申请/专利权人：上海乐普云智科技股份有限公司

申请日：2021-10-18

公开（公告）日：2024-03-29

公开（公告）号：CN113892955B

主分类号：A61B5/366

分类号：A61B5/366;A61B5/352;A61B5/00;G06N3/0464

优先权：

专利状态码：有效-授权

法律状态：2024.03.29#授权;2022.01.25#实质审查的生效;2022.01.07#公开

摘要：本发明实施例涉及一种基于人工智能模型定位QRS波并进行分类的方法和装置，所述方法包括：获取第一心电图数据；进行滤波生成第二心电图数据；进行下采样生成第三心电图数据；进行心电片段分割生成第一片段数据张量；基于第一人工智能模型对第一片段数据张量进行特征提取生成三个尺度的特征数据张量；基于第二人工智能模型对三个尺度的特征数据张量进行类型识别生成第二片段数据张量；基于非极大值抑制原则对第二片段数据张量进行筛选生成第三片段数据张量；进行心搏类型决策生成第一心搏类型数据序列；进行R点位置统计生成第一R点位置序列；对第三心电图数据进行R点和心搏类型标注生成第四心电图数据。通过本发明可以提高QRS波识别精度。

主权项：1.一种基于人工智能模型定位QRS波并进行分类的方法，其特征在于，所述方法包括：获取第一心电图数据；对所述第一心电图数据进行滤波处理，生成第二心电图数据；按预设的目标采样率对所述第二心电图数据进行下采样处理，生成第三心电图数据；按预设的片段时长对所述第三心电图数据进行心电片段分割处理，生成第一片段数据张量；基于第一人工智能模型对所述第一片段数据张量进行QRS波特征数据提取处理，生成三个尺度的特征数据张量；基于第二人工智能模型对所述三个尺度的特征数据张量进行QRS波类型识别处理，生成第二片段数据张量；所述第二片段数据张量包括多个第一QRS波数据向量；基于非极大值抑制原则，根据QRS波置信度和相邻QRS波重合度对所述第二片段数据张量的所述第一QRS波数据向量进行筛选处理，生成第三片段数据张量；根据所述第三片段数据张量进行心搏类型决策，生成对应的第一心搏类型数据序列；根据所述第三片段数据张量进行R点位置统计，生成对应的第一R点位置序列；根据所述第一R点位置序列和所述第一心搏类型数据序列，对所述第三心电图数据进行R点和心搏类型标注处理，生成第四心电图数据；其中，所述第一片段数据张量的形状为B×W,B为心电片段总数，W为单个心电片段的数据总数；所述第一片段数据张量包括B个长度为W的第一片段数据向量；所述三个尺度的特征数据张量包括第一尺度特征数据张量、第二尺度特征数据张量和第三尺度特征数据张量；所述第一尺度特征数据张量的形状为B1×H1×W1，所述第二尺度特征数据张量的形状为B2×H2×W2，所述第三尺度特征数据张量的形状为B3×H3×W3，B1、B2、B3、H1、H2、H3、W1、W2和W3均为正整数，B1＝B2＝B3＝B，H1H2H3，W1＝W2＝W3；所述第二片段数据张量的形状为B4×H4×W4，B4、H4和W4均为正整数，B4＝B；所述第二片段数据张量包括B4个形状为H4×W4的第一片段数据矩阵；所述第一片段数据矩阵包括H4个长度为W4的所述第一QRS波数据向量；所述第一QRS波数据向量包括第一QRS波起始点信息、第一QRS波R点信息、第一QRS波结束点信息、第一QRS波置信度信息和W4-4个第一QRS波心搏类型概率信息；每个所述第一QRS波心搏类型概率信息对应一个QRS波心搏类型；所述第三片段数据张量的形状为B5×H5×W5，B5、H5和W5均为正整数，B5＝B，H5≤H4，W5＝W4；所述第三片段数据张量包括B5个形状为H5×W5的第二片段数据矩阵；所述第二片段数据矩阵包括H5个长度为W5的第二QRS波数据向量；所述第二QRS波数据向量包括第二QRS波起始点信息、第二QRS波R点信息、第二QRS波结束点信息、第二QRS波置信度信息和W5-4个第二QRS波心搏类型概率信息；每个所述第二QRS波心搏类型概率信息对应一个所述QRS波心搏类型；所述第一人工智能模型包括第一卷积模块、第一残差模块、第二残差模块、第三残差模块、第四残差模块和第五残差模块；所述第一卷积模块包括第一归一化层和第一一维卷积单元；所述第一一维卷积单元包括第二归一化层、第一一维卷积层和第一激活层；所述第一激活层的激活函数为LeakeyReLU激活函数；所述第一残差模块包括第一补零层、第二一维卷积单元和循环次数为1的第一残差单元；所述第一残差单元包括第三一维卷积单元、第四一维卷积单元和第一残差层；所述第二一维卷积单元、所述第三一维卷积单元、所述第四一维卷积单元的网络结构均与所述第一一维卷积单元的网络结构一致；当循环次数大于1时，将所述第一残差层的输出数据送至所述第三一维卷积单元作为输入数据进行循环计算，直至循环计算