個性化心電圖智能輔助診斷裝置與方法
【專利摘要】本發明公開了一種個性化心電圖智能輔助診斷裝置，包括：特征向量提取模塊，用于提取待訓心電圖特征向量；心臟狀態分類器生成模塊，用于訓練待訓特征向量，生成心臟狀態分類器；用戶身份識別模塊，用于獲取用戶身份標識；心臟狀態分類器存儲模塊，用于根據用戶身份標識存儲相應用戶的心臟狀態分類器；診斷模塊，用于根據用戶身份標識獲取相應用戶的心臟狀態分類器，并通過心臟狀態分類器對待診心電圖特征向量進行診斷，得出心臟狀態類別；特征向量提取模塊還用于提取待診心電圖特征向量與反饋心電圖特征向量，心臟狀態分類器生成模塊還用于訓練反饋心電圖特征向量，更新心臟狀態分類器。本發明可對不同個體實施個性化診斷，為醫生診斷提供參考。
【專利說明】個性化心電圖智能輔助診斷裝置與方法
【技術領域】
[0001]本發明涉及心電圖診斷領域，尤其涉及一種個性化心電圖智能輔助診斷裝置與方法。
【背景技術】
[0002]心電圖對于心臟基本功能的研究以及心臟病的診斷具有重要的參考價值。然而，由于個體的先天差異，即使在心臟健康的情況下，每個正常人心電圖單個心搏的各個參數指標都各不相同。現有技術中的一些心電圖診斷系統直接利用既往心電圖進行學習分類，但忽略了個體差異對于心電圖的影響，使得對于每名患者采用了相同指標來進行診斷，這樣的心電圖診斷方法并不科學。
[0003]因此，設計一種可對不同個體實施個性化診斷的心電圖診斷裝置，將會有效地克服現有技術中存在的診斷指標不因個體差別而異的缺陷，有助于提高心電圖診斷的準確率。
【發明內容】
[0004]本發明旨在解決上述現有技術中存在的問題，提出一種個性化心電圖智能輔助診斷裝置與方法。一方面，本發明提出的個性化心電圖智能輔助診斷裝置包括:特征向量提取模塊、心臟狀態分類器生成模塊、用戶身份識別模塊、心臟狀態分類器存儲模塊以及診斷模塊。其中，
[0005]特征向量提取模塊接收用戶待訓心電圖并提取所述待訓心電圖中若干單一心搏的特征向量，心臟狀態分類器生成模塊對所述待訓心電圖特征向量進行訓練，生成心臟狀態分類器，其中，所述特征向量提取模塊還接收用戶待診心電圖并提取所述待診心電圖中若干單一心搏的特征向量，所述心臟狀態分類器根據輸入的所述待診心電圖特征向量，輸出所述待診心電圖特征向量對應的心臟狀態類別；用戶身份識別模塊獲取用戶身份標識；心臟狀態分類器存儲模塊根據所述用戶身份標識存儲相應用戶的所述心臟狀態分類器；診斷模塊根據所述用戶身份標識獲取相應用戶的所述心臟狀態分類器，并通過所述心臟狀態分類器對所述待診心電圖特征向量進行診斷，得出所述待診心電圖特征向量對應的心臟狀態類別；其中，所述特征向量提取模塊還接收反饋心電圖并提取所述反饋心電圖中若干單一心搏的特征向量，所述心臟狀態分類器生成模塊還對所述反饋心電圖特征向量進行訓練，并更新所述心臟狀態分類器。
[0006]另一方面，本發明提出的個性化心電圖智能輔助診斷裝置包括:接收用戶待訓心電圖并提取所述待訓心電圖中若干單一心搏的特征向量；對所述待訓心電圖特征向量進行訓練，生成心臟狀態分類器，所述心臟狀態分類器用于根據輸入的所述待診心電圖特征向量，輸出所述待診心電圖特征向量對應的心臟狀態類別；獲取用戶身份標識；根據所述用戶身份標識存儲相應用戶的所述心臟狀態分類器；根據所述用戶身份標識獲取相應用戶的所述心臟狀態分類器，并通過所述心臟狀態分類器對所述待診心電圖特征向量進行診斷，得出所述待診心電圖特征向量對應的心臟狀態類別；接收反饋心電圖并提取所述反饋心電圖中若干單一心搏的特征向量；對所述反饋心電圖特征向量進行訓練，并更新所述心臟狀態分類器。
[0007]本發明實施例的個性化心電圖智能輔助診斷裝置與方法通過對居民既往心電圖訓練生成屬于該居民的心臟狀態分類器，通過所述心臟狀態分類器對該居民待診心電圖進行診斷，實現了對不同患病個體的個性化診斷，有助于提高診斷率，從而為醫生診斷提供參考，有助于減輕醫生的醫療負擔。
