[发明专利]一种基于深度学习的心电图波段标注系统

说明书

本发明公开了一种基于深度学习的心电图波段标注系统，包括数据读取模块、数据加载模块、测量模块、心电图诊断结果标注模块、预标注模块、心电图参数标注模块、波段标注模块和数据存储模块。本发明的测量模块提供了测量的工具，能够使得使用者快速得到心电图的基本参数；改进标注框的交互，使得使用者标注效率提高；增加了波段标注模块，使得能够提高后续的模型训练的效果。

技术领域

本发明属于计算机医疗数据挖掘领域，尤其是涉及一种基于深度学习的心电图波段标注系统。

背景技术

心电图(Electrocardiography、ECG或者EKG)是一种经胸腔的以时间为单位记录心脏的电生理活动，并通过皮肤上的电极捕捉并记录下来的诊疗技术。这是一种无创性的记录方式。

心电图的工作原理：在每次心跳心肌细胞去极化的时候会在皮肤表面引起很小的电学改变，这个小变化被心电图记录装置捕捉并放大即可描绘心电图。在心肌细胞处于静息状态时，心肌细胞膜两侧存在由正负离子浓度差形成的电势差，去极化即是心肌细胞电势差迅速向0变化，并引起心肌细胞收缩的过程。在健康心脏的一个心动周期中，由窦房结细胞产生的去极化波有序的依次在心脏中传播，先传播到整个心房，经过“内在传导通路”传播至心室。如果在心脏的任意两面放置2个电极，那么在这个过程中就可以记录到两个电极间微小的电压变化，并可以在心电图纸或者监视器上显示出来。心电图可以反应整个心脏跳动的节律，以及心肌薄弱的部分。

通常在肢体上可以放置2个以上的电极，他们两两组成一对进行测量(如左臂电极(LA)，右臂电极(RA)，左腿电极(LL)可以这样组合：LA+RA，LA+LL，RA+LL)。每个电极对的输出信号称为一组导联。导联简单的说就是从不同的角度去看心脏电流的变化。心电图的种类可以以导联来区分，如3导联心电图，5导联心电图与12导联心电图，等等。12导联心电图是临床最常见的一种，可以同时记录体表12组导联的电位变化，并在心电图纸上描绘出12组导联信号，常用于一次性的心电图诊断。3导联及5导联心电图多用于需要通过监视器连续检测心电活动的情况，如手术过程中或在救护车转运病人时的监护中。根据仪器的不同，这种连续监测的结果有时可能不会被完整地记录下来。

心电图是测量和诊断异常心脏节律的最好方法，用以诊断心电传导组织受损时心脏的节律异常，以及由于电解质平衡失调引起的心脏节律的改变。在心肌梗塞(MI)的诊断中，它可以特异性的分辨出心肌梗塞的区域。同时，心电图也是诊断心律失常疾病最为重要的检查。

使用整份心电图训练深度学习诊断模型时，因一整份心电图所包含的信息过多，模型不容易学到疾病的特征。因此，对于深度学习模型，将一个心拍的信息作为输入，是一个很好的提升模型效果的方法。但是，受限于对心电图心拍标注耗时耗力等原因，现有的含有心拍标注的心电图数据的数量非常少。由此可知，设计一款利用深度学习预先进行标注的标注软件，能够提升医生对于心电图心拍的标注效率。因此，本专利提出一种基于深度学习模型的标注软件来增加医生对于心电图心拍的标注效率。

发明内容

本发明提供了一种基于深度学习的心电图波段标注系统，解决了现有技术方案及实际应用中心电数据的标注为整份心电图，并没有具体到单个波段，泛化性比较差，对于波形变化幅度大，不常见的波形处理效果不甚理想，对后续训练模型的准确度不佳的问题。

一种基于深度学习的心电图波段标注系统，包括：

数据读取模块，用于将单份心电图所有导联、所有时长的数据读取到内存中；

数据加载模块，用于在系统界面上初始化心电图的网格，并将已经读取到内存的数据可视化到心电图的网格中；

测量模块，用于在系统界面提供心电图的测量工具，选定心电图上波段的一个点，显示其各导联的时间点和其电压值；选定心电图上波段的两个点，显示两个点之间的时间间隔和电压峰值的差值；

心电图诊断结果标注模块：在标注系统界面右侧提供整份心电图的诊断结果交互框，用于记录单份心电图的诊断结果；