基于深度学习算法的心电图生成系统及方法与流程

1.本发明涉及一种基于深度学习算法的心电图生成系统及方法，更详细地，涉及一种利用深度学习算法来从一个以上导联心电图生成多个心电图的心电图生成系统及方法。


背景技术：

2.在医院使用的标准12导联心电图通过在胸部的前表面附着六个电极，在四肢也分别附着三个电极(如果包括接地电极，则为四个电极)后，收集并综合所有12导联信息来诊断疾病。
3.12导联心电图以心脏为中心在十二个电方向记录心脏的电位，由此，在各个方向中判断心脏的状态，从而可准确地读取局限在一个区域的心脏疾病。
4.在多种方向测量心脏电位的意义在于，可以在各方向掌握心脏的特征，因此，在医疗过程中为了诊断心脏病(心肌梗塞等)而建议测量标准12导联心电图。
5.但是，为了拍摄12导联心电图而需要暴露胸部，以便附着胸部电极，普通人很难将九个电极(四肢三个、胸部六个)贴在准确的位置，因此很难在家庭或日常生活中进行测量。并且，因很难贴上十个电极并移动，因而难以用于实时监控。
6.因此，最近开发了可以测量1导联心电图或两个以上导联心电图的设备，以便其在日常生活中也能够被使用。
7.首先，使用两个电极的1导联心电图设备包括手表式心电图仪(苹果手表或盖乐世(galaxy)手表)。在手表式心电图仪中，手表背面与左手腕相接触，右手手指与手表的表冠相接触，由此使左臂电极与右臂电极相接触，从而利用两个电极的电位差来测量i导联心电图。
8.并且，手表式心电图仪通过戴在左臂上并用右手接触表冠来测量i导联，在将手表放在肚子上的状态下，用右手接触表冠来测量ii导联，在放在肚子上的状态下，通过用左手接触表冠来测量iii导联。之后，在将左手接触到手表的表冠的状态下，将手表背面接触到手表v1～v6电极位置来测量v1～v6导联心电图。
9.上述方法在使用人员需要将心电图准确地接触到v1～v6位置方面可用性差，在v1～v6导联心电图的情况下，与即使接触到相应部位也需要示出虚拟中心点与v电极之间的电位差的标准胸部导联心电图不同，其问题在于，标准胸部导联无法示出右臂电极与v电极之间的电位差。
10.并且，用双手握住电极并将设备背面的电极接触到腿部或脚踝，并在左臂、右臂以及左腿分别接触电极的状态下也可以测量两个以上导联心电图。但上述方法为无法长时间(1小时、24小时、7日等)监控的方法，其缺点在于，设备本身需要具有三个电极。
11.本发明的背景技术在韩国授权专利第10-2180135号(2020年11月17日公告)中公开。


技术实现要素：

12.技术问题
13.因此，根据本发明，本发明提供一种利用深度学习算法来从一个以上导联心电图生成多个心电图的心电图生成系统及方法。
14.技术方案
15.为解决该技术问题，根据本发明实施例，基于深度学习算法的心电图生成系统包括：数据输入部，接收通过多个患者测量的12导联心电图和与上述12导联心电图相对应的患者的信息；数据提取部，根据上述患者的信息分类并存储所输入的上述12导联心电图，从存储的12导联心电图提取学习数据；学习部，通过将所提取的上述学习数据输入到一个以上学习模型来使其对心电图的特征进行学习；心电图生成部，从测量对象接收一个以上参考心电图，通过将所输入的上述参考心电图输入到已完成学习的一个以上学习模型来生成虚拟心电图；以及控制部，将上述参考心电图与生成的虚拟心电图彼此同步，输出同步的参考心电图和虚拟心电图的波形。
16.上述患者的信息可包含性别、年龄、是否患有心脏病、测量的心电图电位向量中的至少一个。
17.上述学习部可以通过将作为四肢6导联心电图和胸部6导联心电图中的一部分的n个导联心电图输入到第一学习模型来使上述第一学习模型进行学习，以判别所输入的心电图的电位向量并生成12-n个心电图。
18.上述学习部可以构建对于四肢6导联心电图和胸部6导联心电图的12个第二学习模型，当将构建的上述第一学习模型所生成的12-n个心电图输入到第二学习模型时，上述第二学习模型进行学习，以将所输入的上述导联心电图变换成具有相应电位向量的样式并输出为n个虚拟心电图。
