JP2020536693A - 人工知能自己学習に基づく心電図自動解析方法及び装置 - Google Patents
人工知能自己学習に基づく心電図自動解析方法及び装置 Download PDFInfo
- Publication number
- JP2020536693A JP2020536693A JP2020521443A JP2020521443A JP2020536693A JP 2020536693 A JP2020536693 A JP 2020536693A JP 2020521443 A JP2020521443 A JP 2020521443A JP 2020521443 A JP2020521443 A JP 2020521443A JP 2020536693 A JP2020536693 A JP 2020536693A
- Authority
- JP
- Japan
- Prior art keywords
- data
- heart rate
- analysis
- electrocardiogram
- heartbeat
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 160
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 37
- 238000012549 training Methods 0.000 claims abstract description 68
- 238000001514 detection method Methods 0.000 claims abstract description 44
- 238000004364 calculation method Methods 0.000 claims abstract description 20
- 238000013441 quality evaluation Methods 0.000 claims abstract description 19
- 238000012937 correction Methods 0.000 claims abstract description 9
- 238000000034 method Methods 0.000 claims description 87
- 238000000718 qrs complex Methods 0.000 claims description 44
- 238000013145 classification model Methods 0.000 claims description 40
- 230000008859 change Effects 0.000 claims description 29
- 230000008569 process Effects 0.000 claims description 28
- 238000000605 extraction Methods 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 19
- 238000005070 sampling Methods 0.000 claims description 18
- 238000011156 evaluation Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 9
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 230000005856 abnormality Effects 0.000 claims description 5
- 238000012806 monitoring device Methods 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 5
- 238000012952 Resampling Methods 0.000 claims description 4
- 238000013135 deep learning Methods 0.000 abstract description 13
- 238000013136 deep learning model Methods 0.000 abstract description 6
- 238000007781 pre-processing Methods 0.000 abstract description 4
- 238000012795 verification Methods 0.000 abstract description 4
- 238000002565 electrocardiography Methods 0.000 description 20
- 238000004422 calculation algorithm Methods 0.000 description 18
- 238000013527 convolutional neural network Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 10
- 230000033764 rhythmic process Effects 0.000 description 10
- 206010003119 arrhythmia Diseases 0.000 description 9
- 230000006793 arrhythmia Effects 0.000 description 9
- 238000001914 filtration Methods 0.000 description 8
- 238000012360 testing method Methods 0.000 description 8
- 206010047302 ventricular tachycardia Diseases 0.000 description 8
- 235000014676 Phragmites communis Nutrition 0.000 description 6
- 230000008602 contraction Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 239000000284 extract Substances 0.000 description 6
- 230000002452 interceptive effect Effects 0.000 description 6
- 238000002372 labelling Methods 0.000 description 6
- 230000003068 static effect Effects 0.000 description 6
- 206010003658 Atrial Fibrillation Diseases 0.000 description 5
- 238000003745 diagnosis Methods 0.000 description 5
