[发明专利]心房颤动预测模型及其预测系统

说明书

本发明提供一种心房颤动预测系统，其包含心电图撷取单元和非暂时性机器可读媒体。所述非暂时性机器可读媒体储存程序，当程序由处理单元执行时用以得到预测结果。所述程序包含参照数据库取得模块、参照特征选取模块、训练模块、目标特征选取模块以及比对模块。借此，所述心房颤动预测系统可用以预测受试者的脑中风发生机率。

技术领域

本发明是有关于一种医疗信息分析模型以及系统，特别是一种心房颤动预测模型以及心房颤动预测系统。

背景技术

心房颤动(atrial fibrillation)是一种因为心脏内产生节律信号的功能异常，导致心跳不规则且经常过快的病症，每分钟心跳可以达到350下。心房颤动是最常见的心脏节律异常，全人口中平均每100人中就有1位罹患心房颤动，随着年龄增加，罹患心房颤动的比例愈高。60岁以上，每100人就有4位罹患心房颤动，而80岁以上，每10人就有1位罹患心房颤动。2010年全世界预估有三千三百五十万人罹患心房颤动，除此的外可能还有许多潜在的患者因为没有症状而未被确诊。2050年亚洲的心房颤动患者预估可以达到七千两百万人。

心房颤动病人相较于一般人有5倍的风险发生血栓梗塞疾病，包含中风、肺栓塞及周边血管栓塞。过去的研究也显示罹患心房颤动的病人当中，阵发性心房颤动的病人相较于持续性心房颤动的病人有较低的中风发生率，相较于阵发性心房颤动，持续性心房颤动的病人罹患中风后的预后较差，也有较高的二度中风风险，因此心房颤动的发作型态和中风有高度的相关性。是以2050年亚洲因为心房颤动而导致中风的病人预估会达到二百九十万人。持续性心房颤动的病人相较于阵发性心房颤动的病人有较高的中风发生率，罹患中风后的预后也较差。临床上主要以CHA2DS2-VASc score来评估心房颤动病人的中风风险，CHA2DS2ⅣASc score评估的项目包含年龄、性别及共病症包括梗塞性疾病、高血压、郁血性心衰竭、糖尿病及血管性疾病，随着CHA2DS2-VASc score分数增加，发生血管栓塞的风险也逐步提高，但目前为止并没有研究针对心房颤动病人的心电图特征与中风的相关性进行分析。

心电图提供心房颤动的信息，例如一天中的发作频率及型态，但其数据资料庞大，无法利用人工逐步分析，因此习用技术缺乏可以有效率分析大量资料，并可应用于临床辅助医师进一步判断受试者是否可能为心房颤动并发脑中风的患者，以提高检测的准确度。

发明内容

有鉴于此，本发明的目的为提供心房颤动预测模型以及心房颤动预测系统，其可客观且准确的判断受试者是否具有心房颤动的状况，并可进一步预测其发生脑中风的机率，以辅助医生于临床上的判断。

本发明的一方面是在提供一种心房颤动预测模型，包含下列建立步骤：取得参照数据库、进行特征选取步骤以及进行训练步骤。所述参照数据库包含多个参照十二导程心电信号数列。所述特征选取步骤是根据参照数据库选取至少一个特征值，所述特征值包含利用计算单元计算参照十二导程心电信号数列中峰对峰值时间差所得到的心电信号曲率变化最大的影像区间。所述训练步骤，是利用长短存储单元(Long Short Term Memory,LSTM)储存心电信号即时数值，并计算所述特征值与所述心电信号即时数值的相关性，当所述相关性超过第一预设阀值则更新所述长短存储单元，当训练达到收敛时得到心房颤动预测模型，借此得到预设结果。

依据前述的心房颤动预测模型，其中所述长短存储单元可为双向长短存储单元(Bi-directional Long Short Term Memory,Bi-directional LSTM)。

依据前述的心房颤动预测模型，其中长短存储单元可还包含一遗忘门(ForgetGate)、一输入门(Input Gate)和一输出门(Output Gate)。遗忘门是过滤曲率变化过大的心电信号即时数值，以得到一输入值。输入门是输入所述输入值，并利用Sigmoid函数计算所述相关性。输出门是将所述相关性利用Sigmoid函数进行计算以得到一输出值，当输出值超过一第二预设阀值时，将输出值加入所述长短存储单元。