CN101904741A - 心电图计算机辅助诊断系统和方法 - Google Patents
心电图计算机辅助诊断系统和方法 Download PDFInfo
- Publication number
- CN101904741A CN101904741A CN2009100523978A CN200910052397A CN101904741A CN 101904741 A CN101904741 A CN 101904741A CN 2009100523978 A CN2009100523978 A CN 2009100523978A CN 200910052397 A CN200910052397 A CN 200910052397A CN 101904741 A CN101904741 A CN 101904741A
- Authority
- CN
- China
- Prior art keywords
- diagnosis
- node
- rule
- conflict resolution
- diagnostic
- 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.)
- Pending
Links
Images
Landscapes
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开一种心电图计算机辅助诊断系统及方法,包括以下步骤:A1、接收心电信号,计算心电信号的特征参数;B1、根据符号集中对心电图诊断参数定义的符号值,确定特征参数的符号值;C1、根据特征参数的符号值对符号化的诊断规则库中的诊断规则进行推理判断,确定出初始诊断结果;D1、根据定义有易混淆类别问的鉴别关系及类别问的优先排序关系的冲突消解规则库中的内容对初始诊断结果进行类别鉴别分析以优化诊断结果。本发明将诊断推理过程分离为初始诊断和冲突消解两个阶段,提高了推论结果的可靠性,整体推理过程简单明了,可实现大量病理信号判别,便于整个诊断系统维护、升级和改进。
Description
【技术领域】
本发明涉及心电图信号处理领域,尤其涉及一种心电图计算机辅助诊断的系统及方法。
【背景技术】
心电图的计算机辅助诊断分析是对心电信号进行自动分析,给出临床常用诊断参数及可能的诊断结果,供医生参考。心电图计算机辅助诊断的研究始于1960年,起初仅用于实验室研究,后逐渐为临床医生接受,目前已有部分程序用于商业销售。有关方法粗略的可分为两种研究路线:一是通过纯工程分析方法,构造一定参数指标,用于特定病理信号识别或预测,如用于室颤判别的复杂度指数,用于房颤判别的隐马尔可夫矩阵,用于猝死危险性分析的心率变异分析指数等;二是通过模拟医生的临床判断过程,通过将医生的判定方法转化和量化,实现相应的诊断分析功能。路线一通常用于少数特殊病理信号的识别,目前多停留于研究阶段;路线二应用较广,可实现病理信号诊断的类别较多。但在实际的辅助诊断系统设计中,往往无法将系统判断方法一次设计完善,通常是先设计一个原始模型,而后通过大量实际临床应用数据测试进行不断的修正,若采用常规的逻辑判断结构,每次修正都可能产生规则的大量变动。目前的相关功能的实现多采用直接的逻辑判断模拟医生判断过程。但当实现的病理判别种类多达上百种时,各种病理诊断规则间就可能存在涵盖或冲突关系,导致程序逻辑结构异常复杂,判断过程易出现漏洞,对于诊断系统的改进维护极其困难。也有少数借助专家推理系统软件,将有关规则录入系统中,借助专家推理系统内核来实现判断。如作为商用专家系统之一的ECG准则语言(ECGCriteria Language,ECL),定义了一种介于医生和计算机间可共同理解的语言,通过将医生的诊断规则录入到系统中,而后通过推理内核,完成对应的诊断分析。但这种方法一般无法脱离推理内核,应用范围受到了极大的限制。
【发明内容】
本发明的主要目的就是为了解决上述问题,提供一种心电图计算机辅助诊断系统及方法,根据医生临床经验构造的诊断规则库,利用计算机进行医生诊断过程的模拟,从而实现对心电信号的辅助诊断分析,尤其对于大量病理信号的判别,使整体推理过程简单明了,并便于整个诊断系统的维护、升级和改进。
