面向开放假设心律失常分析的语义模型研究

The real-world arrhythmia diagnosis is an open-hypothesis-task that testing samples are collected from individuals whose signals do not appear in training sets. While existing pattern recognition methods classify electrocardiograms according to their pixel level or section level features, human recognizes arrhythmia according to semantic level information. Therefore, in this project, we aim to propose semantic level electrocardiogram model, study waveform semantic recognition method, and build arrhythmia recognition method based on semantic relations. Firstly, in order to reveal internal connections between waveforms and semantics, we will build waveform recognition model; in order to reveal internal connections between semantic relations and arrhythmia, we will build recognition model based on semantic relations. Secondly, we will study semantic detecting method based on information fusion of data, features, and decision from multi-lead signals, and build semantic relations based recognition model. Finally, we will propose deep model learning algorithm jointly driven by knowledge and data. This project has important scientific and practical significance because it brings semantic level information to the electrocardiogram model, and provides a novel research idea for arrhythmia diagnosis.

心律失常分析的实际应用场景是待测样本与训练集不重叠的开放性假设任务，心律失常的人工识别根据语义级信息；而传统模式识别方法往往在信号的像素级和区间级提取特征，完成封闭假设的任务。因此项目提出以语义级信息作为建模切入点，研究波段的语义识别方法，建立以语义组合关系为判据的识别模型，形成满足开放假设任务需求的系统。主要研究内容包括：（1）揭示波段形态和语义的联系，建立波段的语义识别模型，阐明语义组合和心律失常之间的关联，建立依据语义关系的识别模型。（2）探索多导联信号数据、特征、决策融合的语义检测方案，建立契合数据特点的语义级深度模型。（3）提出知识与数据联合驱动的深度模型参数学习算法，建立高性能的语义级心律失常分析系统。本项目将波段语义信息引入心律失常分析模型，为开放假设的心律失常识别提供了新的研究途径，具有重要的科学意义和应用价值。

心律失常分析的实际应用场景是待测样本与训练集不重叠的开放性假设任务，心律失常的人工识别根据语义级信息；而传统模式识别方法往往在信号的像素级和区间级提取特征，完成封闭假设的任务。因此项目提出以语义级信息作为建模切入点，研究波段的语义识别方法，建立以语义组合关系为判据的识别模型，形成满足开放假设任务需求的系统。项目提出了三项主要研究任务，均已顺利完成。首先，项目从机器学习角度提出了医生判别心电图的感受野模型，建立了心电图识别网络设计范式，揭示波段形态和语义的联系，阐明语义组合和心律失常之间的关联。其次，项目探索了多导联信号数据、特征、决策融合的语义检测方案，建立契合数据特点的语义级深度模型，发展了房颤检测、精准R波检测、心肌梗死自动分析等一系列模型与算法，本项目发展的房颤检测算法参加了京东方Top coder房颤检测竞赛，获第三名；精准R波检测算法参加了中国生理信号挑战竞赛，进入总决赛；心肌梗死检测算法在PTB等数据集均取得SOTA的效果。最后，提出知识与数据联合驱动的深度模型参数学习算法，建立高性能的语义级心律失常分析系统，并与心电图机设备厂商合作开展了产业化工作，目前本项目监理的心律失常分析系统已部署于近20家三甲医院，数百家基层医院，产业化一年以来已服务患者两万余人次。截至目前，项目所提出的研究目标均已达成，关键科学问题都已得到有效解决，项目成果产业化推进顺利。