一种基于人工智能模型的心脏疾病的检测方法.pdf

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 111261289 A (43)申请公布日 2020.06.09 (21)申请号 201811448564.6 (22)申请日 2018.11.30 (71)申请人 上海图灵医疗科技有限公司 地址 200241 上海市闵行区东川路555号丙 楼1129室 (72)发明人 王云霞　何毅钒　 (51)Int.Cl. G16H 50/30(2018.01) 权利要求书3页 说明书21页 附图2页 (54)发明名称 一种基于人工智能模型的心脏疾病的检测 方法 (57)摘要 本发明提供一种基于人工智能模型的心脏 疾病的检测方法，包括构建心电向量图和心电非 线性系统动态图的深度学习识别模型及构建心 脏动态病理特征的量化数据、生物化学数据、人 体生理信息数据和临床信息数据的机器学习分 类模型等，并对不同模型识别分类所得心脏疾病 结果赋以相应权重值，获得心脏疾病检测的综合 判定结果。本发明提供的心脏疾病的检测方法， 解决了心脏电活动连续的动态信号的模型处理 方法、多病理特征量化数据的模型化分析及相同 疾病在不同模型下的融合判断等方面的技术难 A 题。本发明所述心脏疾病的检测方法提升了心脏 9 疾病检测的准确率和检测效率，且随着扩充进数 8 2 1 据库中不同类型病理特征的指标数据的增多，诊 6 2 1 断效果会随之不断提升。 1 1 N C CN 111261289 A 权　利　要　求　书 1/3页 1.一种基于人工智能模型的心脏疾病的检测方法，其特征在于，包括以下步骤： 步骤S1. 获取特定心脏疾病多病理特征的指标数据，所述特定心脏疾病多病理特征的 指标数据包括心脏动态病理特征的量化数据、心电向量图图像特征的指标数据和心电非线 性系统动态数据中的一种或几种； 步骤S2. 对步骤S1获取的所述特定心脏疾病多病理特征的指标数据进行机器学习，获 取特定心脏疾病的机器学习判定模型。 2.根据权利要求1所述心脏疾病的检测方法，其特征在于，步骤S1所述心脏动态病理特 征的量化数据包括：几何特征的量化指标数据、非线性动力学特征的量化指标数据、模型特 征的量化指标数据、时域特征的量化指标数据和频域特征的量化指标数据中的一种或几 种； 优选地，步骤S1所述特定心脏疾病多病理特征的指标数据还包括辅助病理特征的量化 指标数据、人体生理信息数据和临床信息数据中的一种或几种； 更优选地，所述辅助病理特征的量化指标数据包括ECG形态指标的量化数据、和/或心 电图图像特征的指标数据、和/或生物化学数据。 3.根据权利要求1所述心脏疾病的检测方法，其特征在于，步骤S2所述特定心脏疾病的 机器学习判定模型包括支持向量机、卷积神经网络、循环神经网络、贝叶斯分类器、K近邻算 法、K均值算法、线性回归、逻辑回归、多元非线性回归拟合方法、Adaboost算法、隐马尔可夫 模型、极限学习机、随机森林算法、决策树算法、聚类算法、生成式对抗网络、堆叠自动编码 器、全连接网络、无监督预训练网络、深度信念网络、深度玻尔兹曼机和神经张量网络中的 至少一种； 优选地，步骤S2所述特定心脏疾病的机器学习判定模型包括机器学习分类模型和深度 学习识别模型；输入到所述机器学习分类模型的数据包括所述心脏动态病理特征的量化数 据，输入到所述深度学习识别模型的数据包括所述心电向量图图像特征的指标数据和心电 非线性系统动态数据；优选地，输入到所述机器学习分类模型的数据还包括辅助病理特征 的量化指标数据、人体生理信息数据和临床信息数据中的一种或几种； 更优选地，所述机器学习