为实现上述目的,本发明提出了一种心电图计算机辅助诊断系统,包括:符号集,用于存储根据心电图诊断中所用参数抽象出的符号;特征参数计算及符号化处理装置,用于接收心电信号,计算心电信号的特征参数,并根据符号集中对心电图诊断参数定义的符号值,确定特征参数的符号值;诊断规则库,用于存储与心电图相关的各种病理信号的诊断规则,并根据符号集中对心电图诊断参数定义的符号值将每条诊断规则转化为用符号表达的规则;推理机,用于根据特征参数的符号值对诊断规则库中的诊断规则进行推理判断,确定出初始诊断结果;冲突消解规则库,用于存储易混淆诊断类别间的鉴别关系及类别间的优先排序关系;冲突消解处理装置,用于根据冲突消解规则库中的内容,对初始诊断结果进行类别鉴别分析以优化诊断结果。
其中,所述诊断规则库中的每条诊断规则被赋予一个与其对应的特征识别ID,按照该诊断规则确定的初始诊断结果被赋予相同的特征识别ID。所述冲突消解规则库中采用二叉树结构来定义待鉴别诊断类别间的消解关系,其中的每个节点包括该节点的类别ID、左右节点指针和鉴别函数,所述鉴别函数用于鉴别该节点与其父节点间的特征差异。
其中,所述冲突消解处理装置优选包括:读取单元,用于依次读取初步诊断结果列表中的特征识别ID,并将该特征识别ID作为当前待鉴别ID;查找单元,用于在冲突消解规则库中按照左子节点优先的原则查找其类别ID与当前待鉴别ID相同的节点,并在找不到节点时输出控制信号至读取单元,在找到节点时输出控制信号至第一递归调用单元;第一递归调用单元,用于接收查找单元输出的控制信号,递归调用冲突消解处理模块;所述冲突消解处理模块包括:第一判断单元,用于判断初步诊断结论中是否包含当前节点的类别ID,并在包含时输出控制信号至第二判断单元,不包含时输出控制信号至第三判断单元;第二判断单元,用于响应第一判断单元输出的控制信号,判断当前节点是否存在左子节点,并在存在时输出控制信号至第二递归调用单元,在不存在时输出控制信号至鉴别处理单元;第二递归调用单元,用于递归调用冲突消解处理模块;鉴别处理单元,用于调用当前节点的鉴别函数,进行鉴别判断,并根据鉴别结果从初始诊断结果列表中删除需排除的类别;第三判断单元,用于判断当前节点是否存在右子节点,并在存在时输出控制信号至第二递归调用单元。
本发明的进一步改进是还包括用于存储中间推理结果的存储器。
为实现上述目的,本发明还提出了一种心电图计算机辅助诊断方法,包括以下步骤:
A1、接收心电信号,计算心电信号的特征参数;
B1、根据符号集中对心电图诊断参数定义的符号值,确定特征参数的符号值;
C1、根据特征参数的符号值对符号化的诊断规则库中的诊断规则进行推理判断,确定出初始诊断结果;
D1、根据定义有易混淆类别间的鉴别关系及类别间的优先排序关系的冲突消解规则库中的内容对初始诊断结果进行类别鉴别分析以优化诊断结果。
其中,步骤C1中所述的每条诊断规则被赋予一个与其对应的特征识别ID,按照该诊断规则确定的初始诊断结果被赋予相同的特征识别ID。
步骤D1中所述的冲突消解规则库中采用二叉树结构来定义待鉴别诊断类别间的消解关系,其中的每个节点包括该节点的类别ID、左右节点指针和鉴别函数,所述鉴别函数用于鉴别该节点与其父节点间的特征差异。
其中,步骤D1的优选方案是包括以下步骤:
D11、读取初步诊断结果列表中的特征识别ID,并作为当前待鉴别ID;
D12、在冲突消解规则库中按照左子节点优先的原则查找其类别ID与当前待鉴别ID相同的节点,如果查找到节点,则执行步骤D13,否则执行步骤D14;
D13、将该节点作为当前节点,并调用冲突消解处理过程;
D14、读取初步诊断结果列表中的下一个特征识别ID作为当前待鉴别ID:
所述冲突消解处理过程包括以下步骤:
D131、判断初步诊断结论中是否包含当前节点的类别ID,如果包含则执行步骤D132,如果不包含则执行步骤D135;
D132、判断当前节点是否存在左子节点,如果存在,则执行步骤D133,如果不存在则执行步骤D134;
D133、将该节点的左子节点作为当前节点,递归调用冲突消解处理过程;
D134、调用当前节点的鉴别函数,进行鉴别判断,并根据鉴别结果从初始诊断结果列表中删除需排除的类别;
D135、判断当前节点是否存在右子节点如果存在,则执行步骤D136,如果不存在则结束;
D136、将该节点的右子节点作为当前节点,递归调用冲突消解处理过程。
