利用心电图段预测健康状况的预测方法、程序及装置与流程

本公开的内容涉及医疗领域的数据处理技术，具体地，涉及如下的方法：为了利用人工智能稳定且准确地分析心电图，过滤心电图数据，并根据过滤后的数据预测健康状况。

背景技术：

1、心电图检查是记录心脏的电活动的检查。心电图检查是一种相对简单且经济高效的检查方法，可确认心脏的健康状况，这在心脏疾病的早期诊断和管理中起着重要作用。例如，通过心电图检查测出的心电图信号可用于确认心脏的各部分是否正常工作、心脏的大小和位置是否正常以及心脏肌肉是否受损等。并且，心电图信号基于这些确认诊断多种心脏相关问题，并可用于预测人的健康状况。

2、另外，随着人工智能技术的发展，可利用人工智能技术分析心电图的尝试越来越多。向基于神经网络的模型输入心电图来预测各种心脏疾病的服务就是典型例子之一。这种现有技术及服务大多是通过人工智能模型一次性处理全部或部分心电图的形式。但是，如上所述的现有形式在心电图信号本身存在问题的情况下，无法输出准确的结果值的概率高。例如，在心电图信号本身包括大量噪声的情况，或在心电图信号的检测过程中产生缺失区间的情况下，现有技术及服务中，无法通过人工智能模型提供准确的分析值，只能要求重新执行心电图信号的检测本身。

技术实现思路

1、技术问题

2、本公开的目的在于，提供如下的方法：将一个心电图信号分割为多个，并过滤适合分析的信号，由此，提高分析准确度，并提高分析便利性。

3、但是，本公开所要解决的问题并不局限于以上所提及的问题，可通过以下记载明确理解未提及的其他问题。

4、技术方案

5、根据用于实现如前所述的目的的本公开的一实施例，公开一种由计算装置执行的利用心电图段预测健康状况的方法。所述方法可包括：通过分割心电图数据来生成多个段的步骤；通过向预先学习的机器学习模型输入所述多个段来算出与多个段分别对应的疾病的可能性的步骤；去除与所述多个段分别对应的疾病的可能性中的异常值(outlier)的步骤；以及通过组合已去除所述异常值的疾病的可能性来生成关于健康状况预测的结果值的步骤。

6、可选地，所述通过分割心电图数据来生成多个段的步骤可包括：将所述心电图数据中的信号以无重叠区域的方式分割成规定长度，来生成所述多个段的步骤。

7、可选地，所述通过分割心电图数据来生成多个段的步骤可包括：将固定大小的窗口以相当于预设区域的长度在所述心电图数据中移动并分割所述心电图数据，来生成所述多个段的步骤。

8、可选地，所述方法还可包括：通过向预先学习的机器学习模型输入所述多个段来算出与多个段分别对应的输出的不确定性的步骤。

9、可选地，所述机器学习模型可包括神经网络，所述神经网络具有关于神经网络权重的概率分布，以便定量化所述输出的不确定性。

10、可选地，基于所述输出的不确定性去除与多个段分别对应的疾病的可能性中的异常值的步骤可包括：在所述输出的不确定性为预设的第一标准值以上的情况下，将与所述第一标准值以上的输出的不确定性对应的疾病的可能性视为异常值并将其去除的步骤。

11、可选地，通过组合已去除所述异常值的疾病的可能性来生成关于健康状况预测的结果值的步骤可包括：通过比较关于已去除所述异常值的疾病的可能性的平均值和预设的第二标准值来生成关于所述健康状况预测的结果值的步骤。

12、可选地，通过组合已去除所述异常值的疾病的可能性来生成关于健康状况预测的结果值的步骤可包括：通过将已去除所述异常值的疾病的每个可能性和预设的第三标准值进行比较来生成关于所述健康状况预测的结果值的步骤。

13、可选地，通过将已去除所述异常值的疾病的每个可能性和预设的第三标准值进行比较来生成关于所述健康状况预测的结果值的步骤可包括：根据已去除所述异常值的疾病的可能性是否为预设的第三标准值以上，将已去除所述异常值的疾病的可能性转换为二进制值的步骤；以及以转换的所述二进制值中所占比例最高的值为基准，生成关于所述健康状况预测的结果值的步骤。

14、根据用于实现如前所述的目的的本公开的一实施例，公开一种存储于计算机可读存储介质中的计算机程序(program)。在一个以上的处理器运行所述计算机程序的情况下，执行利用心电图段预测健康状况的动作。此时，所述动作可包括：通过向预先学习的机器学习模型输入所述多个段来算出与多个段分别对应的疾病的可能性的动作；去除与所述多个段分别对应的疾病的可能性中的异常值的动作；以及通过组合已去除所述异常值的疾病的可能性来生成关于健康状况预测的结果值的动作。

15、根据用于实现如前所述的目的的本公开的一实施例，公开一种利用心电图段预测健康状况的计算装置。所述装置可包括：处理器，包括至少一个内核(core)；存储器(memory)，包括能够在所述处理器运行的程序代码(code)；以及网络单元(network unit)，用于获得心电图数据。此时，所述处理器通过分割心电图数据来生成多个段，通过向预先学习的机器学习模型输入所述多个段来算出与多个段分别对应的疾病的可能性，去除与所述多个段分别对应的疾病的可能性中的异常值，通过组合已去除所述异常值的疾病的可能性来生成关于健康状况预测的结果值。

16、发明的效果

17、根据本公开的方法，可将一个心电图信号分割为多个，并过滤适合分析的信号，由此，提高分析准确度。

18、此外，将一个心电图分割为多个，并过滤适合分析的信号，由此，可使需要重新检测分析所需的信号的麻烦最小化，并可提高分析便利性。

技术特征：

1.一种利用心电图段预测健康状况的方法，由包括至少一个处理器的计算装置执行，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述通过分割心电图数据来生成多个段的步骤包括：

3.根据权利要求1所述的方法，其特征在于，所述通过分割心电图数据来生成多个段的步骤包括：

4.根据权利要求1所述的方法，其特征在于，还包括：通过向所述预先学习的机器学习模型输入所述多个段来算出与多个段分别对应的输出的不确定性的步骤。

5.根据权利要求4所述的方法，其特征在于，所述机器学习模型包括神经网络，所述神经网络具有关于神经网络权重的概率分布，以便定量化所述输出的不确定性。

6.根据权利要求4所述的方法，其特征在于，去除与多个段分别对应的疾病的可能性中的异常值的步骤包括：

7.根据权利要求1所述的方法，其特征在于，通过组合已去除所述异常值的疾病的可能性来生成关于健康状况预测的结果值的步骤包括：

8.根据权利要求1所述的方法，其特征在于，通过组合已去除所述异常值的疾病的可能性来生成关于健康状况预测的结果值的步骤包括：

9.根据权利要求8所述的方法，其特征在于，通过将已去除所述异常值的疾病的每个可能性和预设的第三标准值进行比较来生成关于所述健康状况预测的结果值的步骤包括：

10.一种存储于计算机可读存储介质的计算机程序，其特征在于，

11.一种利用心电图段预测健康状况的计算装置，其特征在于，

技术总结
根据本公开的一实施例，公开一种由计算装置执行的利用心电图段预测健康状况的预测方法、程序及装置。所述方法可包括：通过分割心电图数据来生成多个段的步骤；通过向预先学习的机器学习模型输入所述多个段来算出与多个段分别对应的疾病的可能性的步骤；去除与多个段分别对应的疾病的可能性中的异常值(outlier)的步骤；以及通过组合已去除所述异常值的疾病的可能性来生成关于健康状况预测的结果值的步骤。

技术研发人员：权俊明,赵勇衍
受保护的技术使用者：美迪科诶爱有限公司
技术研发日：
技术公布日：2025/3/10