买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：哈尔滨工程大学

摘要：本发明属于计算机视觉技术领域，具体涉及一种在病历中快速提取十二导联心电图的方法。本发明包括病历数据的预处理以及手工定义特征的二次细化，使用该二次细化可以加速人工标记过程，加快了模型训练过程。本发明通过定义卷积神经网络EcgNet；结合设置特征和卷积神经神经网络训练模型实现自动提取十二导联心电图，经过检验该模型提取的十二导联心电图具有单边100％的准确率，提取的心电图达到人工提取的水平。本发明可以快速精准的从病历数据中提取出满足要求的十二导联心电图，训练好模型后的提取过程快速且不需要人力参与，极大地节省了人力物力，加速了心血管疾病患者的临床数据集的构建。

主权项：1.一种在病历中快速提取十二导联心电图的方法，其特征在于，包括以下步骤：步骤1：获取用于模型训练的病历数据集，使用pdfplumber模块对病历文件进行预处理，获取包含十二导联心电图的图片集；步骤2：对包含十二导联心电图的图片集进行再次细化分类，获得二次细化图片集；使用opencv模块对图片进行读取，然后将图片的尺寸缩放至预设像素，对缩放后图片转化的numpy矩阵值进行求和，保留求和后的结果小于阈值的图片，得到二次细化图片集；阈值通过以下公式计算： 其中，α表示放大系数；numi表示第i张心电图缩放至设定像素后转换为numpy矩阵求和的值；步骤3：将二次细化图片集分为训练集、验证集和测试集，训练集和验证集中的图片进行人工标注处理，测试集中的图片不做处理；步骤4：对训练集、验证集和测试集中的图片进行标准化处理；使用opencv模块对图片进行读取，然后将图片的尺寸缩放至预设像素，缩放后的图片覆盖原图；步骤5：训练卷积神经网络模型EcgNet；步骤5.1：设置卷积神经网络模型EcgNet的训练轮次N；将标准化处理后的训练集图片转化为张量输入到卷积神经网络，将卷积神经网络最后的全连接层的输出改为1，神经网络正向传播得到一个概率输出值；步骤5.2：将对应的标签转化为张量后与概率输出值计算交叉熵损失函数；步骤5.3：反向传播对神经网络的参数更新；步骤5.4：将标准化处理后的验证集图片转化为张量输入到神经网络，对输出概率值进行sigmoid计算，sigmoid输出小于0.5，则将该图片判定为十二导联心电图图片，与人工标记的标签进行对比计算准确率；保存N轮训练中验证准确率最高的卷积神经网络模型EcgNet；步骤6：加载使用训练好的卷积神经网络模型EcgNet，对测试集的图片进行判定，查看效果是否达到预定目标，达到则执行步骤7；步骤7：对待提取十二导联心电图的病历数据进行步骤1的预处理，使用训练好的卷积神经网络模型EcgNet在预处理后的图片中提取十二导联心电图图片。

全文数据：

权利要求：

百度查询： 哈尔滨工程大学 一种在病历中快速提取十二导联心电图的方法