本发明的进一步改进是步骤C1中还包括以下步骤:将中间推理结果存储在存储器中,当推理过程中出现规则间的引用时,首先在存储器中查找该规则是否已判断过,若已产生了判断结果,则直接引用其中保存的结果,若未进行过判断,则保存当前的推理现场,转向对应引用规则的推理,推力结束后,则恢复现场继续原规则的推理。
本发明的有益效果是:1)本发明将诊断推理过程分离为初始诊断和冲突消解两个阶段,在初始诊断过程中,将心电图的特征参数进行符号化,并根据诊断规则库中的诊断规则进行推理,得出一系列初始诊断结论;在冲突消解阶段,对于前面得到的结论,通过二叉树结构,构造冲突消解结构,通过优先级的比较和细节的鉴别,得出可靠的结论。2)本发明将相对复杂的判断限制在局部,保证整体推理过程简单明了,可实现大量病理信号判别。当系统需要修正时,多数情况下可通过追加冲突消解树的子节点来追加鉴别诊断条件,从而实现系统优化,不必修改系统原有部分,便于整个诊断系统维护、升级和改进。3)设计了中间推理结果存储环节,提高了运算效率。
本发明的特征及优点将通过实施例结合附图进行详细说明。
【附图说明】
图1为本发明一种实施例的电路连接方框图;
图2为本发明一种实施例中特征参数计算的处理流程图;
图3为本发明一种实施例中初始诊断的处理流程图;
图4为本发明一种实施例中初始诊断的单规则推理流程图;
图5为本发明一种实施例的冲突消解电路连接方框图;
图6为依据临床对比结果得到的类别间鉴别关系图;
图7为本发明实际推理中用的冲突消解树图;
图8为本发明一种实施例中冲突关系消解主流程图;
图9为本发明一种实施例中冲突关系消解遍历函数的流程图;
图10为本发明一种实施例中冲突关系消解处理过程的流程图。
【具体实施方式】
如图1所示,本实施例的心电图计算机辅助诊断系统包括以下几部分:特征参数计算及符号化处理装置1、符号集2、中间推理结果存储器3、推理机4、符号化诊断规则库5、医师诊断规则库6、初步诊断结论存储装置7、冲突消解处理装置8、冲突消解规则库9、最终结果输出装置10。
符号集2用于存储根据心电图诊断中所用参数抽象出的符号;符号集2是在医师临床诊断经验库6整理中形成的,是将原始的医生诊断经验库经过归纳,将有关描述抽象较少的符号,使整个规则库的表达可以采用较少的统一符号表达。符号集就是这些抽象出的符号的集合。这些符号即包括常规诊断中常用参数,如心率、PR间期、P波宽度、QRS宽度、各波形幅度等;也包括一些对医生诊断常用术语转化为符号,如Delta波、P波双峰、P波高尖、ST型状弓背向下、T波底平等。
特征参数计算及符号化处理装置1接收心电信号,对心电信号进行预处理,抑制干扰信号,对逐个心搏进行分类,提取其中的代表性波形进行分析,计算心电信号的特征参数,并根据符号集2中对心电图诊断参数定义的符号值,确定特征参数的符号值。其具体流程如图2所示,包括以下步骤:
在步骤S1,通过对各通道信号进行带通滤波,抑制可能的噪声干扰;
在步骤S2,通过对处理后信号的斜率变化判断,进行QRS定位;
在步骤S3,通过斜率分析初步识别各QRS波的起点与终点;
在步骤S4,对照各导联QRS波的识别结果进行校正,得到最终的QRS波识别结果及QRS起点与终点结果;
在步骤S5,对于每个通道QRS波,通过分析QRS间的间期变化、QRS宽度、各QRS波间的相关系数分析对QRS波进行分类,分为正常波形、室上性早搏、室性早搏;
在步骤S6,综合各导联分析结果形成对各导联QRS波位置及类型的最终判断;
在步骤S7,若其中存在正常的波形,选取其中相关系数较高的最多3个正常波形进行平均处理,得到主导波形,若无正常的波形,则直接进行后续的节律性分析;
在步骤S8,对于主导波形,识别各细节波形的特征起点、终点及特征波形,包括P波起点、终点,QRS波起点、终点,T波起点、终点;
在步骤S9,在前面的分析结果基础上进行预定义的符号值的确定,这些符号值有些可以直接由前面分析结果通过计算得到,如心率、PR间期、P波宽度、QRS宽度、各波形幅度等;有些则要通过对信号的特定数据段进一步分析得到,如是否存在Delta波、P波形状分类、QRS形状分类、ST型状分类、QRS波是否存在顿挫等。