【專利附圖】
【附圖說明】
[0008]下面結合附圖對本發明進行詳細說明，其中:
[0009]圖1是本發明一實施例的個性化心電圖智能輔助診斷裝置結構圖；
[0010]圖2是本發明另一實施例的個性化心電圖智能輔助診斷裝置結構圖。
[0011]圖3是本發明一實施例的個性化心電圖智能輔助診斷方法流程圖；
[0012]圖4是本發明另一實施例的個性化心電圖智能輔助診斷方法流程圖；
【具體實施方式】
[0013]下面通過附圖和實施例，對本發明技術方案做進一步的詳細描述。
[0014]本發明一方面提出一種個性化心電圖智能輔助診斷裝置，圖1為本發明一實施例的個性化心電圖智能輔助診斷裝置結構圖。
[0015]在一實施例中，首先對某一地區內的若干居民，分別收集其既往5年的心電圖，每位居民選取10幅心電圖，所述心電圖已由醫生確診，確診的結果為下述10種心臟狀態類別中的一種:正常竇性心率、房性傳到阻滯、室上性心動過速、室性心動過速、結性心律、心室顫動、左病灶室性早搏、右病灶室性早搏、左束支傳導阻滯以及右束支傳導阻滯。其中，正常竇性心率為心臟正常狀態，其余9種為心臟異常狀態。所述每位居民的10幅心電圖即為待訓心電圖。在本實施例中，將正常竇性心率的類別標號記為1、房性傳到阻滯的類別標號記為2、室上性心動過速的類別標號記為3，室性心動過速的類別標號記為4，結性心律的類別標號記為5，心室顫動的類別標號記為6，左病灶室性早搏的類別標號記為7，右病灶室性早搏的類別標號記為8，左束支傳導阻滯的類別標號記為9，右束支傳導阻滯的類別標號記為10，以待訓練。
[0016]特征向量提取模塊100用于接收所述待訓心電圖并提取所述某一居民的待訓心電圖中若干單一心搏的特征向量。在本實施例中，所述特征向量為十維特征向量，包括:單個心搏有效時間、QRS間期、QT間期、PR間期、P峰值點、T峰值點、P波持續時間、T波持續時間、P波持續時間以及PR間期的比值。每幅心電圖由多個單一心搏構成，每個單一心搏占一定的周期，所述特征向量是單一心搏的固有屬性，也是反映所述10種心臟狀態類別的重要指標。所述特征向量中若干維分量值的異常，反映了心臟處于相應的異常狀態。
[0017]在本實施例中，對于某一居民的10幅心電圖，以所述10幅心電圖包含了所有10種心臟狀態類別為例，所述特征向量提取模塊100提取出100個正常竇性心率狀態下待訓的十維特征向量，記為X1, X2,...，χ1Μ，其中，Xi為十維特征向量，類別標號yi = I;提取出100個房性傳到阻滯狀態下待訓的十維特征向量，記為Xltll, X102,...，X2tltl,其中，類別標號y2 = 2 ;依次類推，提取出100個右束支傳導阻滯狀態下待訓的十維特征向量，記為X9Q1，X9tl2,..., x_,其中，類別標號 y1(l = 10。
[0018]在本實施方式中，所述特征向量提取模塊100還用于接收居民待診心電圖并提取所述待診心電圖中若干單一心搏的特征向量。
[0019]心臟狀態分類器生成模塊200用于對所述某一居民待訓心電圖特征向量進行訓練，生成心臟狀態分類器。在本實施例中，采用支持向量機(SVM)對所述待訓特征向量{ (Xl，Yl)，(?, Yl)，...，(Xioo, Yl)，(XlOl, y2) ? (Xl02, I)，...，(^200? 12)，...，(^601 ? Yio) ? (^602?y1(l)，...，(X7(1(1，ylcl)}進行訓練，生成心臟狀態分類器，所述心臟狀態分類器可用于對輸入樣本Xt進行分類，以決定Xt屬于上述10種心臟狀態類別中的哪一類別，其中，Xt為所述待診心電圖的十維特征向量。
