[发明专利]一种高效的心电图诊断系统

说明书

本发明公开了一种高效心电图诊断系统。该系统布置在终端设备和云服务器上，由心电图诊断终端平台诊断部分、显示部分以及心电图诊断云平台三部分组成。该系统结合云计算与边缘计算的优点，在终端设备上实现传统医学诊断规则和机器学习结合的二分类，再由云服务器对异常分类的心电图做出基于深度学习的多分类，从而给出最终的诊断结果。心电图诊断终端平台诊断部分结合模板匹配和传统诊断规则快速地将心电图分为正常、异常两类。心电图诊断云平台通过集合随机森林、XGBoost和残差网络三个模型的方法并结合自身计算机资源灵活可调的优点，降低了模型过拟合的风险，提高了模型对异常心电图精确分类的准确率和诊断速度。

技术领域

本发明属于心电图智能诊断技术领域，具体为一种基于机器学习、深度学习和云-边缘计算的高效心电图诊断系统。

背景技术

心电图属于四大常规检查技术之一，具有包含信息多、非侵入、廉价等特点，是目前医生诊断心脏疾病的重要依据。由于人们越来越关注自身健康，家庭医疗已然成为一种趋势。心电图诊断作为家庭医疗不可或缺的一环，其必要条件是能够实时监测心电图并快速准确地给出诊断结果。因为医疗资源有限，医生无法在有限时间内对大量的心电图做出诊断，所以心电图自动诊断系统将成为新的一种手段。但是家庭医疗的心电诊断终端设备受便携性约束，本地计算资源有限，同时终端设备获取的全时心电数据量大，多用户数据传至云服务器计算过程中易受云端通信带宽瓶颈的限制，亟需一种高效的心电图诊断系统来解决这一矛盾。

另一方面，随着机器学习和深度学习技术的发展进步，其在图像识别、自然语言处理等方面都被大规模运用，通过机器学习与深度学习的结合实现系统的自主心电图诊断成为可能。因为传统的心电图诊断规则仍然是医生们去诊断心电图的主要依据，仍然有可取之处。如何结合机器学习、深度学习以及传统医学诊断规则来解决高效的远程医疗自动诊断成为了一大难题。

发明内容

为了克服上述背景技术所存在的不足，本发明提供一种高效的心电图诊断系统。该系统结合云计算与边缘计算的优点，在终端平台实现传统医学诊断规则和机器学习结合的二分类（所需计算资源小），再由云平台对异常分类的心电图做出基于深度学习的多分类（分类精细且准确率高），从而给出最终的诊断结果。

本发明解决其技术问题所采用的技术方案是：

一种高效的心电图诊断系统，包括：

心电图诊断终端平台，主体是微型电脑，分为诊断部分和显示部分，诊断部分用于简单诊断心电图，筛选出异常心电图并快速反馈初步诊断结果；显示部分整合终端平台诊断部分和云平台的反馈结果，并在微型电脑上显示最终的诊断结果。

心电图诊断云平台，主体是云服务器，用于对由终端平台诊断部分筛选出的异常心电图进行精确诊断，并反馈具体的异常信息。

其中心电图诊断终端平台诊断部分具体是：

对30-60s不等，采样频率为300Hz的单导联心电图原始数据做预处理。预处理包括滤除基线漂移和工频干扰，矫正电极翻转。

利用R峰检测算法获取a中预处理得到的心电图数据的R峰位置序列。然后继续提取心电图的波形特征，特征包括：P、Q、R、S、T波峰幅值及位置，PR间期、QS间期、RT间期，RR间期等。

根据得到的R峰位置序列，对每个R峰位置向前采样60点，向后采样60点组成120采样点长度的心拍数据。将这长度为120的心拍数据和由云服务器发送的标准心拍模板进行模板匹配，根据匹配结果将心电图分为异常心电图和待后续诊断的心电图。针对待后续诊断的心电图，采用传统医学诊断规则，结合得到的特征，将心电图分类正常和异常两个类别。

其中心电图诊断云平台精确诊断具体是：