诊断规则库5是根据医师诊断规则库6生成。医师诊断规则库6是根据医生的临床诊断经验及相关文献整理的各种病理信号的判别标准,其表达方式接近于自然语言的表达,表达尽量使用统一的概念和明确的量化关系表达。该库中的所用概念将被转换为特定符号,即形成符号集2。诊断规则库5中存储有与心电图相关的各种病理信号的诊断规则,这些诊断规则是根据符号集2中对心电图诊断参数定义的符号值将每条诊断规则转化为用符号表达的规则。每条诊断规则被赋予一个与其对应的特征识别ID,按照该诊断规则确定的初始诊断结果被赋予相同的特征识别ID。
中间推理结果存储器3主要用于保存推理的中间结果。在推理过程中通常涉及规则间的引用,当出现这种引用关系则首先在中间结果存储环节中查找该规则是否已判断过,若已产生了判断结果,则直接引用其中保存的结果,若尚未进行过判断,则保存当前的推理现场,转向对应引用规则的推理,推理结束后,则恢复现场继续原规则的推理。例如,对于左心室肥厚的判断,当存在左房肥大症状时,则对应的诊断可靠性会较高,此时程序会首先检查中间推理结果中是否已进行过左房肥大的判断,若已进行过判断,则直接使用该结果,若还没有进行过,则将当前已进行的左室肥大判断条件的结果暂时保存起来,转而进行是否为左房肥大的判断,当相关判断结束后,则恢复前面进行的左室肥大判断被中断时的变量状态及中间结果,继续进行左室肥大的判断。每当一条诊断规则推理结束后,无论成功或失败,有关结果都会记录到中间推理结果存储环节。
推理机4根据特征参数的符号值对诊断规则库5中的诊断规则进行推理判断,确定出初始诊断结果。推理机4负责从符号化的诊断规则库5中依次读取诊断规则,然后根据前面信号分析得到的特征计算参数和符号化结果进行对应规则的符合性判断,若推理过程中出现缺少判断条件,则保护现场,而后进行对应缺失条件判定,判定结束后恢复现场,继续进行推理。推理过程中可能因如下情况导致缺少判断条件:一是用户未能输入推理判断所需的信息,如性别、年龄等,目前系统中简单采用了赋予默认值的方法,这一部分需要在后续改进中进一步优化;二是因推理顺序问题导致某些需要判定的结论尚未进行,如前面例子中左室肥大判断所需的是否为左房肥大的判断结果,但此时尚为进行相关判断等,此时推理机将中断当前推理,转向所需条件的判断。
推理机4负责诊断规则判定、缺失条件处理、中间结果的记录和查找过程。其工作过程如图3、4所示,包括以下步骤:
在步骤S11,读取符号化诊断规则库5中下一条规则,读取时是依照顺序读取,直到读取完所有的诊断规则,然后执行步骤S12;
在步骤S12,判断是否读取成功,如果是,说明符号化诊断规则库5中还有诊断规则未读取,则执行步骤S13;如果读取不到,说明符号化诊断规则库5中的所有诊断规则都被读取过,则执行步骤S14,输出初步诊断结果;
在步骤S13,调用单个规则推理过程,单个规则推理过程的流程包括如下步骤:
在步骤S131,判断该规则是否已经进行过判断,如果是则结束,如果还未进行过判断则执行步骤S132;
在步骤S132,判断是否继续读取规则中下一个符号,如果是则进行步骤S133,如果不是则执行步骤S137,综合各符号判断结果,生成本诊断规则推理结果并保存;
在步骤S133,判断该符号值是否存在,如果存在则执行步骤S138,如果不存在,则为条件缺失,执行步骤S134;
在步骤S134,判断是否是可推理的符号,如果是则执行步骤S135,递归调用本单个规则推理过程,如果不是则执行步骤S136,赋予该符号为默认值,然后都转到步骤S138;
在步骤S138,记录符号判定结果,然后转向步骤S132。
被推理出的初始诊断结果可包括一个结果,也可以是几个结果,每个初始诊断结果被赋予与诊断规则库5的对应规则相同的特征识别ID。
冲突消解规则库9用于定义易混淆类别间的鉴别关系及类别间的优先排序关系;冲突消解处理装置,用于根据冲突消解规则库中的内容,对初始诊断结果进行类别鉴别分析以优化诊断结果。该库初始状态下主要是依据有关文献定义完成,在后续改进中,则可以根据人工判别与程序判别的结果差异不断增加。