[0020]其中，心臟狀態分類器生成模塊200對所述待訓特征向量KX1, Y1)，(X2, Y1),...,(XlOO, Yl)，(XlOi, 5^2) ? (Xl02, 5^2)，...，(乂200，5^2)，...，(^601? Υ?θ) ? (^602? Υ?θ)，...，(^700? Y 1θ) I 進行訓練采用的算法可以為OAO-SVMs算法，所述OAO-SVMs算法通過構造若干個二分類分類器，再將所述若干個二分類分類器組合成十分類分類器，所述十分類分類器用于對所述輸入樣本XT進行分類，以決定XT屬于所述10種心臟狀態類別中的哪一類別。
[0021]用戶身份識別模塊400用于獲取用戶身份標識，所述用戶身份標識用于標識所述待訓特征向量所屬的居民，包括但不限于:居民姓名、居民身份證號。心臟狀態分類器存儲模塊300用于根據所述用戶身份標識存儲相應用戶的所述心臟狀態分類器。所述心臟狀態分類器存儲模塊300為具有存儲介質的處理器，包括但不限于:個人計算機、服務器。所述心臟狀態分類器存儲模塊300根據輸入的用戶身份標識在其存儲介質中開辟屬于該用戶的存儲空間，并將訓練后得到對應于該用戶的心臟狀態分類器存儲在所述存儲空間中，用于對居民待診心電圖的診斷。
[0022]在本實施方式中，不同的居民對應不同的心臟狀態分類器。
[0023]以上描述的是根據本發明一實施例的個性化心電圖智能輔助診斷裝置，對居民待訓心電圖進行訓練得到所述居民的心臟狀態分類器的工作原理，下面將對上述實施例中居民待診心電圖的診斷做進一步的介紹。
[0024]特征向量提取模塊100用于接收所述待診心電圖并提取所述待診心電圖中若干單一心搏的特征向量。
[0025]所述用戶身份識別模塊400獲取所述待診居民的身份標識。若該待診居民曾使用所述個性化心電圖智能輔助診斷裝置對其既往心電圖進行訓練，則所述診斷模塊500根據所述待診居民的身份標識在所述心臟狀態分類器存儲模塊300中獲取所述待診居民的心臟狀態分類器，并通過所述心臟狀態分類器對所述待診心電圖特征向量進行診斷，得出所述待診心電圖特征向量對應于所述10種心臟狀態類別中的何種類別。
[0026]以上描述的是根據本發明一實施例的個性化心電圖智能輔助診斷裝置，對居民待診心電圖進行診斷的工作原理，下面將對上述實施例中根據反饋心電圖對所述心臟狀態分類器的更新做進一步的介紹。
[0027]在支持向量機理論中，訓練后得到的分類器其分類準確率與待訓樣本的數量成正t匕，然而，待訓樣本的數量越龐大，訓練成本越高。在本實施例中，每一種心臟狀態類別對應待訓特征向量的數量為100個，由于所述待訓特征向量的數量有限，所述個性化心電圖智能輔助診斷裝置不能保證對所述待診心電圖診斷的完全準確。
[0028]因此，在使用所述個性化心電圖智能輔助診斷裝置對所述待診心電圖進行診斷的初期，醫生應同時對所述待診心電圖進行診斷，當所述個性化心電圖智能輔助診斷裝置的診斷結果與醫生診斷結果不一致時，應取醫生診斷結果為最終診斷結果，并將所述醫生診斷結果反饋給所述個性化心電圖智能輔助診斷裝置，對所述心臟狀態分類器進行更新，以提高所述個性化心電圖智能輔助診斷裝置的診斷率。當不斷更新后的所述個性化心電圖智能輔助診斷裝置的診斷準確率達到一定閾值后即可不需醫生診斷結果對所述心臟狀態分類器的反饋更新，從而為醫生診斷提供參考。
[0029]具體地，所述個性化心電圖智能輔助診斷裝置對某一居民的若干待診心電圖特征向量XT1，X12,...診斷的結果為正常竇性心率，而醫生對該居民的待診心電圖特征向量xT1，X12,...的診斷結果為結性心律，那么此時應取結性心律為最終診斷結果，結性心律的類別標號為5，然后將{(ΧΤ1，5)，(ΧΤ2，5)，...}作為反饋待訓信號輸入所述心臟分類器生成模塊200對所述心臟狀態分類器更新訓練，得到更新后的心臟狀態分類器。
[0030]心臟狀態分類器存儲模塊300根據上述居民身份標識存儲該居民更新后的心臟狀態分類器，用于今后對該居民的心電圖診斷。
[0031]優選地，如圖2所述，所述個性化心電圖智能輔助診斷裝置還包括心電圖測量模塊600以及心電圖存儲模塊700。