- 230000004913 activation Effects 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 206010003668 atrial tachycardia Diseases 0.000 description 3
- 238000005520 cutting process Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000011176 pooling Methods 0.000 description 3
- 230000036279 refractory period Effects 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 230000002861 ventricular Effects 0.000 description 3
- 206010033557 Palpitations Diseases 0.000 description 2
- 244000273256 Phragmites communis Species 0.000 description 2
- 206010042602 Supraventricular extrasystoles Diseases 0.000 description 2
- 208000009729 Ventricular Premature Complexes Diseases 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000001746 atrial effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000003759 clinical diagnosis Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 208000029078 coronary artery disease Diseases 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 208000002173 dizziness Diseases 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000003475 lamination Methods 0.000 description 2
- 230000003183 myoelectrical effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 206010003662 Atrial flutter Diseases 0.000 description 1
- 206010003671 Atrioventricular Block Diseases 0.000 description 1
- 208000010496 Heart Arrest Diseases 0.000 description 1
- 102100026827 Protein associated with UVRAG as autophagy enhancer Human genes 0.000 description 1
- 101710102978 Protein associated with UVRAG as autophagy enhancer Proteins 0.000 description 1
- 206010047289 Ventricular extrasystoles Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000002763 arrhythmic effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 208000006218 bradycardia Diseases 0.000 description 1
- 230000036471 bradycardia Effects 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 210000004413 cardiac myocyte Anatomy 0.000 description 1
- 238000010205 computational analysis Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 230000002600 fibrillogenic effect Effects 0.000 description 1
- 208000019622 heart disease Diseases 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000012880 independent component analysis Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000000302 ischemic effect Effects 0.000 description 1
- 238000010030 laminating Methods 0.000 description 1
- 208000013433 lightheadedness Diseases 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002107 myocardial effect Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000013577 regulation of ventricular cardiomyocyte membrane repolarization Effects 0.000 description 1
- 238000011895 specific detection Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 238000011282 treatment Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
- A61B5/353—Detecting P-waves
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
- A61B5/355—Detecting T-waves
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
- A61B5/358—Detecting ST segments
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Surgery (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Signal Processing (AREA)
- Cardiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Physiology (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Power Engineering (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
Description
心電監視装置より出力されるシングルリード又はマルチリードの時系列データである心電図データを受信することと、
前記心電図データのデータフォーマットをリサンプリングして予め設定された標準データフォーマットに変換し、予め設定された標準データフォーマットに変換された後の心電図データに対して第1フィルタ処理を行うことと、
前記第1フィルタ処理後の心電図データに対して心拍検出処理を行い、前記心電図データに含まれる複数の心拍データを識別し、各前記心拍データは対応するP波、QRS群、T波の振幅データ及び終始時間データを含む一つの心拍期間に対応することと、
トレーニングして得られた干渉識別二項分類モデルに基づいて前記心拍データを干渉識別し、心拍データに干渉ノイズが存在するか、及び干渉ノイズを判定するための一つの確率値を確定することと、
心拍データのリードパラメータと前記心拍データとにより、前記干渉識別の結果と時間規則に基づいて心拍時系列データを併合生成し、前記心拍時系列データから心拍解析データを生成することと、
前記心拍解析データに対して信号品質解析を行い、前記心拍解析データの信号品質を評価し、前記心拍解析データの信号品質評価パラメータを得ることと、
トレーニングして得られた心拍分類モデルに基づき、前記心拍解析データに対して振幅及び時間特徴データの特徴抽出及び解析を行い、前記心拍解析データの一次分類情報を取得することと、
前記一次分類情報の結果における特定の心拍を有する心拍解析データをトレーニング済みのSTセグメント及びT波変化モデルに入力して識別し、STセグメント及びT波評価情報を確定することと、
前記心拍解析データを前記一次分類情報の下で前記心電図の基本規則参照データ並びに前記STセグメント及びT波評価情報に基づいて二次分類処理を行い、最終的に心拍分類情報を取得することと、
前記心拍解析データを、前記心拍分類情報と心電図の基本規則参照データに基づいて心電図イベントデータとして生成することと、前記信号品質評価パラメータに基づいて心電図イベントデータをスクリーニングし、対応する報告用結論データ及び報告用項目データを得ることと、各種の心電図イベントデータにおける代表的なデータセグメントに基づいて報告用画像データを生成することと、前記報告用項目データ、報告用画像データ及び報告用結論データを出力することとを含む。
前記QRS群に基づいてRR間隔を確定して前記RR間隔におけるノイズの推定値を計算することと、
前記ノイズの推定値と各QRS群の最大振幅値に基づき、各QRS群の検出信頼度を確定することをさらに含む。
第1のデータ量で前記心拍データをカットサンプリングし、カットサンプリングして得られたデータを干渉識別二項分類モデルに入力して干渉識別を行うことと、
心拍データのうち、心拍間隔が予め設定された間隔判定閾値以上のデータセグメントを識別することと、
前記心拍間隔が予め設定された間隔判定閾値以上のデータセグメントについて信号異常判定を行い、異常信号であるか否かを判定することと、
異常信号でなければ、所定時間幅で設定時間値に基づき、前記データセグメントにおけるスライドサンプリングの開始データ点及び終了データ点を決定し、前記開始データ点から前記終了データ点まで前記データセグメントをスライドサンプリングして複数のサンプリングデータセグメントを取得することと、
各前記サンプリングデータセグメントに対して前記干渉識別を行うことを含む。
シングルリード心拍解析データについて、前記心拍解析データをトレーニングして得られた対応する前記シングルリード心拍分類モデルに入力し、第2のデータ量で振幅及び時間特徴データの特徴抽出及び解析を行い、前記シングルリード一次分類情報を取得することを含む。
トレーニングして得られた各リードに対応する心拍分類モデルに基づき、各リードの心拍解析データに対して第3のデータ量で振幅と時間特徴データの特徴抽出と解析を行い、各リードの分類情報を得ることと、
各リードの分類情報とリード重み値参照係数に基づいて分類投票決定計算を行うことにより、前記一次分類情報を得ることとを含む。
トレーニングして得られたマルチリード同期関連分類モデルに基づき、各リードの心拍解析データに対して第4のデータ量で同期振幅と時間特徴データとの特徴抽出と解析を行い、心拍解析データの一次分類情報を取得することを含む。
前記一次分類情報における特定心拍データを、トレーニングして得られたSTセグメント及びT波変化モデルにリードに沿って順次に入力し、各リードの特定心拍データに対して振幅及び時間特徴データの特徴抽出及び解析を行い、各リードのSTセグメント及びT波変化情報を取得し、具体的には前記心拍データセグメントに対応するSTセグメント及びT波が変化するリード位置情報であるSTセグメント及びT波評価情報を確定することを含む。
前記信号品質評価パラメータに基づき、各種の心電図イベントのデータセグメントを評価し、信号品質評価パラメータが最も高いデータセグメントを前記心電図イベントの代表的なデータセグメントとして選択することを含む。
前記心拍分類情報の修正情報を受信することと、
修正後データをトレーニングサンプルデータとして、前記人工知能に基づく自己学習型心電図自動解析方法におけるモデルトレーニングに用いることをさらに含む。
以下の式によって表される。
心拍時系列データに基づき、第2のデータ量で各シングルリード心拍データをカッティングしてシングルリード心拍解析データを生成し、トレーニングして得られた該リードに対応する心拍分類モデルに入力して振幅及び時間特徴データの特徴抽出及び解析を行い、シングルリードの前記一次分類情報を得る、ことを含む。
心拍時系列データに基づき、第4のデータ量で各リード心拍データをカッティングして各リードの心拍解析データを生成することと、次に、トレーニングして得られたマルチリード同期関連分類モデルに基づいて各リードの心拍解析データに対して、同期振幅と時間特徴データの特徴抽出と解析を行い、心拍解析データの一次分類情報を得ることとを含んでもよい。
Claims (12)
- 心電監視装置より出力されるシングルリード又はマルチリードの時系列データである心電図データを受信することと、
前記心電図データのデータフォーマットをリサンプリングして予め設定された標準データフォーマットに変換し、予め設定された標準データフォーマットに変換された後の心電図データに対して第1フィルタ処理を行うことと、
前記第1フィルタ処理後の心電図データに対して心拍検出処理を行い、前記心電図データに含まれる複数の心拍データを識別し、各前記心拍データは、対応するP波、QRS群、T波の振幅データ及び終始時間データを含む一つの心拍期間に対応することと、
トレーニングして得られた干渉識別二項分類モデルに基づいて前記心拍データを干渉識別し、心拍データに干渉ノイズが存在するか、及び干渉ノイズを判定するための一つの確率値を確定することと、