的总次数大于循环次数为止；所述第二残差模块包括第二补零层、第五一维卷积单元和循环次数为2的第二残差单元；所述第二残差单元的网络结构和所述第一残差单元的网络结构一致；所述第五一维卷积单元的网络结构与所述第一一维卷积单元的网络结构一致；所述第三残差模块包括第三补零层、第六一维卷积单元和循环次数为8的第三残差单元；所述第三残差单元的网络结构和所述第一残差单元的网络结构一致；所述第六一维卷积单元的网络结构与所述第一一维卷积单元的网络结构一致；所述第四残差模块包括第四补零层、第七一维卷积单元和循环次数为8的第四残差单元；所述第四残差单元的网络结构和所述第一残差单元的网络结构一致；所述第七一维卷积单元的网络结构与所述第一一维卷积单元的网络结构一致；所述第五残差模块包括第五补零层、第八一维卷积单元和循环次数为4的第五残差单元；所述第五残差单元的网络结构和所述第一残差单元的网络结构一致；所述第八一维卷积单元的网络结构与所述第一一维卷积单元的网络结构一致；所述第二人工智能模型包括第一网络和第二网络；所述第一网络包括第一卷积单元组、第二卷积单元组和第三卷积单元组；所述第一卷积单元组包括5个第九一维卷积单元；所述第九一维卷积单元的网络结构与所述第一一维卷积单元的网络结构一致；所述第二卷积单元组包括第一数据拼接单元和5个第十一维卷积单元；所述第十一维卷积单元的网络结构与所述第一一维卷积单元的网络结构一致；所述第三卷积单元组包括第二数据拼接单元和5个第十一一维卷积单元；所述第十一一维卷积单元的网络结构与所述第一一维卷积单元的网络结构一致；所述第二网络包括第四卷积单元组、第五卷积单元组、第六卷积单元组和第一融合单元；所述第四卷积单元组包括第十二一维卷积单元和第二一维卷积层；所述第十二一维卷积单元的网络结构与所述第一一维卷积单元的网络结构一致；所述第五卷积单元组包括第十三一维卷积单元和第三一维卷积层；所述第十三一维卷积单元的网络结构与所述第一一维卷积单元的网络结构一致；所述第六卷积单元组包括第十四一维卷积单元和第四一维卷积层；所述第十四一维卷积单元的网络结构与所述第一一维卷积单元的网络结构一致；所述基于第一人工智能模型对所述第一片段数据张量进行QRS波特征数据提取处理，生成三个尺度的特征数据张量，具体包括：将所述第一片段数据张量输入所述第一人工智能模型的所述第一卷积模块进行归一化处理，并对归一化结果进行卷积运算，并对卷积结果进行激活运算生成第一一过程张量；将所述第一一过程张量输入所述第一残差模块进行补零运算，并对编码结果进行卷积运算，并对卷积结果进行残差运算生成第一二过程张量；将所述第一二过程张量输入所述第二残差模块进行补零运算，并对编码结果进行卷积运算，并对卷积结果进行残差运算生成第一三过程张量；将所述第一三过程张量输入所述第三残差模块进行补零运算，并对编码结果进行卷积运算，并对卷积结果进行残差运算生成第一尺度特征数据张量；将所述第一尺度特征数据张量输入所述第四残差模块进行补零运算，并对编码结果进行卷积运算，并对卷积结果进行残差运算生成第二尺度特征数据张量；将所述第二尺度特征数据张量输入所述第五残差模块进行补零运算，并对编码结果进行卷积运算，并对卷积结果进行残差运算生成第三尺度特征数据张量；由所述第一尺度特征数据张量、所述第二尺度特征数据张量和所述第三尺度特征数据张量组成所述三个尺度的特征数据张量；所述基于第二人工智能模型对所述三个尺度的特征数据张量进行QRS波类型识别处理，生成第二片段数据张量，具体包括：将所述三个尺度的特征数据张量的第三尺度特征数据张量输入所述第二人工智能模型的所述第一网络的所述第一卷积单元组进行连续卷积运算，生成第二一过程张量；对所述第二一过程张量进行上采样处理，并将上采样结果与所述三个尺度的特征数据张量的第二尺度特征数据张量输入所述第二卷积单元组进行数据拼接，并对拼接结果进行连续卷积运算，生成第二二过程张量；对所述第二二过程张量进行上采样处理，并将上采样结果与所述三个尺度的特征数据张量的第一尺度特征数据张量输入所述第三卷积单元组进行数据拼接，并对拼接结果进行连续卷积运算，生成第二三过程张量；将所述第二一过程张量输入所述第二人工智能模型的所述第二网络的所述第四卷积单元组进行卷积运算，生成第三一过程张量；并将所述第二二过程张量输入所述第五卷积单元组进行卷积运算，生成第三二过程张量；并将所述第二三过程张量输入所述第六卷积单元组进行卷积运算，生成第三三过程张量；将所述第三一过程张量、所述第三二过程张量和所述第三三过程张量输入所述第一融合单元进行输入融合处理，生成所述第二片段数据张量。

全文数据：

权利要求：

百度查询： 上海乐普云智科技股份有限公司 基于人工智能模型定位QRS波并进行分类的方法和装置

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