[0032]所述心電圖測量模塊600用于測量所述待訓心電圖或者所述待診心電圖。所述心電圖存儲模塊700為具有存儲介質的處理器，包括但不限于:個人計算機、服務器。所述心電圖測量模塊600用于根據所述用戶身份識別模塊400獲取的居民身份標識，將所述待訓心電圖或者所述待診心電圖存儲在所述居民相應的存儲空間中。
[0033]圖2中除心電圖測量模塊600與心電圖存儲模塊700之外的所有模塊的工作原理在對圖1的介紹中已詳細描述，此處不再贅述。
[0034]本發明另一方面提出一種個性化心電圖智能輔助診斷方法，圖3為本發明一實施例的個性化心電圖智能輔助診斷方法流程圖。
[0035]在一實施例中，執行步驟SlOO之前首先對某一地區內的若干居民，分別收集其既往5年的心電圖，每位居民選取10幅心電圖，所述心電圖已由醫生確診，確診的結果為下述10種心臟狀態類別中的一種:正常竇性心率、房性傳到阻滯、室上性心動過速、室性心動過速、結性心律、心室顫動、左病灶室性早搏、右病灶室性早搏、左束支傳導阻滯以及右束支傳導阻滯。其中，正常竇性心率為心臟正常狀態，其余9種為心臟異常狀態。所述每位居民的10幅心電圖即為待訓心電圖。在本實施例中，將正常竇性心率的類別標號記為1、房性傳到阻滯的類別標號記為2、室上性心動過速的類別標號記為3，室性心動過速的類別標號記為4，結性心律的類別標號記為5，心室顫動的類別標號記為6，左病灶室性早搏的類別標號記為7，右病灶室性早搏的類別標號記為8，左束支傳導阻滯的類別標號記為9，右束支傳導阻滯的類別標號記為10，以待訓練。
[0036]在步驟SlOO中，接收所述待訓心電圖并提取所述某一居民的待訓心電圖中若干單一心搏的特征向量。在本實施例中，所述特征向量為十維特征向量，包括:單個心搏有效時間、QRS間期、QT間期、PR間期、P峰值點、T峰值點、P波持續時間、T波持續時間、P波持續時間以及PR間期的比值。每幅心電圖由多個單一心搏構成，每個單一心搏占一定的周期，所述特征向量是單一心搏的固有屬性，也是反映所述10種心臟狀態類別的重要指標。所述特征向量中若干維分量值的異常，反映了心臟處于相應的異常狀態。
[0037]在本實施例中，對于某一居民的10幅心電圖，以所述10幅心電圖包含了所有10種心臟狀態類別為例，在步驟SlOO中，提取出100個正常竇性心率狀態下待訓的十維特征向量，記為X1, X2,...，X1M，其中，Xi為十維特征向量，類別標號Y1 = I;提取出100個房性傳到阻滯狀態下待訓的十維特征向量，記為Xltll, Xltl2,...，x2(l。，其中，類別標號y2 = 2 ;依次類推，提取出100個右束支傳導阻滯狀態下待訓的十維特征向量，記為X9tll, X902,...，X1000,其中，類別標號Yio = 10。
[0038]在步驟S200中，對所述某一居民待訓心電圖特征向量進行訓練，生成心臟狀態分類器。在本實施例中，采用支持向量機(SVM)對所述待訓特征向量KX1, Y1)，(X2, Y1),...,(XlOO, Yl)，(XlOl, y2) ? (Xl02, y2)，...，(^200? 12)，...，(^601? Υ?θ) ? (^602? Υ?θ)，...，(^700? Y io) I 進行訓練，生成心臟狀態分類器，所述心臟狀態分類器可用于對輸入樣本Xt進行分類，以決定&屬于上述10種心臟狀態類別中的哪一類別，其中，Xt為所述待診心電圖的十維特征向量。
[0039]其中，對所述待訓特征向量KX1, Y1)，(X2, Y1) ,..., (X100, Y1)，(X101, J2)，(X102,Y2), , (X200, Y2), , (X601, y10), (X602, y10),…,(X700, y10)}進行訓練采用的算法可以為OAO-SVMs算法，所述OAO-SVMs算法通過構造若干個二分類分類器，再將所述若干個二分類分類器組合成十分類分類器，所述十分類分類器用于對所述輸入樣本Xt進行分類，以決定Xt屬于所述10種心臟狀態類別中的哪一類別。