心拍データのリードパラメータと前記心拍データにより、前記干渉識別の結果と時間規則に基づいて心拍時系列データを併合生成し、前記心拍時系列データから心拍解析データを生成することと、
前記心拍解析データに対して信号品質解析を行い、前記心拍解析データの信号品質を評価し、前記心拍解析データの信号品質評価パラメータを得ることと、
トレーニングして得られた心拍分類モデルに基づき、前記心拍解析データに対して振幅及び時間特徴データの特徴抽出及び解析を行い、前記心拍解析データの一次分類情報を取得することと、
前記一次分類情報の結果における特定の心拍を有する心拍解析データをトレーニング済みのSTセグメント及びT波変化モデルに入力して識別し、STセグメント及びT波評価情報を確定することと、
前記心拍解析データを前記一次分類情報の下で前記心電図の基本規則参照データ並びに前記STセグメント及びT波評価情報に基づいて二次分類処理を行い、最終的に心拍分類情報を取得することと、
前記心拍解析データを、前記心拍分類情報と心電図の基本規則参照データに基づいて心電図イベントデータとして生成することと、前記信号品質評価パラメータに基づいて心電図イベントデータをスクリーニングし、対応する報告用結論データ及び報告用項目データを得ることと、各種の心電図イベントデータにおける代表的なデータセグメントに基づいて報告用画像データを生成することと、前記報告用項目データ、報告用画像データ及び報告用結論データを出力することとを含む、ことを特徴とする人工知能自己学習に基づく心電図自動解析方法。 - 前記第1フィルタ処理後の心電図データに対して心拍検出処理を行うことは、
前記QRS群に基づいてRR間隔を確定して前記RR間隔におけるノイズの推定値を計算することと、
前記ノイズの推定値と各QRS群の最大振幅値に基づき、各QRS群の検出信頼度を確定することをさらに含む、ことを特徴とする請求項1に記載の心電図自動解析方法。 - 前記トレーニングして得られた干渉識別二項分類モデルに基づいて前記心拍データを干渉識別することは、具体的には、
第1のデータ量で前記心拍データをカットサンプリングし、カットサンプリングして得られたデータを干渉識別二項分類モデルに入力して干渉識別を行うことと、
心拍データのうち、心拍間隔が予め設定された間隔判定閾値以上のデータセグメントを識別することと、
前記心拍間隔が予め設定された間隔判定閾値以上のデータセグメントについて信号異常判定を行い、異常信号であるか否かを判定することと、
異常信号でなければ、所定時間幅で設定時間値に基づき、前記データセグメントにおけるスライドサンプリングの開始データ点及び終了データ点を決定し、前記開始データ点から前記終了データ点まで前記データセグメントをスライドサンプリングして複数のサンプリングデータセグメントを取得することと、
各前記サンプリングデータセグメントに対して前記干渉識別を行うことを含む、ことを特徴とする請求項1に記載の心電図自動解析方法。 - 前記トレーニングして得られた心拍分類モデルに基づき、前記心拍解析データに対して振幅及び時間特徴データの特徴抽出及び解析を行い、前記心拍解析データの一次分類情報を取得することは、具体的には、
シングルリード心拍解析データについて、前記心拍解析データをトレーニングして得られた対応する前記シングルリード心拍分類モデルに入力し、第2のデータ量で振幅及び時間特徴データの特徴抽出及び解析を行い、前記シングルリード一次分類情報を取得することを含む、ことを特徴とする請求項1に記載の心電図自動解析方法。 - 前記トレーニングして得られた心拍分類モデルに基づき、前記心拍解析データに対して振幅及び時間特徴データの特徴抽出及び解析を行い、前記心拍解析データの一次分類情報を取得することは、具体的には、
トレーニングして得られた各リードに対応する心拍分類モデルに基づき、各リードの心拍解析データに対して第3のデータ量で振幅と時間特徴データの特徴抽出と解析を行い、各リードの分類情報を得ることと、
各リードの分類情報とリード重み値参照係数に基づいて分類投票決定計算を行うことにより、前記一次分類情報を得ることとを含む、ことを特徴とする請求項1に記載の心電図自動解析方法。 - 前記トレーニングして得られた心拍分類モデルに基づき、前記心拍解析データに対して振幅及び時間特徴データの特徴抽出及び解析を行い、前記心拍解析データの一次分類情報を取得することは、具体的には、
トレーニングして得られたマルチリード同期関連分類モデルに基づき、各リードの心拍解析データに対して第4のデータ量で同期振幅と時間特徴データとの特徴抽出と解析を行い、心拍解析データの一次分類情報を取得することを含む、ことを特徴とする請求項1に記載の心電図自動解析方法。 - 前記一次分類情報における特定の心拍を有する心拍解析データを、トレーニング済みのSTセグメント及びT波変化モデルに入力して識別し、STセグメント及びT波評価情報を確定することは、具体的には、
前記一次分類情報における特定心拍データを、トレーニングして得られたSTセグメント及びT波変化モデルにリードに沿って順次に入力し、各リードの特定心拍データに対して振幅及び時間特徴データの特徴抽出及び解析を行い、各リードのSTセグメント及びT波変化情報を取得し、具体的には前記心拍データセグメントに対応するSTセグメント及びT波が変化するリード位置情報であるSTセグメント及びT波評価情報を確定することを含む、ことを特徴とする請求項1に記載の心電図自動解析方法。 - 前記各種の心電図イベントデータの代表的なデータセグメントに基づき、報告用画像データを生成することは、具体的には、
前記信号品質評価パラメータに基づき、各種の心電図イベントのデータセグメントを評価し、信号品質評価パラメータが最も高いデータセグメントを前記心電図イベントの代表的なデータセグメントとして選択することを含む、ことを特徴とする請求項1に記載の心電図自動解析方法。 - 前記方法は、
前記心拍分類情報の修正情報を受信することと、
修正後データをトレーニングサンプルデータとして、前記人工知能に基づく自己学習型心電図自動解析方法におけるモデルトレーニングに用いることをさらに含む、ことを特徴とする請求項1に記載の心電図自動解析方法。 - メモリとプロセッサとを備える装置であって、前記メモリは、プログラムの記憶に用いられ、前記プロセッサは、請求項1〜9のいずれか1項に記載の方法の実行に用いられる、ことを特徴とする装置。
- コンピュータで実行される場合、請求項1〜9のいずれか1項に記載の方法をコンピュータに実行させる、コマンド含有コンピュータプログラム製品。
- コマンドを含み、前記コマンドがコンピュータで実行される場合、請求項1〜9のいずれか1項に記載の方法を前記コンピュータに実行させる、コンピュータ可読記憶媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711203259.6A CN107837082B (zh) | 2017-11-27 | 2017-11-27 | 基于人工智能自学习的心电图自动分析方法和装置 |
CN201711203259.6 | 2017-11-27 | ||
