[发明专利]一种基于深度学习模型的心脏疾病的检测方法

说明书

本发明提供一种基于深度学习模型的心脏疾病的检测方法，构建了心电向量数据和心电非线性系统动态数据的深度学习识别模型，并对不同数据的模型识别分类所得的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；解决了心脏电活动连续的动态信号的模型处理方法及不同来源数据的模型分析等方面的技术难题。本发明所述基于深度学习模型的心脏疾病的检测方法，完成了对心电非线性系统动态数据的自动提取和智能诊断，提升了心脏疾病检测的准确率和检测效率，且随着扩充进数据库中心电非线性系统动态数据的增多，诊断效果会随之不断提升，有利于医生后期对待测人员的心脏疾病病情进行早期干预和精准治疗。

技术领域

本发明涉及心脏疾病的检测领域，特别是涉及基于深度学习模型的心脏疾病的检测方法。

背景技术

当前，我国社会逐渐步入老龄化的社会，饮食习惯的变化和脑力劳动者数量不断增加等因素，使得我国的心血管疾病的发病率和病死率逐年上升；因此，对于心脏疾病患者的医学筛查至关重要。然而，现有心脏疾病监测和检测手段繁琐复杂，检测成本偏高，微弱症状的早期心脏疾病筛查并不能及时有效地进行筛选。对于被检测者而言，现有的心脏疾病检测手段既浪费了患者的诊疗时间，提高了心脏疾病患者的诊断成本，又不能对患者自身的心脏疾病进行准确的识别，这严重地危害了心脏疾病患者的生命安全。因此，亟需开发一种心脏疾病检测方法，充分有效地利用现有的病理数据，改善心脏疾病监测的准确性和敏感性，帮助医生后期对待测人员的心脏疾病病情进行早期干预以及精准治疗。

中国发明专利CN107348971A公开了一种基于心音检测和深度学习算法的心脏病筛查系统，包括信号采集模块、心音数据分析模块和数据库模块；该发明能够实现非入侵式的心脏病筛查，利用简单便携的心音采集器，能够解决就医时排队耗时且费用昂贵的现状。

然而，对于心脏疾病的检测方法，既需要能对心脏疾病的病理数据信息的利用上进行充分挖掘，又需要在心脏电活动的动态病理特征的分析过程中能充分分析出心脏的动态病理信息，以全面地呈现复杂的心脏电活动过程。因此，有必要提供改进的技术方案以克服现有技术中存在的技术问题。

发明内容

本发明提供一种基于深度学习模型的心脏疾病的检测方法，主要用于解决提高心脏疾病检测的准确性以及对连续的心脏疾病的动态信号进行处理的问题。本发明通过构建心电数据、心电向量数据和心电非线性系统动态数据的深度学习模型以及权重分配等技术手段，解决现有心脏疾病检测方法的准确性低、无法分析连续的心脏疾病的动态信号等方面的技术难题，提高了心脏疾病检测的准确性和检测效率，并可分析连续的心脏疾病的动态信号，有利于医生后期对待测人员的心脏疾病病情进行早期干预和精准治疗。

为了实现前述目的，本发明一方面提供一种基于深度学习模型的心脏疾病检测方法，包括以下步骤：

步骤1、获取样本数据集，所述样本数据集包括心电非线性系统动态数据；

步骤2、构建特定心脏疾病的深度学习模型；

步骤3、将步骤1获取的样本数据集输入到步骤2所述特定心脏疾病的深度学习模型进行训练，获得特定心脏疾病的深度学习识别模型。

可选地，在如前所述的基于深度学习模型的心脏疾病的检测方法中，步骤1所述样本数据集还包括心电向量数据；优选地，步骤1所述样本数据集还包括心电数据。

可选地，在如前所述的基于深度学习模型的心脏疾病的检测方法中，步骤2中所述特定心脏疾病的深度学习识别模型包括卷积神经网络、循环神经网络、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。