和模型的选择对深度学习模型的性能影响巨大。但在以心电图分类为代表的生理信号分类领域，现有的模型仍无法实现无创伤做冠心病的提前筛查。

技术实现思路

[0005]本专利技术的目的在于解决无创伤筛查个体是否为冠心病患者的问题，提供一种非侵入式冠心病检测系统。/>[0006]为实现上述目的，本专利技术采用以下技术方案：
[0007]一种非侵入式冠心病检测系统，包括：
[0008]预处理模块，用于滤除心电信号噪声以及从与所述心电信号关联的电子病历中提取出冠心病的相关信息；
[0009]多模态特征提取模块，包括心电信号特征提取单元、时频图像特征提取单元、心电向量图特征提取单元及电子病历文本特征提取单元；用于接收预处理后的所述心电信号及所述冠心病的相关信息，提取心电信号特征、时频图像特征、心电向量图特征、电子病历文本特征；
[0010]多模态特征融合模块，用于将所述心电信号特征、所述时频图像特征、所述心电向量图特征及所述电子病历文本特征进行拼接融合，得到融合特征；
[0011]心电分类模块，用于将所述融合特征进行标签预测，得到检测结果。
[0012]在一些实施例中，所述多模态特征融合模块将所述心电信号特征、所述时频图像特征、所述心电向量图特征及所述电子病历文本特征经过自注意力机制进行融合。
[0013]在一些实施例中，所述心电信号特征提取单元用于将所述心电信号经过至少两个不同尺度的特征提取器得到不同的特征后，将所述不同的特征进行拼接融合，然后通过通道注意力机制和残差结构，最后经过自适应注意力机制得到所述心电信号特征。
[0014]在一些实施例中，所述心电信号特征提取单元结构为如下网络结构之一：卷积神经网络、CNN与LSTM的结合网络、CNN与Transformer的结合网络、Transformer。
[0015]在一些实施例中，所述时频图像特征提取单元用于将所述心电信号进行短时傅里叶变换生成二维图像并进行特征提取，得到所述时频图像特征。
[0016]在一些实施例中，所述时频图像特征提取单元用于将所述二维图像经过Vit网络进行特征提取，得到所述时频图像特征。
[0017]在一些实施例中，所述心电向量图特征提取单元用于将所述心电信号经Koris回归生成心电向量图信号并经过特征提取，得到所述心电向量图特征。
[0018]在一些实施例中，所述心电向量图特征提取单元用于将所述心电向量图信号经过一维卷积网络和Transformer编码器进行特征提取，得到所述心电向量图特征。
[0019]在一些实施例中，所述检测结果为冠心病、心律失常、健康之一。
[0020]在一些实施例中，所述预处理模块采用如下至少一个方法滤除心电信号噪声：带通滤波器滤波、最小均方自适应滤波、基于小波变换的滤波、基于统计模型的滤波方法、基于神经网络的滤波方法、最大最小归一化、sigmoid归一化。
[0021]本专利技术具有如下有益效果：
[0022]本专利技术的非侵入式冠心病检测系统融合了心电图、频谱图、心电向量图和电子病历的信息，提升了心电数据丰富度，利用多模态特征提取模块及多模态特征融合模块建立起来心电信号的时序关联以及利用高层特征进行数据增强，能够在无创伤的情况下准确的划分是否为冠心病患者，对患者防治及预后提供了重要的指导意义。
[0023]在一些实施例中，还有如下有益效果：
[0024]本专利技术实施例利用不同感受野的卷积核提取不同心电信号段的特征，并利用心电信号间的注意力机制和模块间的注意力机制提取更丰富的特征；现有技术大多采用单导联或者12导联的数据，只利用了数据库的部分信息，本专利技术实施例利用心电向量图特征提取单元加入了心电向量图中的导联信息，能够更全面的观察心脏的电活动，有效提高了准确性。
[0025]本专利技术实施例中的其他有益效果将在下文中进一步述及。
附图说明
[0026]图1是本专利技术实施例中的非侵入式冠心病检测系统结构示意图；
[0027]图2是本专利技术实施例中非侵入式冠心病检测系统检测过程示意图；
[0028]图3是本专利技术实施例中心电信号特征提取单元的实例网络结构图；
[0029]图4是本专利技术实施例中时频图像特征提取单元的Vit模型实例网络结构图；
[0030]图5是本专利技术实施例中非侵入式冠心病检测系统的训练和测试流程图；
[0031]图6是本专利技术实施例中非侵入式冠心病检测系统进行冠心病筛查的工作流程图。
具体实施方式
[0032]以下对本专利技术的实施方式做详细说明。应该强调的是，下述说明仅仅是示例性的，而不是为了限制本专利技术的范围及其应用。
[0033]实施例
[0034]在以心电图分类为代表的生理信号分类领域，现有的所使用的模型较为老旧，往往不能建立心电信号时间上的依赖关系，并且数据的高层特征没有被利用起来，不能用来冠心病的筛查。本专利技术实施例建立起来心电信号的时序关联以及利用高层特征进行数据增强以用来做冠心病的提前筛查，能够准确地进行筛查冠心病。
[0035]本专利技术实施例的非侵入式冠心病检测系统为一种多模态融合冠心病初步筛查和心律失常检测网络(MF
‑
CADNet)，本实施例的系统使用心电图和电子病历数据进行冠心病初步筛查，参考图1，本实施例的非侵入式冠心病检测系统包括：
[0036]预处理模块，用于滤除心电信号噪声以及从与所述心电信号关联的电子病历中提取出冠心病的相关信息；
[0037]多模态特征提取模块，包括心电信号特征提取单元、时频图像特征提取单元、心电向量图特征提取单元及电子病历文本特征提取单元；用于接收预处理后的所述心电信号及所述冠心病的相关信息，利用心电信号本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种非侵入式冠心病检测系统，其特征在于，包括：预处理模块，用于滤除心电信号噪声以及从与所述心电信号关联的电子病历中提取出冠心病的相关信息；多模态特征提取模块，包括心电信号特征提取单元、时频图像特征提取单元、心电向量图特征提取单元及电子病历文本特征提取单元；用于接收预处理后的所述心电信号及所述冠心病的相关信息，提取心电信号特征、时频图像特征、心电向量图特征、电子病历文本特征；多模态特征融合模块，用于将所述心电信号特征、所述时频图像特征、所述心电向量图特征及所述电子病历文本特征进行拼接融合，得到融合特征；心电分类模块，用于将所述融合特征进行标签预测，得到检测结果。2.如权利要求1所述的非侵入式冠心病检测系统，其特征在于，所述多模态特征融合模块将所述心电信号特征、所述时频图像特征、所述心电向量图特征及所述电子病历文本特征经过自注意力机制进行融合。3.如权利要求1所述的非侵入式冠心病检测系统，其特征在于，所述心电信号特征提取单元用于将所述心电信号经过至少两个不同尺度的特征提取器得到不同的特征后，将所述不同的特征进行拼接融合，然后通过通道注意力机制和残差结构，最后经过自适应注意力机制得到所述心电信号特征。4.如权利要求3所述的非侵入式冠心病检测系统，其特征在于，所述心电信号特征提取单元结构为如下网络结构之一：卷积神经网络、CNN...

【专利技术属性】
技术研发人员：王兴军，王晓萌，厉杰，
申请(专利权)人：清华大学深圳国际研究生院，
类型：发明
国别省市：