冲突消解处理装置8用于对初步判别结果中的各条结论进行鉴别分析。由于诊断的病理类别较多,在符号化诊断规则库5中的定义是由医生的直接经验转化而来,对于病理信号的描述可能不完整,而对于相似病例的判别则必须通过某些特定细节来区分或通过优选某些诊断结论来优化最终的诊断结果。冲突消解处理装置用于根据冲突消解规则库9完成这一诊断结论间的细节鉴别及诊断结论间的优选互斥处理,其电路结构连接方框图如图5所示,包括读取单元、查找单元、第一递归调用单元和冲突消解处理模块,其中冲突消解处理模块包括第一判断单元、第二判断单元、第三判断单元和第二递归调用单元。读取单元用于依次读取初步诊断结果列表中的特征识别ID,并将该特征识别ID作为当前待鉴别ID;查找单元用于在冲突消解规则库中按照左子节点优先的原则查找其类别ID与当前待鉴别ID相同的节点,并在找不到节点时输出控制信号至读取单元,在找到节点时输出控制信号至第一递归调用单元;第一递归调用单元用于接收查找单元输出的控制信号,递归调用冲突消解处理模块;第一判断单元用于判断初步诊断结论中是否包含当前节点的类别ID,并在包含时输出控制信号至第二判断单元,不包含时输出控制信号至第三判断单元;第二判断单元用于响应第一判断单元输出的控制信号,判断当前节点是否存在左子节点,并在存在时输出控制信号至第二递归调用单元,在不存在时输出控制信号至鉴别处理单元;第二递归调用单元用于递归调用冲突消解处理模块;鉴别处理单元,用于调用当前节点的鉴别函数,进行鉴别判断,并根据鉴别结果从初始诊断结果列表中删除需排除的类别;第三判断单元用于判断当前节点是否存在右子节点,并在存在时输出控制信号至第二递归调用单元。
在符号化诊断规则库5中包含的是一些基本的规则,当应用于实际信号判断时往往存在较多漏洞,进行实际临床信号的测试,往往会产生大量的误判结果。这里采用树结构来存储消解有关冲突的方法,简化系统的优化过程。如假设通过一系列临床数据测试,发现诊断类别A与E及D,A与B,D与A之间,B与C,B与D,E与D之间存在大量的相互误判或并存的误判,则可以构造对应的冲突树,如图6所示,图中无子节点的树表示不需要进行鉴别诊断,但保留了对应的环节以便于后序改进。而后将多叉树转化为二叉树,将所有子节点转换为左子树,兄弟节点转换为右子树,形成如图7所示结果。图中以X-Y-Z的形式表示用于X,Y,Z类别间鉴别用的节点。对于每一个子节点,其中包含对应类别ID,鉴别函数,左右子节点的指针。例如节点B-A,则其类别ID为B类别的特征识别ID。鉴别函数用于判别按左子树形成的类别序列,即冲突消解树中每个左子节点中包含的鉴别函数用于鉴别该节点与其父节点间的特征差异。如E-A节点中的鉴别函数用于判别E、A类别的差异,D-E-A节点的鉴别函数用于判别D、E、A三者间的类别差异,B-A节点的鉴别函数用于判别B、A类别间的差异。左右子节点的指针用于指向该节点的左子节点和右兄弟节点。如图7中所示,这里的鉴别既可以包含通过某些细节特征进行两种类别间区别判定,也可以包含类别间的优选或互斥处理。当用于优选处理时可采用如下方式:如果两种判断为父子节点关系,则最终鉴别结果为父节点。如对于某信号判定结果发现包含以下两种判断:左心房肥大和双侧心房肥大,显然双侧心房肥大包含了左心房肥大,则可使用如下冲突消解树:父节点为双侧心房肥大,左子节点为左心房肥大,鉴别规则返回结果为双侧心房肥大。
冲突消解处理过程如图8、9、10所示,包括以下步骤:
在步骤S21,从初步诊断结果列表中依次读取下一条初步诊断结论的类别ID作为当前待鉴别,然后执行步骤S22;
在步骤S22,判断是否读取成功,如果读取成功,说明初步诊断结果列表中还有未鉴别的诊断结果,则执行步骤S23,如果读取不成功,说明初步诊断结果列表中没有未鉴别的诊断结果,则结束鉴别,输出最终结果;
在步骤S23,以冲突消解树根节点及当前待鉴别ID为参数,调用冲突消解树遍历函数,在每次调用后转向步骤S21,鉴别下一条初步诊断结论。冲突消解树遍历函数的处理流程如图9所示,包括以下步骤:
在步骤S24,判断冲突消解树中当前节点的类别ID是否与待鉴别ID相等,如果相等则执行步骤S25,如果不相等则执行步骤S26;
在步骤S25,以当前节点及当前鉴别ID为参数,调用冲突消解处理函数,然后转向步骤S26;冲突消解处理函数的处理流程如图10所示;
在步骤S26,根据当前节点的左右子节点的指针判断当前节点是否有左子节点,如果有则执行步骤S27;如果没有则执行步骤S28;
在步骤S27,以左子节点为当前节点,递归调用冲突消解树遍历函数的处理流程,然后执行步骤S28;
