申请/专利权人：上海交通大学

申请日：2021-06-08

公开（公告）日：2022-11-29

公开（公告）号：CN113180688B

主分类号：A61B5/352

分类号：A61B5/352;A61B5/355;A61B5/349

优先权：["20201214 CN 2020114678951"]

专利状态码：有效-授权

法律状态：2022.11.29#授权;2021.08.17#实质审查的生效;2021.07.30#公开

摘要：本发明提供了一种基于残差神经网络的冠心病心电图筛查系统，包括：心电信号处理模块：提取心电图机产生心电信号，使用symlets4小波对心电信号进行多层分解去噪，寻找心电信号转换的心电序列数据中R波的位置，并以其为基准进行心拍分割；深度特征提取模块：针对经过心电信号处理模块处理过的数据进行平移和缩放来数据增强，并使用包含挤压和激励网络模块的ResneXt50网络提取十二导联心电图的深度特征。树形模型预测模块：将深度特征提取模块提取的深度特征与心电图机数据进行结合，输入训练好的XGBoost模型得到心电图中出现冠心病心电特征的预测概率。本发明安装使用成本低，能够自动筛查，准确性相对心电图机的诊断更高，能够减少误判或者漏判，降低医生工作量。

主权项：1.一种基于残差神经网络的冠心病心电图筛查系统，其特征在于，包括：心电信号处理模块：提取心电图机产生心电信号，使用symlets4小波对心电信号进行7个尺度的分解去噪，寻找心电信号转换的心电序列数据中R波的位置，并以其为基准进行心拍分割；深度特征提取模块：针对经过心电信号处理模块处理过的数据进行平移和缩放来数据增强，并使用包含挤压和激励网络模块的ResneXt50网络提取十二导联心电图的深度特征；树形模型预测模块：将深度特征提取模块提取的深度特征与心电图机数据进行结合，输入训练好的XGBoost模型得到心电图中出现冠心病心电特征的预测概率；所述深度特征提取模块中，使用包含挤压和激励网络模块的ResneXt50网络提取特征时，在全连接层之前同时采用平均池化和最大池化操作；使用所述树形模型预测模块时，只需将心电图可扩展标记语言文件放到程序指定位置，先经过深度特征提取模块提取的512维特征，再将这些特征与心电图机的提取的波形信息结合，输入XGBoost模型，即可得检测者出现冠心病心电特征的概率；应用所述系统进行操作包括如下步骤：步骤1：将心电图机产生的xml文件中的十二导联心电序列数据和心电特征数据提取出来，并对心电序列数据进行小波变换去噪，使用心拍分割算法将心电信号进行分割，最后进行填充得到固定长度的心电数据；步骤2：将步骤1得到的数据进行数据增强提高系统的鲁棒性，然后输入训练好的包含挤压和激励网络模块的ResneXt50网络，提取512维深度特征；步骤3：将提取到的深度特征与心电图机得到的10维心电图特征拼成522维数据，通过数据输入训练好的XGBoost模型进行判断，得到待筛查者心电图具有冠心病相关心电特征的的概率。

全文数据：

权利要求：

百度查询： 上海交通大学 基于残差神经网络的冠心病心电图筛查系统及方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD