一种心肌梗死检测和定位方法、系统、装置及存储介质

本发明涉及医学信号处理，尤其涉及一种心肌梗死检测和定位方法、系统、装置及存储介质。

背景技术：

1、心肌梗死是由于冠状动脉狭窄或闭塞，导致心肌缺血、缺氧而引起的心肌坏死。心肌梗死是严重的心血管疾病，常常会导致患者死亡或残疾。早期诊断和定位对于心肌梗死治疗和预后至关重要，能帮助医生及时发现和处理心肌梗死，防止心肌坏死，降低死亡率。同时，它也有助于医生了解患者的病情，实施个体化治疗，缩短治疗时间，减轻患者的痛苦。因此，在心肌梗死检测和定位方面一直是临床研究的热点之一。但是目前尚缺少一种简便的检测与定位心肌梗死的技术方案。

技术实现思路

1、为至少一定程度上解决现有技术中存在的技术问题之一，本发明的目的在于提供一种基于单导联心电图的双视角特征融合的心肌梗死检测和定位方法、系统、装置及存储介质。

2、本发明所采用的技术方案是：

3、一种心肌梗死检测和定位方法，包括以下步骤：

4、获取干净的ii导联心电信号；

5、根据所述干净的ii导联心电信号，获取与所述ii导联心电信号对应的动力学特征；

6、将所述干净的ii导联心电信号和所述动力学特征输入训练后的检测模型，输出检测结果；

7、其中，所述检测模型为基于双视角注意力网络的模型。

8、进一步地，所述检测模型包括：

9、第一特征提取模块，所述第一特征提取模块的输入为干净的ii导联心电信号，用于对所述干净的ii导联心电信号进行特征提取；

10、第二特征提取模块，所述第二特征提取模块的输入为动力学特征，用于对所述动力学特征进行特征提取；

11、拼接模块，用于对第一特征提取模块提取的特征和第二特征提取模块提取的特征进行特征融合；

12、多层感知机，包括两层全连接层。

13、进一步地，所述第一特征提取模块和所述第二特征提取模块的结构相同，且采用平行训练的方式进行训练；

14、特征提取模块包括注意力模块，所述注意力模块包括依次连接的gap层、第一fc层、relu层、第二fc层、sigmoid层和scale层。

15、进一步地，所述注意力模块的工作方式如下：

16、首先，每个通道特征x∈rc×s被gap层压缩成z∈rc×1，过程表示如下：

17、

18、式中，s是特征长度，下标c代表第c个通道，i代表序列点，xc为输入特征；

19、第一fc层先将通道数降为原来的1/r，然后再经过一个relu层，输出的维度不变；接着再送入第二fc层将通道数升回到原来的维度c，再通过一个sigmoid函数获得0～1之间归一化的权重，过程表示如下：

20、wc＝σ(w2δ(w1zc))

21、式中，w1和w2分别为第一fc层和第二fc层的权重，δ表示relu函数，σ表示sigmoid函数；

22、最后通过一个scale操作来将归一化后的权重加权到每个通道的特征上，完成在通道维度上的对原始特征的重标定，过程表示如下：

23、

24、式中，wc是相应的权重，是输出特征。

25、进一步地，所述获取干净的ii导联心电信号，包括：

26、采用0.5hz高通巴特沃斯滤波器(阶数为5)和工频干扰滤波器对ii导联心电信号进行降噪处理。

27、进一步地，所述根据所述ii导联心电信号，获取与所述ii导联心电信号对应的动力学特征，包括：

28、ii导联心电信号的动态系统的表达式为：

29、

30、式中，eii(t)是ii导联心电信号，fii(eii(t)；pe)是生成ii导联ecg信号eii(t)的动力学特征，pe是系统动力学特征的参数向量；

31、为了对fii(eii(t)；pe)进行准确建模，构建如下的状态估计器：

32、

33、式中，是对ii导联心电信号eii(t)的估计，是一个以ii导联心电信号eii(t)为输入的rbf神经网络，用来近似系统动力学特征fii(eii(t)；pe)；