在步骤S28,判断当前节点是否有右节点,如果有则执行步骤S29;如果没有则结束;
在步骤S29,以右节点为当前节点,递归调用冲突消解树遍历函数的处理流程,然后结束。
冲突消解处理函数的处理流程包括以下步骤:
在步骤S251,判断初步诊断结论中是否包含当前节点的类别ID,如果包含则执行步骤S252,否则结束;
在步骤S252,判断当前节点是否有左子节点,如果有则执行步骤S253如果没有则执行步骤S254;
在步骤S253,将左子节点作为当前节点,递归调用冲突消解处理函数的处理流程,然后执行步骤S254;
在步骤S254,调用当前节点的鉴别函数,进行鉴别判断,然后执行步骤S255,依据该鉴别函数返回结果,从初始诊断结果列表中删除需排出的类别,然后执行步骤S256;
在步骤S256,判断当前节点是否有右节点,如果有则执行步骤S257如果没有则结束鉴别;
在步骤S257,将该右节点作为当前节点,递归调用冲突消解处理函数的处理流程。
综上所述,本发明结构简单,所需系统资源较少,可在小系统上实现,适用于单片机的系统;所采用的初始判断与冲突消解两个过程,类似于人工判断和鉴别判断过程,系统的优化过程与人工学习过程接近,在初始过程判断,仅需依据特征考虑所有可能的诊断结论,简化了系统的构造,鉴别判断过程对初始结论进一步进行细节判断,提高判断的准确性;采用的初始判断与冲突消解两个过程,使优化升级可局限于小范围的更改,由于初始判断中总结了基本正确的经验,冲突消解则是对初始判断中遗漏部分的弥补,这种弥补可通过不断的追加新的子树完成,不必对原系统进行大的修改;开发中通过人工检查最终结果输出装置中的输出结果与人工判断间的差异,不断对医师诊断规则库和冲突消解处理环节进行修正,以使系统分析结果不断趋向人工判断结果。
Claims (10)
1.一种心电图计算机辅助诊断系统,包括:
符号集,用于存储根据心电图诊断中所用参数抽象出的符号;
特征参数计算及符号化处理装置,用于接收心电信号,计算心电信号的特征参数,并根据符号集中对心电图诊断参数定义的符号值,确定特征参数的符号值;
诊断规则库,用于存储与心电图相关的各种病理信号的诊断规则,并根据符号集中对心电图诊断参数定义的符号值将每条诊断规则转化为用符号表达的规则;
推理机,用于根据特征参数的符号值对诊断规则库中的诊断规则进行推理判断,确定出初始诊断结果;
冲突消解规则库,用于存储易混淆诊断类别间的鉴别关系及类别间的优先排序关系;
冲突消解处理装置,用于根据冲突消解规则库中的内容,对初始诊断结果进行类别鉴别分析以优化诊断结果。
2.如权利要求1所述的心电图计算机辅助诊断系统,其特征在于:所述诊断规则库中的每条诊断规则被赋予一个与其对应的特征识别ID,按照该诊断规则确定的初始诊断结果被赋予相同的特征识别ID。
3.如权利要求2所述的心电图计算机辅助诊断系统,其特征在于:所述冲突消解规则库中采用二叉树结构来定义待鉴别诊断类别间的消解关系,其中的每个节点包括该节点的类别ID、左右节点指针和鉴别函数,所述鉴别函数用于鉴别该节点与其父节点间的特征差异。
4.如权利要求3所述的心电图计算机辅助诊断系统,其特征在于:所述冲突消解处理装置包括:
读取单元,用于依次读取初步诊断结果列表中的特征识别ID,并将该特征识别ID作为当前待鉴别ID;
查找单元,用于在冲突消解规则库中按照左子节点优先的原则查找其类别ID与当前待鉴别ID相同的节点,并在找不到节点时输出控制信号至读取单元,在找到节点时输出控制信号至第一递归调用单元;
第一递归调用单元,用于接收查找单元输出的控制信号,递归调用冲突消解处理模块;
所述冲突消解处理模块包括:
第一判断单元,用于判断初步诊断结论中是否包含当前节点的类别ID,并在包含时输出控制信号至第二判断单元,不包含时输出控制信号至第三判断单元;
第二判断单元,用于响应第一判断单元输出的控制信号,判断当前节点是否存在左子节点,并在存在时输出控制信号至第二递归调用单元,在不存在时输出控制信号至鉴别处理单元;
第二递归调用单元,用于递归调用冲突消解处理模块;
鉴别处理单元,用于调用当前节点的鉴别函数,进行鉴别判断,并根据鉴别结果从初始诊断结果列表中删除需排除的类别;
第三判断单元,用于判断当前节点是否存在右子节点,并在存在时输出控制信号至第二递归调用单元。