[0040]在步驟S300中，獲取用戶身份標識，所述用戶身份標識用于標識所述待訓特征向量所屬的居民，包括但不限于:居民姓名、居民身份證號。
[0041]在步驟S400中，根據所述用戶身份標識存儲相應用戶的所述心臟狀態分類器。所用存儲工具為具有存儲介質的處理器，包括但不限于:個人計算機、服務器。所用存儲工具根據輸入的用戶身份標識在其存儲介質中開辟屬于該用戶的存儲空間，并將訓練后得到對應于該用戶的心臟狀態分類器存儲在所述存儲空間中，用于對居民待診心電圖的診斷。
[0042]在本實施方式中，不同的居民對應不同的心臟狀態分類器。
[0043]則在步驟S500中，根據所述待診居民的身份標識獲取所述已存儲的待診居民的心臟狀態分類器，并通過所述心臟狀態分類器對所述待診心電圖特征向量進行診斷，得出所述待診心電圖特征向量對應于所述10種心臟狀態類別中的何種類別。
[0044]在支持向量機理論中，訓練后得到的分類器其分類準確率與待訓樣本的數量成正t匕，然而，待訓樣本的數量越龐大，訓練成本越高。在本實施例中，每一種心臟狀態類別對應待訓特征向量的數量為100個，由于所述待訓特征向量的數量有限，所述個性化心電圖智能輔助診斷方法不能保證對所述待診心電圖診斷的完全準確。
[0045]因此，在使用所述個性化心電圖智能輔助診斷方法對所述待診心電圖進行診斷的初期，醫生應同時對所述待診心電圖進行診斷，當所述個性化心電圖智能輔助診斷方法的診斷結果與醫生診斷結果不一致時，應取醫生診斷結果為最終診斷結果，并將所述醫生診斷結果進行反饋，對所述心臟狀態分類器進行更新，以提高所述個性化心電圖智能輔助診斷方法的診斷率。當不斷更新后的所述個性化心電圖智能輔助診斷方法的診斷準確率達到一定閾值后即可不需醫生診斷結果對所述心臟狀態分類器的反饋更新，從而為醫生診斷提供參考。[0046]在步驟S600中，接收反饋心電圖并提取所述反饋心電圖中若干單一心搏的特征向量。具體地，使用所述個性化心電圖智能輔助診斷方法對某一居民的若干待診心電圖特征向量ΧΤ1，ΧΤ2，...診斷的結果為正常竇性心率，而醫生對該居民的待診心電圖特征向量XT1，X12,...的診斷結果為結性心律，那么此時應取結性心律為最終診斷結果，結性心律的類別標號為5，然后將{(ΧΤ1，5)，(ΧΤ2，5)，...}作為反饋待訓信號對所述心臟狀態分類器更新訓練。在步驟S700中，對所述反饋特征向量進行訓練，得到更新后的心臟狀態分類器，用于今后對該居民的心電圖診斷。
[0047]優選地，如圖4所述，所述個性化心電圖智能輔助診斷方法還包括步驟S800與步驟S900。具體地，在步驟S800中，測量所述用戶心電得到所述用戶的心電圖。在步驟S900中，根據所述用戶身份標識存儲所述用戶的心電圖。所述心電圖包括待訓心電圖以及待診心電圖，在步驟S900之后的訓練以及診斷過程在對圖3的介紹中已詳細描述，此處不再贅述。
[0048]本發明實施例的個性化心電圖智能輔助診斷裝置與方法通過對居民既往心電圖訓練生成屬于該居民的心臟狀態分類器，通過所述心臟狀態分類器對該居民待診心電圖進行診斷，實現了對不同患病個體的個性化診斷，有助于提高診斷率，從而為醫生診斷提供參考，有助于減輕醫生的醫療負擔。
[0049]雖然本發明參照當前的較佳實施方式進行了描述，但本領域的技術人員應能理解，上述較佳實施方式僅用來說明本發明，并非用來限定本發明的保護范圍，任何在本發明的精神和原則范圍之內，所做的任何修飾、等效替換、改進等，均應包含在本發明的權利保護范圍之內。·
【權利要求】
1.一種個性化心電圖智能輔助診斷裝置，用于對用戶心電圖進行診斷，其特征在于，包括: 特征向量提取模塊，用于接收用戶待訓心電圖并提取所述待訓心電圖中若干單一心搏的特征向量； 心臟狀態分類器生成模塊，用于對所述待訓心電圖特征向量進行訓練，生成心臟狀態分類器，其中，所述特征向量提取模塊還用于接收用戶待診心電圖并提取所述待診心電圖中若干單一心搏的特征向量，所述心臟狀態分類器用于根據輸入的所述待診心電圖特征向量，輸出所述待診心電圖特征向量對應的心臟狀態類別； 用戶身份識別模塊，用于獲取用戶身份標識； 心臟狀態分類器存儲模塊，用于根據所述用戶身份標識存儲相應用戶的所述心臟狀態分類器； 診斷模塊，用于根據所述用戶身份標識獲取相應用戶的所述心臟狀態分類器，并通過所述心臟狀態分類器對所述待診心電圖特征向量進行診斷，得出所述待診心電圖特征向量對應的心臟狀態類別； 其中，所述特征向量提取模塊還用于接收反饋心電圖并提取所述反饋心電圖中若干單一心搏的特征向量，所述心臟狀態分類器生成模塊還用于對所述反饋心電圖特征向量進行訓練，并更新所述心臟狀態分類器。
2.根據權利要求1所述的個性化心電圖智能輔助診斷裝置，其特征在于，所述心臟狀態類別包括:正常竇性心率、房性傳到阻滯、室上性心動過速、室性心動過速、結性心律、心室顫動、左病灶室性早搏、右病灶室性早搏、左束支傳導阻滯以及右束支傳導阻滯。
3.根據權利要求1 所述的個性化心電圖智能輔助診斷裝置，其特征在于，所述特征向量為十維特征向量，包括:單個心搏有效時間、QRS間期、QT間期、PR間期、P峰值點、T峰值點、P波持續時間、T波持續時間、ρ波持續時間以及PR間期的比值。
4.根據權利要求1所述的個性化心電圖智能輔助診斷裝置，其特征在于，所述心臟狀態分類器為支持向量機(SVM)分類器。
5.根據權利要求1所述的個性化心電圖智能輔助診斷裝置，其特征在于，還包括: 心電圖測量模塊，用于測量所述用戶心電得到所述用戶的心電圖； 心電圖存儲模塊，用于根據所述用戶身份標識存儲所述用戶的心電圖。
6.一種個性化心電圖智能輔助診斷方法，用于對用戶心電圖進行診斷，其特征在于，包括: 接收用戶待訓心電圖并提取所述待訓心電圖中若干單一心搏的特征向量； 對所述待訓心電圖特征向量進行訓練，生成心臟狀態分類器，所述心臟狀態分類器用于根據輸入的所述待診心電圖特征向量，輸出所述待診心電圖特征向量對應的心臟狀態類別； 獲取用戶身份標識； 根據所述用戶身份標識存儲相應用戶的所述心臟狀態分類器； 根據所述用戶身份標識獲取相應用戶的所述心臟狀態分類器，并通過所述心臟狀態分類器對所述待診心電圖特征向量進行診斷，得出所述待診心電圖特征向量對應的心臟狀態類別；接收反饋心電圖并提取所述反饋心電圖中若干單一心搏的特征向量； 對所述反饋心電圖特征向量進行訓練，并更新所述心臟狀態分類器。
7.根據權利要求6所述的個性化心電圖智能輔助診斷方法，其特征在于，所述心臟狀態類別包括:正常竇性心率、房性傳到阻滯、室上性心動過速、室性心動過速、結性心律、心室顫動、左病灶室性早搏、右病灶室性早搏、左束支傳導阻滯以及右束支傳導阻滯。
8.根據權利要求6所述的個性化心電圖智能輔助診斷方法，其特征在于，所述特征向量為十維特征向量，包括:單個心搏有效時間、QRS間期、QT間期、PR間期、P峰值點、T峰值點、P波持續時間、T波持續時間、P波持續時間以及PR間期的比值。
9.根據權利要求6所述的個性化心電圖智能輔助診斷方法，其特征在于，所述心臟狀態分類器為支持向量機(SVM)分類器。
10.根據權利要求6所述的 個性化心電圖智能輔助診斷方法，其特征在于，還包括: 測量所述用戶心電得到所述用戶的心電圖；根據所述用戶身份標識存儲所述用戶的心電圖。
【文檔編號】A61B5/0402GK103584852SQ201210290454
【公開日】2014年2月19日 申請日期:2012年8月15日 優先權日:2012年8月15日
【發明者】周樹民, 王思閔, 邵偉, 樊建平 申請人:深圳中科強華科技有限公司