PCT/CN2018/072348 WO2019100560A1 (zh) | 2017-11-27 | 2018-01-12 | 基于人工智能自学习的心电图自动分析方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020536693A true JP2020536693A (ja) | 2020-12-17 |
JP7091451B2 JP7091451B2 (ja) | 2022-06-27 |
Family
ID=61680291
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020521443A Active JP7091451B2 (ja) | 2017-11-27 | 2018-01-12 | 人工知能自己学習に基づく心電図自動解析方法、その解析方法の実行に用いられる装置、コンピュータプログラム製品及びコンピュータ読み取り可能な記憶媒体 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11529103B2 (ja) |
EP (1) | EP3692903A4 (ja) |
JP (1) | JP7091451B2 (ja) |
CN (1) | CN107837082B (ja) |
WO (1) | WO2019100560A1 (ja) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7032747B1 (ja) | 2021-03-24 | 2022-03-09 | アステラス製薬株式会社 | 心電図解析支援装置、プログラム、心電図解析支援方法、及び心電図解析支援システム |
KR102441309B1 (ko) * | 2021-05-17 | 2022-09-08 | 주식회사 웰리시스 | 심전도 해석 매칭지원 서비스 시스템 |
WO2023022493A1 (ko) * | 2021-08-17 | 2023-02-23 | 주식회사 메디컬에이아이 | 딥러닝 기반 심전도 데이터의 노이즈 제거 시스템 |
WO2023058104A1 (ja) * | 2021-10-05 | 2023-04-13 | 日本電信電話株式会社 | 計測品質評価装置および方法ならびにプログラム |
WO2023158102A1 (ko) * | 2022-02-18 | 2023-08-24 | 주식회사 뷰노 | 심전도 기술 및 결과 통합 방법 |
Families Citing this family (54)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108875575B (zh) * | 2018-05-12 | 2021-05-11 | 鲁东大学 | 基于多通道信号融合深度神经网络自动心律失常分析方法 |
CN108960301B (zh) * | 2018-06-20 | 2021-09-10 | 西南大学 | 一种基于卷积神经网络的古彝文识别方法 |
CN109044347B (zh) * | 2018-07-11 | 2021-08-27 | 上海夏先机电科技发展有限公司 | 识别心电波图像交界性逸搏方法、装置、***和电子设备 |
CN108836313A (zh) * | 2018-07-13 | 2018-11-20 | 希蓝科技(北京)有限公司 | 一种智能选取导联的动态心电图分析方法 |
CN108932502A (zh) * | 2018-07-13 | 2018-12-04 | 希蓝科技(北京)有限公司 | 一种自学习的心电图模板分类模型更新***及方法 |
CN109065145B (zh) * | 2018-07-24 | 2021-12-14 | 西安蓝港数字医疗科技股份有限公司 | 心电数据处理方法、装置及存储介质 |
CN110897629A (zh) * | 2018-09-14 | 2020-03-24 | 杭州脉流科技有限公司 | 基于深度学习算法的心电特征提取方法、装置、***、设备和分类方法 |
CN109637610A (zh) * | 2018-11-19 | 2019-04-16 | 深圳市理邦精密仪器股份有限公司 | 心电报告的配置方法、终端设备及介质 |
CN109700450B (zh) * | 2018-12-28 | 2021-02-19 | 联想(北京)有限公司 | 一种心率检测方法及电子设备 |
CN109793511A (zh) * | 2019-01-16 | 2019-05-24 | 成都蓝景信息技术有限公司 | 基于深度学习技术的心电信号噪声检测算法 |
CN109887595A (zh) * | 2019-01-16 | 2019-06-14 | 成都蓝景信息技术有限公司 | 基于深度学习技术的心搏异常识别算法 |
CN109770891B (zh) * | 2019-01-31 | 2022-04-29 | 上海交通大学 | 心电信号预处理方法及预处理装置 |
CN109745037B (zh) * | 2019-02-14 | 2022-06-24 | 广州视源电子科技股份有限公司 | 一种图像处理方法、装置、设备和存储介质 |
JP7297464B2 (ja) * | 2019-02-22 | 2023-06-26 | フクダ電子株式会社 | 生体信号処理装置および自動解析用データ生成方法 |
CN111714111A (zh) * | 2019-03-22 | 2020-09-29 | 安徽华米信息科技有限公司 | 心电数据处理方法、装置、可穿戴设备及存储介质 |
CN109893119B (zh) * | 2019-03-24 | 2022-01-04 | 浙江好络维医疗技术有限公司 | 一种基于多导联聚类分析的p波识别定位方法 |
CN110263176A (zh) * | 2019-05-14 | 2019-09-20 | 武汉维特鲁威生物科技有限公司 | 一种基于本体的医学数据整合方法及*** |
EP3981321A4 (en) * | 2019-07-29 | 2022-08-03 | Cardio Intelligence Inc. | ELECTROCARDIOGRAM DISPLAY DEVICE, ELECTROCARDIOGRAM DISPLAY METHOD AND PROGRAM |
CN110403601A (zh) * | 2019-08-27 | 2019-11-05 | 安徽心之声医疗科技有限公司 | 基于深度学习的心电信号qrs波群识别方法 |
CN110793789A (zh) * | 2019-10-08 | 2020-02-14 | 安徽富煌钢构股份有限公司 | 一种列车高速运行状态下的动态检测*** |
CN110731773B (zh) * | 2019-10-28 | 2022-10-28 | 浙江工业大学 | 一种基于心电波形图全局与局部深度特征融合的异常心电图筛查方法 |
CN110826908A (zh) * | 2019-11-05 | 2020-02-21 | 北京推想科技有限公司 | 人工智能预测的评估方法、装置、存储介质及电子设备 |
CN111259820B (zh) * | 2020-01-17 | 2023-05-05 | 上海乐普云智科技股份有限公司 | 一种基于r点的心搏数据分类方法和装置 |