19.可通过混合对抗生成网络和自动编码器方法来构建上述第一学习模型和第二学习模型。
20.上述心电图生成部可以通过将输入的参考心电图输入到第一学习模型并提取上述参考心电图的电位向量来生成剩余多个虚拟心电图，通过将生成的上述虚拟心电图输入到通过所提取的电位向量学习的第二学习模型来重新生成与参考心电图相同的导联虚拟心电图。
21.上述控制部将上述参考心电图与上述多个虚拟心电图进行匹配并同步，通过监视器输出同步的多个心电图。
22.并且，根据本发明实施例，利用心电图生成系统的心电图生成方法包括如下步骤：基于深度学习算法的心电图生成系统接收通过多个患者测量的12导联心电图和与上述12导联心电图相对应的患者的信息；根据上述患者的信息分类并存储所输入的上述12导联心电图，从存储的12导联心电图提取学习数据；通过将所提取的上述学习数据输入到一个以上学习模型来使其对心电图的特征进行学习；从测量对象接收一个以上参考心电图，通过将所输入的上述参考心电图输入到已完成学习的一个以上学习模型来生成虚拟心电图；以及将上述参考心电图与生成的虚拟心电图彼此同步，输出同步的参考心电图及虚拟心电图的波形。
23.发明的效果
24.因此，根据本发明，可从利用深度学习算法来在不同的点测量的两个心电图生成同步的多个心电图，因此可以与12导联心电图相同地准确读取心脏疾病。
25.并且，根据本发明，因利用两个导联心电图而可以在家庭或日常生活中进行测量，即使在移动状态下也可以进行测量，因此可以进行实时监控，利用在不同时间点测量的心电图信息来生成同步的心电图，从而可以使医护人员读取与相应波动相匹配的同步的导联心电图信息，并基于此做出更准确的诊断。
附图说明
26.图1为用于说明本发明实施例的心电图生成系统的结构图。
27.图2为用于说明本发明实施例的利用心电图生成系统的心电图生成方法的流程图。
28.图3为说明普通的12导联心电图的测量方法的例示图。
29.图4为用于说明图2所示的步骤s240的例示图。
30.图5为用于说明图2所示的步骤s260的例示图。
31.最佳实施方式
32.本发明实施例的心电图生成系统100包括数据输入部110、数据提取部120、学习部130、心电图生成部140以及控制部150。
33.首先，数据输入部110接收通过多个患者测量的12导联心电图和与12导联心电图相对应的患者的信息。
34.其中，12导联心电图包括四肢6导联心电图和胸部6导联心电图，患者的信息包含性别、年龄、是否患有心脏病、测量的心电图电位向量中的至少一个。
35.数据提取部120利用输入的患者的信息对12导联心电图进行分类并存储在数据库。并且，数据提取部120通过随机提取存储在数据库的多个12导联心电图来生成学习数据。
36.接下来，学习部130利用学习数据来使构建的学习模型进行学习。更具体地，学习部130构建第一学习模型和第二学习模型，上述第一学习模型通过提取输入的导联心电图的电位向量信息来从n个导联的参考心电图生成12-n个导联虚拟心电图，上述第二学习模型从12-n个导联虚拟心电图生成n个导联虚拟心电图。
37.并且，学习部130通过向构建的第一学习模型或第二学习模型输入生成的学习数据来使第一学习模型或第二学习模型进行学习。
38.心电图生成部140获取来自测量对象的一个以上参考心电图。并且，心电图生成部140通过将获取的参考心电图输入到已完成学习的第一学习模型并基于参考心电图的电位向量来生成第一虚拟心电图。心电图生成部140向学习的第二学习模型输入生成的第一虚拟心电图来使第二学习模型输出第二虚拟心电图。
39.最后，控制部150将参考心电图与虚拟心电图同步，通过监视器装置从参考心电图和虚拟心电图输出同步的多个心电图。
具体实施方式
40.以下，参照附图，将对本发明的优选实施例进行详细说明。在此过程中，为了明确
性和便利性，可能会放大附图所示的多条线的厚度或组件的尺寸。
41.并且，后述的术语作为考虑到在本发明中的功能而被定义的术语，其可以根据使用人员、操作人员的意图或惯例而变得不同。因此，应基于本说明书整体内容来下达对于这些术语的定义。
42.以下，利用图1对本发明实施例的基于深度学习算法的心电图生成系统进行更详细的说明。
43.图1为用于说明本发明实施例的心电图生成系统的结构图。
44.如图1所示，本发明实施例的心电图生成系统100包括数据输入部110、数据提取部120、学习部130、心电图生成部140以及控制部150。
45.首先，数据输入部110接收通过多个患者测量的12导联心电图和与12导联心电图相对应的患者的信息。
46.其中，12导联心电图包括四肢6导联心电图和胸部6导联心电图，患者的信息包含性别、年龄、是否患有心脏病、测量的心电图电位向量中的至少一个。
47.数据提取部120利用输入的患者的信息对12导联心电图进行分类并存储在数据库。并且，数据提取部120通过随机提取存储在数据库的多个12导联心电图来生成学习数据。
48.接下来，学习部130利用学习数据来使构建的学习模型进行学习。更具体地，学习部130构建第一学习模型和第二学习模型，上述第一学习模型通过提取所输入的导联心电图的电位向量信息来从n个导联的参考心电图生成12-n个导联虚拟心电图，上述第二学习模型从12-n个导联虚拟心电图生成n个导联虚拟心电图。
49.并且，学习部130通过向构建的第一学习模型或第二学习模型输入生成的学习数据来使第一学习模型或第二学习模型进行学习。
50.心电图生成部140获取来自测量对象的一个以上参考心电图。并且，心电图生成部140通过将获取的参考心电图输入到已完成学习的第一学习模型并基于参考心电图的电位向量来生成第一虚拟心电图。心电图生成部140向学习的第二学习模型输入生成的第一虚拟心电图来使第二学习模型输出第二虚拟心电图。
51.最后，控制部150将参考心电图与虚拟心电图同步，通过监视器装置从参考心电图和虚拟心电图输出同步的多个心电图。
52.以下，利用图2至图5对利用本发明实施例的心电图生成系统100的心电图生成方法进行更详细的说明。
53.图2为用于说明本发明实施例的利用心电图生成系统的心电图生成方法的流程图。
54.如图2所示，本发明实施例的利用心电图生成系统的心电图生成方法分为使学习模型进行学习的步骤以及利用已完成学习的学习模型生成心电图的步骤。
55.在使学习模型进行学习的步骤中，首先，心电图生成系统100接收通过多个患者测量的导联心电图和患者的信息(步骤s210)。
56.首先，12导联心电图示出以心脏为中心的在12个电方向记录的心脏电位。
57.查看拍摄导联心电图的普通方法，首先，将四个电极(四肢电极，肢体导联(limb lead))贴在患者的双臂和双腿。在此情况下，心电图测量装置用其中的双臂和左腿电极测
量电位，右腿电极则起到接地电极的作用。
58.图3为说明普通的12导联心电图的测量方法的例示图。
59.如图3所示，心电图测量装置通过从左臂的电位减去右臂的电位来生成i导联心电图，通过从左腿电位减去右臂电位来生成ii导联心电图，并通过从左腿电位减去左臂的电位来生成iii导联心电图。
60.心电图测量装置通过求出双臂和左腿电极电位的平均来求出虚拟中心点的电位。并且，心电图测量装置通过从左臂的电位减去虚拟中心点的电位来生成avl导联的心电图，通过从右臂的电位减去虚拟中心点的电位来生成avr导联的心电图。并且，心电图测量装置通过从左腿电极的电位减去虚拟中心点的电位来生成avf导联的心电图。如上所述，心电图测量装置使用3个(如果包括接地电极，则为4个)四肢电极来生成总共6个导联(6行)心电图。
61.接下来，心电图测量装置利用在四肢导联中确定的虚拟中心点的电位与附着在胸部的6个电极的电位差来生成胸部6导联心电图。即，将v1、v2、v3、v4、v5以及v6六个电极贴在胸部规定位置的前侧到左胸。
62.并且，心电图测量装置从v1电极减去测量的电位和通过上述四肢电极的平均求出的虚拟中心点的电位来生成v1导联心电图。
63.如上所述，心电图测量装置利用附着在多个患者的电极来生成12导联心电图。而且，生成的12导联心电图传输到心电图生成系统100。
64.在此情况下，心电图生成系统100追加接收生成的12导联心电图和与其相对应的患者的信息。
65.其中，患者的信息包含性别、年龄、是否患有心脏病、测量的心电图电位向量中的至少一个。
66.当完成步骤s210时，心电图生成系统100利用收集的12导联心电图和患者的信息来提取学习数据(步骤s220)。
67.再次说明这一点，数据提取部120根据患者的信息对收集的12导联心电图进行分类并存储在数据库。而且，数据提取部120通过从存储的多个12导联心电图随机提取来生成学习数据。
68.接下来，学习部130利用生成的学习数据来分别使第一学习模型和第二学习模型进行学习(步骤s230)。
69.首先，学习部130通过将由12导联心电图组成的学习数据输入到第一学习模型和第二学习模型来使第一学习模型和第二学习模型对心电图的特征进行学习。再次说明这一点，在导联心电图中，电流方向根据电位向量而不同，根据患者的年龄和性别影响心电图的样式。即，心肌随着年龄的增长而减少，因此心电图的振幅呈减少的趋势，女性则因乳房导致心电图的电极位置降低或心脏与电极之间的距离增加，从而心电图的形状发生变形。
70.并且，在患有慢性肺病(慢性阻塞性肺疾病)的情况下，随着肺容量的增加，两肺之间的心脏垂直竖立，因此在三维空间中，心脏的电流沿垂直方向变化。
71.因此，学习部130将根据患者的信息，即，患者的年龄、性别、健康程度以及电位向量分别分离并存储的导联心电图输入到第一学习模型和第二学习模型。然后，第一学习模型和第二学习模型通过学习输入的导联心电图的特征来提取所输入的导联心电图的电位
向量信息。但是，也可以通过接收心电图来进行学习，而并非根据患者的信息进行区分，还可以通过该方法使一个以上学习模型进行学习。
72.并且，学习部130构建与12导联心电图相对应的12个第二学习模型。而且，学习部130根据心电图的特征来使每个第二学习模型进行学习。
73.再次说明这一点，第一学习模型学习基于深度学习算法输入的心电图与12导联心电图的相关性来提取所输入的心电图的特征，即，年龄、性别、电位向量中的至少一个，由此，从n个导联的参考心电图生成12-n个导联虚拟心电图。相反，第二学习模型从12-n个导联虚拟心电图生成n个导联虚拟心电图。例如，假设生成v1导联心电图，则学习部130在第一学习模型中学习样式，以从v1导联的心电图生成虚拟的i、ii、iii、avl、avr、avf、v2、v3、v4、v5、v6导联的心电图，使第二学习模型学习样式，以从虚拟的i、ii、iii、avl、avr、avf、v2、v3、v4、v5、v6导联的心电图生成虚拟的v1导联的心电图。然后，第二学习模型通过将输入的心电图转换成v1导联样式来生成虚拟心电图。
74.在第一学习模型中，为了判别输入的心电图是哪一种导联的心电图，将任一种导联的心电图一同输入并学习。由此，当学习之后被使用时，即使输入无法得知导联的任意心电图，也可以生成12导联心电图。
75.在此情况下，第一学习模型和第二学习模型基于由自动编码器或对抗生成网络组成的深度学习算法，深度学习算法可利用在自动编码器或对抗生成网络中选择的一个来实现，还可以混合自动编码器和对抗生成网络来实现。
76.当通过步骤s210和步骤s230来使学习模型完成学习时，本发明实施例的心电图生成系统100利用学习的学习模型来生成心电图。
77.首先，心电图生成系统100通过附着在测量对象的身体的电极来接收测量的参考心电图(步骤s240)。
78.其中，参考心电图不包含电位向量的相关信息。
79.接下来，心电图生成部140通过将输入的参考心电图输入到第一学习模型和第二学习模型来生成多个虚拟心电图(步骤s250)。
80.首先，心电图生成部140通过将参考心电图输入到第一学习模型来提取参考心电图的特征。
81.其中，特征包含测量对象的年龄、性别以及电位向量中的至少一个。
82.由此，从参考心电图生成第一虚拟心电图。
83.接下来，心电图生成部140将生成的第一虚拟心电图输入到第二学习模型。然后，第二学习模型基于输入的第一虚拟心电图来生成第二虚拟心电图。
84.图4为用于说明图2所示的步骤s240的例示图。
85.如图4所示，第一个心电图示出参考心电图。在此情况下，第一学习模型将参考心电图的特征假设为l1。然后，在心电图生成部140中，第一学习模型基于l1心电图生成剩余11个导联虚拟心电图。将生成的11个导联虚拟心电图输入到第二学习模型后生成虚拟的l1导联心电图。在每个学习模型中包括鉴别器，上述鉴别器用于判别与生成心电图的生成器一同生成的心电图是否正确生成并通过反馈提高所生成的心电图的准确性。
86.当完成步骤s250时，控制部150通过监控装置输出参考心电图和11个虚拟心电图(步骤s260)。
87.图5为用于说明图2所示的步骤s260的例示图。
88.控制部150输出参考心电图和11个虚拟心电图。而且，如图5所示，控制部150通过将输出的参考心电图和11个虚拟心电图同步来判断测量对象的健康是否存在异常。在此情况下，在第二学习模型中也生成与参考心电图相同的导联虚拟心电图，因此可判别为12个虚拟心电图。
89.如上所述，心电图根据测量对象的年龄、性别以及健康是否存在异常来输出不同的心电图的斜率、振幅大小等。因此，控制部150通过监控装置输出通过参考心电图、11个虚拟心电图同步的12个心电图。
90.如上所述，根据本发明，可从利用深度学习算法来在不同的点测量的两个心电图生成同步的多个心电图，因此可以与12导联心电图相同地准确读取心脏疾病。
91.并且，本发明的心电图生成系统利用两个导联心电图，因此可在家庭或日常生活中进行测量，即使在移动状态下也可以进行测量，因此可以进行实时监控，利用在不同时间点测量的心电图信息来生成同步的心电图，从而可以使医护人员读取与相应搏动相匹配的同步的导联心电图信息，并基于此做出更准确的诊断。
92.尽管本发明通过附图所示的实施例进行了说明，但这仅仅是例示性的，本发明所属技术领域普通技术人员应当理解，可以存在多种变形以及其他等同实施例。因此，本发明的真正的技术保护范围需要由所附的发明要求保护范围的技术思想来确定。
93.附图标记的说明
94.100：心电图生成系统
95.110：数据输入部
96.120：数据提取部
97.130：学习部
98.140：心电图生成部
99.150：控制部
100.产业上的可利用性
101.本发明可从利用深度学习算法来在不同的点测量的两个心电图生成同步的多个心电图，因此，可以与12导联心电图相同地准确读取心脏疾病，在多种基于深度学习算法的心电图生成系统中具有产业上的可利用性。

技术特征：
1.一种心电图生成系统，基于深度学习算法，其特征在于，包括：数据输入部，接收通过多个患者测量的12导联心电图；数据提取部，从所输入的上述12导联心电图提取学习数据；学习部，通过将所提取的上述学习数据输入到多个学习模型来使其对心电图的特征进行学习；心电图生成部，从测量对象接收一个以上参考心电图，通过将所输入的上述参考心电图输入到已完成学习的多个学习模型来生成虚拟心电图；以及控制部，将上述参考心电图与生成的虚拟心电图彼此同步，输出同步的参考心电图和虚拟心电图的波形。2.根据权利要求1所述的心电图生成系统，其特征在于，上述患者的信息包含性别、年龄、是否患有心脏病、测量的心电图的电位向量中的至少一个。3.根据权利要求2所述的心电图生成系统，其特征在于，上述学习部通过将四肢6导联心电图和胸部6导联心电图输入到第一学习模型来使上述第一学习模型进行学习，以判别所输入的心电图的电位向量。4.根据权利要求3所述的心电图生成系统，其特征在于，上述学习部构建对于四肢6导联心电图和胸部6导联心电图的第一学习模型和第二学习模型，当向构建的上述第一学习模型和第二学习模型输入参考导联心电图时，上述第一学习模型和第二学习模型进行学习，以将所输入的上述参考导联心电图变换成具有相应电位向量的样式并输出为虚拟心电图。5.根据权利要求3或4所述的心电图生成系统，其特征在于，通过混合或分别使用对抗生成网络和自动编码器方法来构建上述第一学习模型和第二学习模型。6.根据权利要求5所述的心电图生成系统，其特征在于，上述心电图生成部通过将输入的参考心电图输入到第一学习模型来提取上述参考心电图的电位向量并生成第一虚拟心电图，通过将上述第一虚拟心电图输入到第二学习模型来生成第二虚拟心电图。7.根据权利要求6所述的心电图生成系统，其特征在于，上述控制部将上述参考心电图与多个上述虚拟心电图进行匹配并同步，通过监视器输出同步的多个心电图，利用所输出的上述参考心电图及虚拟心电图的波形的振幅、斜率以及电极位置中的至少一个来判断测量对象的健康是否存在异常。8.一种心电图生成方法，利用心电图生成系统，其特征在于，包括如下步骤：接收通过多个患者测量的12导联心电图和与上述12导联心电图相对应的患者的信息；根据上述患者的信息分类并存储所输入的上述12导联心电图，从存储的12导联心电图提取学习数据；通过将所提取的上述学习数据输入到多个学习模型来使其对心电图的特征进行学习；从测量对象接收一个以上参考心电图，通过将所输入的上述参考心电图输入到已完成学习的多个学习模型来生成虚拟心电图；以及将上述参考心电图与生成的虚拟心电图彼此同步，输出同步的参考心电图、虚拟心电图的波形以及上述测量对象的健康是否发生异常。9.根据权利要求8所述的心电图生成方法，其特征在于，上述患者的信息包含性别、年
龄、是否患有心脏病、测量的心电图的电位向量中的至少一个。10.根据权利要求8所述的心电图生成方法，其特征在于，在对上述心电图的特征进行学习的步骤中，通过将四肢6导联心电图和胸部6导联心电图输入到第一学习模型来使上述第一学习模型进行学习，以判别所输入的心电图的电位向量并生成第一虚拟心电图。11.根据权利要求10所述的心电图生成方法，其特征在于，在对上述心电图的特征进行学习的步骤中，基于第一虚拟心电图构建学习样式的第二学习模型，当向构建的上述第二学习模型输入第一虚拟心电图时，上述第二学习模型进行学习，以将所输入的上述导联心电图变换成具有相应电位向量的样式并输出为第二虚拟心电图。12.根据权利要求10或11所述的心电图生成方法，其特征在于，通过混合或分别使用对抗生成网络和自动编码器方法来构建上述第一学习模型和第二学习模型。13.根据权利要求12所述的心电图生成方法，其特征在于，在生成上述虚拟心电图的步骤中，通过将输入的参考心电图输入到第一学习模型来提取上述参考心电图的电位向量并生成第一虚拟心电图，通过将上述第一虚拟心电图输入到通过所提取的上述电位向量学习的第二学习模型来生成第二虚拟心电图。14.根据权利要求13所述的心电图生成方法，其特征在于，在输出上述健康是否发生异常的步骤中，将上述参考心电图与多个上述虚拟心电图进行匹配并同步，通过监视器输出同步的多个心电图，利用所输出的上述参考心电图及虚拟心电图的波形的振幅、斜率以及电极位置中的至少一个来判断测量对象的健康是否存在异常。

技术总结
本发明涉及一种基于深度学习算法的心电图生成系统及方法。根据本发明，基于深度学习算法的心电图生成系统包括：数据输入部，接收通过多个患者测量的12导联心电图；数据提取部，从所输入的上述12导联心电图提取学习数据；学习部，通过将所提取的上述学习数据输入到多个学习模型来使其对心电图的特征进行学习；心电图生成部，从测量对象接收一个以上参考心电图，通过将所输入的上述参考心电图输入到已完成学习的多个学习模型来生成虚拟心电图；以及控制部，将上述参考心电图与生成的虚拟心电图彼此同步，输出同步的参考心电图和虚拟心电图的波形。拟心电图的波形。拟心电图的波形。


技术研发人员：权俊明
受保护的技术使用者：保迪弗兰德有限公司
技术研发日：2022.02.24
技术公布日：2023/9/14