34、rbf神经网络的权重估计根据下面的更新率进行更新：

35、

36、式中，γ是一个正定对称矩阵，是对ii导联心电信号eii(t)的估计误差，σ＞0是一个小的参数；

37、根据确定学习理论，ii导联心电信号eii(t)的动力学特征fii(eii(t)；pe)表示为如下形式：

38、

39、式中，是rbf神经网络的常值权重，∈是对ii导联心电信号eii(t)的动力学特征fii(eii(t)；pe)的建模误差。

40、进一步地，当∈小于预设值时，ii导联心电信号eii(t)的动力学特征表示为且动力学特征与心电信号具有相同的维度。

41、本发明所采用的另一技术方案是：

42、一种心肌梗死检测和定位系统，包括：

43、信号获取模块，用于获取干净的ii导联心电信号；

44、动力学特征获取模块，用于根据所述干净的ii导联心电信号，获取与所述干净的ii导联心电信号对应的动力学特征；

45、模型检测模块，用于将所述干净的ii导联心电信号和所述动力学特征输入训练后的检测模型，输出检测结果；

46、其中，所述检测模型为基于双视角注意力网络的模型。

47、本发明所采用的另一技术方案是：

48、一种心肌梗死检测和定位装置，包括：

49、至少一个处理器；

50、至少一个存储器，用于存储至少一个程序；

51、当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如上所述方法。

52、本发明所采用的另一技术方案是：

53、一种计算机可读存储介质，其中存储有处理器可执行的程序，所述处理器可执行的程序在由处理器执行时用于执行如上所述方法。

54、本发明的有益效果是：本发明采用了两个视角的特征，一个是从动力学视角，另外一个原始信号视角，在心肌梗死检测和定位方面取得了良好的性能。本发明只需要ii导联心电信号，操作简单。另外，本发明只需采用轻量化网络模型，适用于内存和功耗受限的穿戴式心电监测设备。

技术特征：

1.一种心肌梗死检测和定位方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种心肌梗死检测和定位方法，其特征在于，所述检测模型包括：

3.根据权利要求2所述的一种心肌梗死检测和定位方法，其特征在于，所述第一特征提取模块和所述第二特征提取模块的结构相同，且采用平行训练的方式进行训练；

4.根据权利要求3所述的一种心肌梗死检测和定位方法，其特征在于，所述注意力模块的工作方式如下：

5.根据权利要求1所述的一种心肌梗死检测和定位方法，其特征在于，所述获取ii导联心电信号，包括：

6.根据权利要求1所述的一种心肌梗死检测和定位方法，其特征在于，所述根据所述ii导联心电信号，获取与所述ii导联心电信号对应的动力学特征，包括：

7.根据权利要求6所述的一种心肌梗死检测和定位方法，其特征在于，当∈小于预设值时，ii导联心电信号eii(t)的动力学特征表示为且动力学特征与心电信号具有相同的维度。

8.一种心肌梗死检测和定位系统，其特征在于，包括：

9.一种心肌梗死检测和定位装置，其特征在于，包括：

10.一种计算机可读存储介质，其中存储有处理器可执行的程序，其特征在于，所述处理器可执行的程序在由处理器执行时用于执行如权利要求1-7任一项所述方法。

技术总结
本发明公开了一种心肌梗死检测和定位方法、系统、装置及存储介质，属于医学信号处理技术领域。其中方法包括：获取II导联心电信号；根据所述II导联心电信号，获取与所述II导联心电信号对应的动力学特征；将所述II导联心电信号和所述动力学特征输入训练后的检测模型，输出检测结果；其中，所述检测模型为基于双视角注意力网络的模型。本发明采用了两个视角的特征，一个是从动力学视角，另外一个原始信号视角，在心肌梗死检测和定位方面取得了良好的性能。本发明只需要II导联心电信号，操作简单。另外，本发明只需采用轻量化网络模型，适用于内存和功耗受限的穿戴式心电监测设备。

技术研发人员：董训德,强玉鹏
受保护的技术使用者：华南理工大学
技术研发日：
技术公布日：2024/2/6