CN111310572B (zh) * | 2020-01-17 | 2023-05-05 | 上海乐普云智科技股份有限公司 | 利用心搏时间序列生成心搏标签序列的处理方法和装置 |
CN111126350B (zh) * | 2020-01-17 | 2023-05-05 | 上海乐普云智科技股份有限公司 | 一种心搏分类结果的生成方法和装置 |
CN113288049A (zh) * | 2020-02-24 | 2021-08-24 | 华为技术有限公司 | 一种数据采集方法、终端设备及存储介质 |
CN113384277B (zh) * | 2020-02-26 | 2022-09-20 | 京东方科技集团股份有限公司 | 心电数据的分类方法及分类*** |
CN111612042B (zh) * | 2020-04-24 | 2023-09-08 | 广州视源电子科技股份有限公司 | 左前分支传导阻滞的检测装置、存储介质及终端 |
CN113712563A (zh) * | 2020-05-12 | 2021-11-30 | 深圳市理邦精密仪器股份有限公司 | 动态心电图分析方法、心电监测设备以及存储介质 |
CN111904410B (zh) * | 2020-06-19 | 2023-11-03 | 陕西省医疗器械质量监督检验院 | 一种动态心电图准确性的检测***及检测方法 |
RU2767157C2 (ru) * | 2020-07-21 | 2022-03-16 | Общество с ограниченной ответственностью "СберМедИИ" (ООО "СберМедИИ") | Способ и система автоматического анализа экг |
CN111956215A (zh) * | 2020-07-29 | 2020-11-20 | 鲁东大学 | 一种低质量心电图的qrs点的检测方法 |
CN111956203A (zh) * | 2020-08-18 | 2020-11-20 | 广州视源电子科技股份有限公司 | 心电信号参数化方法、模型训练方法、装置、设备及介质 |
CN112022144B (zh) * | 2020-09-09 | 2022-05-24 | 生物岛实验室 | 心电异常检测网络训练方法、心电异常预警方法及装置 |
CN112270212B (zh) * | 2020-10-10 | 2023-12-08 | 深圳市凯沃尔电子有限公司 | 基于多导联心电信号生成心搏标签数据序列的方法和装置 |
CN112244855B (zh) * | 2020-11-13 | 2022-08-26 | 上海乐普云智科技股份有限公司 | 一种面向心电数据的数据处理*** |
CN112603330B (zh) * | 2020-12-28 | 2022-07-26 | 中国科学院微电子研究所 | 心电信号识别分类方法 |
CN112932431B (zh) * | 2021-01-26 | 2022-09-27 | 山西三友和智慧信息技术股份有限公司 | 一种基于1DCNN+InceptionNet+GRU融合网络的心率识别方法 |
CN112932499B (zh) * | 2021-01-28 | 2023-05-26 | 晨思(广州)医疗科技有限公司 | 网络训练和单导联心电数据处理方法、计算机装置和介质 |
CN112842349B (zh) * | 2021-02-20 | 2022-03-11 | 无锡市中健科仪有限公司 | 一种基于注意力转换机制的室上性早搏智能分析方法 |
CN113052229B (zh) * | 2021-03-22 | 2023-08-29 | 武汉中旗生物医疗电子有限公司 | 一种基于心电数据的心脏病症分类方法及装置 |
CN113298067A (zh) * | 2021-05-17 | 2021-08-24 | 长沙市到家悠享家政服务有限公司 | 体检结果自动审核方法及***、电子设备及存储介质 |
CN113449603B (zh) * | 2021-05-28 | 2022-10-25 | 同济大学 | 一种高分辨率遥感影像地表要素识别方法及存储介质 |
CN113349753A (zh) * | 2021-07-19 | 2021-09-07 | 成都芯跳医疗科技有限责任公司 | 一种基于便携式动态心电监护仪的心律失常检测方法 |
WO2023065051A1 (en) * | 2021-10-24 | 2023-04-27 | Eshraghi Elham | Early detection of a heart attack based on electrocardiography and clinical symptoms |
US20230137626A1 (en) * | 2021-10-28 | 2023-05-04 | Preventice Solutions, Inc. | Electrocardiogram wave segmentation using machine learning |
CN113965632A (zh) * | 2021-11-03 | 2022-01-21 | 武汉大学 | 一种基于云-设备端协同的ecg分析***及方法 |
CN113940682A (zh) * | 2021-11-10 | 2022-01-18 | 浙江好络维医疗技术有限公司 | 一种基于统计特征的房颤识别方法 |
CN113951893B (zh) * | 2021-12-02 | 2023-02-03 | 清华大学 | 一种结合深度学习和电生理知识的多导联心电信号特征点提取方法 |
CN114847960A (zh) * | 2022-06-07 | 2022-08-05 | 山东大学 | 基于心电导联规则和残差神经网络的心电识别***及方法 |
CN115081485B (zh) * | 2022-07-04 | 2023-04-07 | 中特检深燃安全技术服务(深圳)有限公司 | 一种基于ai的漏磁内检测数据自动分析方法 |
CN116211316B (zh) * | 2023-04-14 | 2023-07-28 | 中国医学科学院阜外医院 | 多导联心电信号的类型识别方法、***及辅助*** |
CN116407133B (zh) * | 2023-06-02 | 2023-08-29 | 中国医学科学院阜外医院 | 心电信号的质量评估方法、装置、存储介质及电子设备 |
CN116919414B (zh) * | 2023-07-06 | 2024-02-13 | 齐鲁工业大学(山东省科学院) | 基于多尺度卷积和密集连接网络的心电信号质量评估方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1085197A (ja) * | 1996-09-04 | 1998-04-07 | Siemens Ag | Eegデータの評価方法及び装置ならびにニューラルネットワークの訓練方法 |
JP2013524865A (ja) * | 2010-03-15 | 2013-06-20 | シンガポール ヘルス サービシーズ ピーティーイー リミテッド | 患者の生存性を予測する方法 |
WO2017072250A1 (en) * | 2015-10-27 | 2017-05-04 | CardioLogs Technologies | An automatic method to delineate or categorize an electrocardiogram |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1999059673A1 (en) * | 1998-05-21 | 1999-11-25 | Medtronic Physio-Control Manufacturing Corp. | Automatic detection and reporting of cardiac asystole |
IL155955A0 (en) * | 2003-05-15 | 2003-12-23 | Widemed Ltd | Adaptive prediction of changes of physiological/pathological states using processing of biomedical signal |
CN101766484B (zh) * | 2010-01-18 | 2011-09-07 | 董军 | 用于心电图识别与分类的方法和设备 |
US8684942B2 (en) | 2011-05-25 | 2014-04-01 | Siemens Medical Solutions Usa, Inc. | System for cardiac impairment detection based on signal regularity |
BR112014008597A2 (pt) | 2011-10-12 | 2017-04-18 | Koninklijke Philips Nv | sistema e método para determinação dos pontos q e j de um eletrocardiograma (ecg); um ou mais processadores; e mídia executável por computador não transitória |
CN104398254B (zh) * | 2014-11-14 | 2017-02-22 | 中国科学院深圳先进技术研究院 | 一种心电图分析***、分析设备及预测模型采集设备 |
CN106725420A (zh) * | 2015-11-18 | 2017-05-31 | 中国科学院苏州纳米技术与纳米仿生研究所 | 室性早搏识别方法及室性早搏识别*** |
CN105411567B (zh) * | 2015-12-15 | 2018-04-24 | 北京世纪今科医疗器械有限公司 | 一种心电图数据分析方法及*** |
CN105748063A (zh) * | 2016-04-25 | 2016-07-13 | 山东大学齐鲁医院 | 基于多导联和卷积神经网络的心律失常智能诊断方法 |
CN105997055A (zh) * | 2016-07-11 | 2016-10-12 | 吉林大学 | 一种心电信号st段的自动分类方法、***及装置 |
CN106214145B (zh) * | 2016-07-20 | 2019-12-10 | 杨一平 | 一种基于深度学习算法的心电图分类方法 |
CN106214123B (zh) * | 2016-07-20 | 2019-01-25 | 杨一平 | 一种基于深度学习算法的心电图综合分类方法 |
CN107391900B (zh) * | 2017-05-05 | 2020-07-14 | 陈一昕 | 房颤检测方法、分类模型训练方法及终端设备 |
CN107184198A (zh) | 2017-06-01 | 2017-09-22 | 广州城市职业学院 | 一种心电信号分类识别方法 |
CN107358196B (zh) * | 2017-07-12 | 2020-11-10 | 北京卫嘉高科信息技术有限公司 | 一种心搏类型的分类方法、装置及心电仪 |
-
2017
- 2017-11-27 CN CN201711203259.6A patent/CN107837082B/zh active Active
-
2018
- 2018-01-12 WO PCT/CN2018/072348 patent/WO2019100560A1/zh unknown
- 2018-01-12 JP JP2020521443A patent/JP7091451B2/ja active Active
- 2018-01-12 US US16/651,933 patent/US11529103B2/en active Active
- 2018-01-12 EP EP18881135.0A patent/EP3692903A4/en not_active Withdrawn
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1085197A (ja) * | 1996-09-04 | 1998-04-07 | Siemens Ag | Eegデータの評価方法及び装置ならびにニューラルネットワークの訓練方法 |
JP2013524865A (ja) * | 2010-03-15 | 2013-06-20 | シンガポール ヘルス サービシーズ ピーティーイー リミテッド | 患者の生存性を予測する方法 |
JP2017077461A (ja) * | 2010-03-15 | 2017-04-27 | シンガポール ヘルス サービシーズ ピーティーイー リミテッド | 患者の生存性を予測する方法 |
WO2017072250A1 (en) * | 2015-10-27 | 2017-05-04 | CardioLogs Technologies | An automatic method to delineate or categorize an electrocardiogram |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7032747B1 (ja) | 2021-03-24 | 2022-03-09 | アステラス製薬株式会社 | 心電図解析支援装置、プログラム、心電図解析支援方法、及び心電図解析支援システム |
JP2022148631A (ja) * | 2021-03-24 | 2022-10-06 | アステラス製薬株式会社 | 心電図解析支援装置、プログラム、心電図解析支援方法、及び心電図解析支援システム |
KR102441309B1 (ko) * | 2021-05-17 | 2022-09-08 | 주식회사 웰리시스 | 심전도 해석 매칭지원 서비스 시스템 |
WO2023022493A1 (ko) * | 2021-08-17 | 2023-02-23 | 주식회사 메디컬에이아이 | 딥러닝 기반 심전도 데이터의 노이즈 제거 시스템 |
WO2023058104A1 (ja) * | 2021-10-05 | 2023-04-13 | 日本電信電話株式会社 | 計測品質評価装置および方法ならびにプログラム |
