[发明专利]基于主动学习的心电图分类方法、装置和系统

说明书

本发明公开了一种基于主动学习的心电图分类方法、装置和系统。其中，方法包括：基于已标注心电图样本，通过第一查询策略从未标注数据库中获取满足第一预设条件的未标注心电图样本；将未标注心电图样本输出至专家客户端，以使专家客户端将未标注心电图样本提供给专家，并接收专家对未标注心电图样本的标注；获取专家客户端反馈的标注后的心电图样本，并将标注后的心电图样本添加至用以存储已标注心电图样本的标注数据库中；根据扩充后的标注数据库进行模型训练，得到心电图分类模型。该方法可以使得模型容量更多，而且通过对标注心电图的需求定制，可以实现训练得到的模型的个性化定制，并且，训练样本越大，使得算法性能越高。

技术领域

本发明涉及医疗领域，尤其涉及一种基于主动学习的心电图分类方法、装置和系统。

背景技术

心电图(Electrocardiography，英文简称：ECG)检测是20世纪建立起来并广泛应用于临床诊断和监测的重大技术成果之一。这种检测手段对心脏疾病(如各类心律失常、心肌梗死及心室肥大等)的诊断对临床诊疗功不可没。

心电图自动分析技术在数十年间得到了长足发展，心电图自动分析技术主要包括心电信号的预处理、各波形定位或分类、心电信号的特征提取并通过识别算法得到疾病分类结果等。其中，波形分类通常包括拍分为窦性心拍、室性心拍、室上性心拍，疾病分类通常包括心律失常分类、心梗分类、传导阻滞分类等。

相关技术中，心电图分类方法通常是采用基于规则或判据的分析方法，其典型代表是采用明尼苏达码对心电信号进行分析，这种方法的优势在于与医生的诊断逻辑类似，分析结果能有很好的医学解释。但是存在以下缺点：分析方法中的规则均是基于确定化的阈值，从统计学习理论的角度可以认为这种方法得到的模型容量十分有限，而且很难实现个性化的定制，算法性能上限低。

发明内容

本发明的目的旨在至少在一定程度上解决上述的技术问题之一。

为此，本发明的第一个目的在于提出一种基于主动学习的心电图分类方法。该方法可以使得模型容量更多，而且通过对标注心电图的需求定制，可以实现训练得到的模型的个性化定制，并且，训练样本越大，使得算法性能越高。

本发明的第二个目的在于提出一种基于主动学习的心电图分类装置。

本发明的第三个目的在于提出一种基于主动学习的心电图分类系统。

本发明的第四个目的在于提出一种计算机设备。

为达到上述目的，本发明第一方面实施例提出的基于主动学习的心电图分类方法，包括：基于已标注心电图样本，通过第一查询策略从未标注数据库中获取满足第一预设条件的未标注心电图样本；将所述未标注心电图样本输出至专家客户端，以使所述专家客户端将所述未标注心电图样本提供给专家，并接收所述专家对所述未标注心电图样本的标注；获取所述专家客户端反馈的标注后的心电图样本，并将所述标注后的心电图样本添加至用以存储所述已标注心电图样本的标注数据库中；根据扩充后的标注数据库进行模型训练，得到心电图分类模型。