[发明专利]一种心脏年龄评估方法、装置、电子设备及存储介质

说明书

本发明公开了一种心脏年龄评估模型训练方法、装置、电子设备及存储介质，属于智能医疗技术领域。该方法获取待测目标的生物电信号，所述生物电信号包括待测目标的单导联心电信号；将所述单导联心电信号进行预处理，并输入已训练的心脏年龄评估模型，输出所述待测目标的心脏年龄的评估值和/或与所述待测目标的心脏年龄的评估值对应的提示信息。利用深度神经网络对训练数据的学习能力，识别心电信号与心脏年龄之间的关联关系，从而使受过训练的模型能够评估待测目标的心脏年龄，进行评估心脏健康状况。

技术领域

本发明属于智能医疗技术领域，具体地说，涉及一种心脏年龄评估方法、装置、电子设备及存储介质。

背景技术

心电信号是通过在人体皮肤上放置电极采集的心脏电活动信号，是目前最方便且精确的心脏数据采集手段。心电图是通过在一个或多个电极与个体的皮肤或表面之间建立接触而获得的。在常规的12导联心电图中，将十个电极以已知配置放置在一个人的胸部和四肢上，并测量和记录十二对电极之间的电势。每对电极在个体的身体上以不同的方向反射电活动，通常被称为导线。通过分析心电信号可以无创伤地诊断多种心脏疾病，长期以来一直是医学、生物学、计算机科学领域内的研究热点。

虽然现有的研究表明，心电信号与年龄之间具有一定的相关性，儿童的心电信号分析也与成人有着显著的差别。目前也披露了对人的ECG的分析来估计人的年龄，性别或两者的系统。但是如何通过心电信号直接进行心脏年龄识别，是本领域亟待解决的问题。

发明内容

为解决或者至少部分解决上述问题，本发明通过使用机器学习技术来训练复杂的模型，来识别心电信号与心脏年龄之间的相关性，考虑心脏年龄预测对评估心脏健康状况具有重要的指导意义，当患者的心脏年龄高于训练数据中类似心电信号的期望值，对于可能出现的疾病风险进行提示。

这一目的和其他目的至少部分地通过所附独立权利要求中限定的一种心脏年龄评估方法和心脏年龄评估模型训练方法来实现。

本公开第一方面提供心脏年龄评估模型训练方法，包括：

获取训练对象的生物电信号，所述生物电信号包含与训练对象对应的年龄标签；将所述生物电信号经过预处理作为训练集；

构建深度神经网络模型，所述深度神经网络模型由卷积层和全连接层组合而成；

将多组训练对象的生物电信号以及对应的年龄标签输入深度神经网络模型，获取心脏年龄评估模型，所述心脏年龄评估模型用于待测目标的心脏年龄的评估。利用深度神经网络对训练数据的学习能力，识别心电信号与心脏年龄之间的相关关系，从而使受过训练的模型能够评估待测目标的心脏年龄。

通过实施从属权利要求的一个或多个特征来实现进一步的优点。

在一个示例性实施方式中，所述生物电信号包括训练对象的单导联心电信号，将所述生物电信号经过预处理作为训练集步骤包括：

利用线性插值算法将单导联心电信号重采样，再进行带通滤波处理，去除基线漂移和工频干扰；

随机截取原始单导联心电信号，将原始单导联心电信号归一化处理，使其达到预定的数据长度。

在一个示例性实施方式中，所述的深度神经网络模型包括：

多组stage，每一组stage的第一个卷积层通过降采样将输入长度缩短为原来的一半；

每一层卷积层之前都有一组非线性变换，包括批标准化函数、随机删除函数和激活函数。

在一个示例性实施方式中，在训练的开始阶段，使用正态分布随机初始化模型参数；

在一个示例性实施方式中，采用均方根误差MSELoss作为目标函数，来度量真实年龄标签l_i和预测年龄y_i之间的差异程度，再采用损失加权的方式进行反向传播；