5.如权利要求1至4中任一项所述的心电图计算机辅助诊断装置,其特征在于:还包括用于存储中间推理结果的存储器。
6.一种心电图计算机辅助诊断方法,其特征在于包括以下步骤:
A1、接收心电信号,计算心电信号的特征参数;
B1、根据符号集中对心电图诊断参数定义的符号值,确定特征参数的符号值;
C1、根据特征参数的符号值对符号化的诊断规则库中的诊断规则进行推理判断,确定出初始诊断结果;
D1、根据定义有易混淆诊断类别间的鉴别关系及类别间的优先排序关系的冲突消解规则库中的内容对初始诊断结果进行类别鉴别分析以优化诊断结果。
7.如权利要求6所述的心电图计算机辅助诊断方法,其特征在于:步骤C1中所述的每条诊断规则被赋予一个与其对应的特征识别ID,按照该诊断规则确定的初始诊断结果被赋予相同的特征识别ID。
8.如权利要求7所述的心电图计算机辅助诊断方法,其特征在于:步骤D1中所述的冲突消解规则库中采用二叉树结构来定义待鉴别诊断类别间的消解关系,其中的每个节点包括该节点的类别ID、左右节点指针和鉴别函数,所述鉴别函数用于鉴别该节点与其父节点间的特征差异。
9.如权利要求8所述的心电图计算机辅助诊断方法,其特征在于步骤D1包括以下步骤:
D11、读取初步诊断结果列表中的特征识别ID,并作为当前待鉴别ID;
D12、在冲突消解规则库中按照左子节点优先的原则查找其类别ID与当前待鉴别ID相同的节点,如果查找到节点,则执行步骤D13,否则执行步骤D14;
D13、将该节点作为当前节点,并调用冲突消解处理过程;
D14、读取初步诊断结果列表中的下一个特征识别ID作为当前待鉴别ID;
所述冲突消解处理过程包括以下步骤:
D131、判断初步诊断结论中是否包含当前节点的类别ID,如果包含则执行步骤D132,如果不包含则执行步骤D135;
D132、判断当前节点是否存在左子节点,如果存在,则执行步骤D133,如果不存在则执行步骤D134;
D133、将该节点的左子节点作为当前节点,递归调用冲突消解处理过程;
D134、调用当前节点的鉴别函数,进行鉴别判断,并根据鉴别结果从初始诊断结果列表中删除需排除的类别;
D135、判断当前节点是否存在右子节点,如果存在,则执行步骤D136,如果不存在则结束;
D136、将该节点的右子节点作为当前节点,递归调用冲突消解处理过程。
10.如权利要求6至9中任一项所述的心电图计算机辅助诊断方法,其特征在于在步骤C1中还包括以下步骤:将中间推理结果存储在存储器中,当推理过程中出现规则间的引用时,首先在存储器中查找该规则是否已判断过,若已产生了判断结果,则直接引用其中保存的结果,若未进行过判断,则保存当前的推理现场,转向对应引用规则的推理,推力结束后,则恢复现场继续原规则的推理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009100523978A CN101904741A (zh) | 2009-06-02 | 2009-06-02 | 心电图计算机辅助诊断系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009100523978A CN101904741A (zh) | 2009-06-02 | 2009-06-02 | 心电图计算机辅助诊断系统和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101904741A true CN101904741A (zh) | 2010-12-08 |
Family
ID=43260446
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2009100523978A Pending CN101904741A (zh) | 2009-06-02 | 2009-06-02 | 心电图计算机辅助诊断系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101904741A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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系统及方法 |
CN111602206A (zh) * | 2018-02-19 | 2020-08-28 | 通用电气公司 | 用于处理来自多个患者的ecg记录以用于临床医生通读的系统和方法 |
-
2009
- 2009-06-02 CN CN2009100523978A patent/CN101904741A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111602206A (zh) * | 2018-02-19 | 2020-08-28 | 通用电气公司 | 用于处理来自多个患者的ecg记录以用于临床医生通读的系统和方法 |
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系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100589754C (zh) | 心电图计算机辅助诊断系统 | |
Wu et al. | A study on arrhythmia via ECG signal classification using the convolutional neural network | |
CN111160139A (zh) | 心电信号的处理方法、装置及终端设备 | |
US20050222508A1 (en) | Cardiac diagnostic system and method | |
WO2023024411A1 (zh) | 基于机器学习对关联规则进行评估的方法及装置 | |
CN112022141B (zh) | 一种心电信号类别检测方法、装置及存储介质 | |
CN114496233B (zh) | 一种心肌梗死并发症的辅助诊断系统 | |
CN114242245A (zh) | 一种基于电子病历记录数据预测糖尿病肾病发生风险的机器学习方法、系统和装置 | |
CN117116477A (zh) | 基于随机森林和XGBoost的前列腺癌患病风险预测模型的构建方法及系统 | |
Bridge et al. | Artificial intelligence to detect abnormal heart rhythm from scanned electrocardiogram tracings | |
CN101904741A (zh) | 心电图计算机辅助诊断系统和方法 | |
CN111414930A (zh) | 深度学习模型训练方法及装置、电子设备及存储介质 | |
CN110097965A (zh) | 基于血液细胞分析仪的结果数据分析方法及装置 | |
CN115831219B (zh) | 一种质量预测方法、装置、设备及存储介质 | |
CN113707326B (zh) | 临床预警方法及预警系统、存储介质 | |
CN114579626B (zh) | 数据处理方法、数据处理装置、电子设备和介质 | |
CN115719640A (zh) | 中医主次症状识别系统、装置、电子设备及其存储介质 | |
CN112932431B (zh) | 一种基于1DCNN+InceptionNet+GRU融合网络的心率识别方法 | |
KR102556796B1 (ko) | 메타데이터셋을 이용한 샘플링 방법 및 분류 알고리즘 추천 장치 및 방법 | |
CN113349790B (zh) | 基于s型重构的2d卷积神经网络的心拍分类方法及系统 | |
CN112307205A (zh) | 基于自动摘要的文本分类方法、系统及计算机存储介质 | |
CN111513702A (zh) | 心电数据的检测方法及存储介质 | |
CN117598711B (zh) | 一种心电信号的qrs波群检测方法、装置、设备及介质 | |
KR102652840B1 (ko) | 심전도 분석을 위한 자동 알고리즘 업데이트 시스템 | |
WO2024004127A1 (ja) | 情報処理システム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20101208 |