WO2023158102A1 (ko) * | 2022-02-18 | 2023-08-24 | 주식회사 뷰노 | 심전도 기술 및 결과 통합 방법 |
KR20230124187A (ko) * | 2022-02-18 | 2023-08-25 | 주식회사 뷰노 | 심전도 기술 및 결과 통합 방법 |
KR102653258B1 (ko) * | 2022-02-18 | 2024-04-01 | 주식회사 뷰노 | 심전도 기술 및 결과 통합 방법 |
Also Published As
Publication number | Publication date |
---|---|
US20200305799A1 (en) | 2020-10-01 |
US11529103B2 (en) | 2022-12-20 |
CN107837082A (zh) | 2018-03-27 |
JP7091451B2 (ja) | 2022-06-27 |
CN107837082B (zh) | 2020-04-24 |
EP3692903A4 (en) | 2021-07-14 |
EP3692903A1 (en) | 2020-08-12 |
WO2019100560A1 (zh) | 2019-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7091451B2 (ja) | 人工知能自己学習に基づく心電図自動解析方法、その解析方法の実行に用いられる装置、コンピュータプログラム製品及びコンピュータ読み取り可能な記憶媒体 | |
CN107951485B (zh) | 基于人工智能自学习的动态心电图分析方法和装置 | |
US11344243B2 (en) | Artificial intelligence self-learning-based static electrocardiography analysis method and apparatus | |
US10959660B2 (en) | Electrocardiogram processing system for delineation and classification | |
CN109411041B (zh) | 心电信息处理方法和心电工作站*** | |
JP6986724B2 (ja) | 人工知能に基づく心電図干渉識別方法 | |
US11617528B2 (en) | Systems and methods for reduced lead electrocardiogram diagnosis using deep neural networks and rule-based systems | |
CN109411042B (zh) | 心电信息处理方法和心电工作站 | |
Shi et al. | Inter-patient heartbeat classification based on region feature extraction and ensemble classifier | |
Farag | A self-contained STFT CNN for ECG classification and arrhythmia detection at the edge | |
Fang et al. | Dual-channel neural network for atrial fibrillation detection from a single lead ECG wave | |
Wu et al. | Personalizing a generic ECG heartbeat classification for arrhythmia detection: a deep learning approach | |
Zhang et al. | Detection of atrial fibrillation from variable-duration ECG signal based on time-adaptive densely network and feature enhancement strategy | |
US11672464B2 (en) | Electrocardiogram processing system for delineation and classification | |
Nematov et al. | A method for classifying ecg signals with different possible states on a multilayer perceptron | |
US11568991B1 (en) | Medical diagnostic tool with neural model trained through machine learning for predicting coronary disease from ECG signals | |
Radiuk et al. | A Novel Feature Vector for ECG Classification using Deep Learning | |
Banjarnahor et al. | Application of Decision Tree Method in ECG Signal Classification for Heart Disorder Detection | |
Singh et al. | Signal Quality Evaluation and Processing for QRS Detection in ECG based Smart Healthcare Systems | |
Sharmila et al. | ECG SIGNAL CLASSIFICATION USING DEEP LEARNING |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200415 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20200918 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210406 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210604 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211124 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220117 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220524 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220615 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7091451 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |