Processing

Please wait...

Settings

Settings

1. WO2020004369 - ELECTROCARDIOGRAM DIAGNOSTIC DEVICE BASED ON MACHINE LEARNING USING ELECTROCARDIOGRAM IMAGES

Publication Number WO/2020/004369
Publication Date 02.01.2020
International Application No. PCT/JP2019/025098
International Filing Date 25.06.2019
IPC
[IPC code unknown for G16H 50/70]
A HUMAN NECESSITIES
61
MEDICAL OR VETERINARY SCIENCE; HYGIENE
B
DIAGNOSIS; SURGERY; IDENTIFICATION
5
Measuring for diagnostic purposes; Identification of persons
04
Measuring bioelectric signals of the body or parts thereof
0402
Electrocardiography, i.e. ECG
0452
Detecting specific parameters of the electrocardiograph cycle
G PHYSICS
06
COMPUTING; CALCULATING; COUNTING
N
COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3
Computer systems based on biological models
02
using neural network models
08
Learning methods
G PHYSICS
06
COMPUTING; CALCULATING; COUNTING
T
IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
7
Image analysis, e.g. from bit-mapped to non bit-mapped
G16H 50/70 (2018.01)
A61B 5/0452 (2006.01)
G06N 3/08 (2006.01)
G06T 7/00 (2017.01)
CPC
A61B 5/0452
G06N 3/08
G06T 7/00
G16H 50/70
Applicants
  • 学校法人東京女子医科大学 TOKYO WOMEN'S MEDICAL UNIVERSITY [JP/JP]; 東京都新宿区河田町8-1 8-1, Kawada-cho, Shinjuku-ku, Tokyo 1628666, JP
Inventors
  • 森 浩輝 MORI Hiroki; JP
  • 村垣 善浩 MURAGAKI Yoshihiro; JP
  • 杉山 央 SUGIYAMA Hisashi; JP
Agents
  • 田中 伸一郎 TANAKA Shinichiro; JP
  • 須田 洋之 SUDA Hiroyuki; JP
Priority Data
2018-12408329.06.2018JP
Publication Language Japanese (JA)
Filing Language Japanese (JA)
Designated States
Title
(EN) ELECTROCARDIOGRAM DIAGNOSTIC DEVICE BASED ON MACHINE LEARNING USING ELECTROCARDIOGRAM IMAGES
(FR) DISPOSITIF DE DIAGNOSTIC D'ÉLECTROCARDIOGRAMME BASÉ SUR UN APPRENTISSAGE AUTOMATIQUE UTILISANT DES IMAGES D'ÉLECTROCARDIOGRAMME
(JA) 心電図画像を用いた機械学習による心電図診断装置
Abstract
(EN)
As a conventional example of an electrocardiogram diagnostic support method, methods have been proposed in which the learning stage is divided into two stages and a two-stage learning model is generated, but such models learn binary classification models that output 'normal' or 'abnormal' and output only whether the waveform of the ECG image indicates an abnormality, so do not determine an actual diagnosis (disease name, sickness name, etc.). In the present invention, an electrocardiogram diagnostic device is provided which uses training data comprising diagnoses ('normal', or multiple sickness names (disease names)) attached to electrocardiogram images to learn a model that, in addition to 'normal', can output disease names through machine learning such as CNN, LSTM, etc. By giving electrocardiogram images obtained in an actual test to a model that has been learned, the electrocardiogram diagnostic device outputs a diagnosis ('normal', or disease names) that can be obtained by reading the electrocardiogram image.
(FR)
A titre d'exemple classique d'un procédé de support de diagnostic d'électrocardiogramme, des procédés ont été proposés, dans lesquels l'étape d'apprentissage est divisée en deux étapes et un modèle d'apprentissage en deux étapes est généré ; mais de tels modèles apprennent des modèles de classification binaire qui fournissent un résultat "normal" ou "anormal" et ne fournissent un résultat que si la forme d'onde de l'image d'ECG indique une anomalie, de sorte qu'ils ne déterminent pas un diagnostic réel (nom de maladie, nom de pathologie, etc.). Le dispositif de diagnostic d'électrocardiogramme selon la présente invention utilise des données d'apprentissage comprenant des diagnostics ("normal", ou de multiples noms de pathologie (noms de maladie)) rattachés à des images d'électrocardiogramme pour apprendre un modèle qui, outre l'indication "normal", peut fournir des noms de maladie par un apprentissage automatique tel que CNN, LSTM, etc. En fournissant des images d'électrocardiogramme, obtenues dans un test réel, à un modèle ayant été appris, le dispositif de diagnostic d'électrocardiogramme fournit un diagnostic ("normal" ou noms de maladie) pouvant être obtenu par la lecture de l'image d'électrocardiogramme.
(JA)
心電図診断支援手法の従来例として、学習段階を2段階に分けて、2段階学習モデルを生成する方法が提案されているが、正常か異常かを出力する2値分類モデルを学習するものであり、心電図画像の波形が異常を示している否かを出力するのみなので、あくまで実際の診断名(病名、疾患名等)を決めるものではなかった。本発明では、心電図画像に診断名(正常、複数の疾患名(病名))を付した教師データを用いて、CNN及びLSTM等の機械学習によって、正常以外に病名等を出力することが可能なモデルを学習し、学習済みモデルに実際の検査で得られた心電図画像を与えることで、当該心電図画像から判読され得る各診断名(正常、複数の疾患名)を出力する心電図診断装置を提供する。
Latest bibliographic data on file with the International Bureau