心电图智能诊断公共服务平台系统设计与实现

卞立攀

（山东省人工智能研究院 山东省济南市 250014）

1 研究背景

统计结果显示，全球2002 年有1670 万人死于心血管疾病，到2030 年预计将增加到2330 万人。《中国心血管健康与疾病报告 2019 概要》推算显示，我国有3.3 亿居民患有心血管疾病，该病的死亡率远高于其他疾病，居于首位，其中城市为43.56%，农村为45.91%，并呈年轻化的发展趋势。心血管疾病患者人数在未来10 年仍将快速增长，患者疾病负担日渐加重，社会医疗资源短缺，并且随着我国老龄化进程的加剧，心血管疾病的发病率会越来越高。心电图（electrocardiogram，ECG）作为记录心脏电活动的生物电信号，是医生进行心脏疾病诊断的重要依据，它是一种无创、有效的可以观测心律和心脏状态的医疗工具，具有实时、快速、成本低等优点，通过心电图去发现人体中不规则的心律变化在心脏病学领域是一项非常基础的检查方法。心电图大致分为两类，一类是时长较短的静息心电图，大多在医院检查后由医生现场诊断，另一类是通过Holter 等心电监测设备得到的长时间的动态心电图，需要先记录在设备上再交由医生诊断。由于基层农村医疗资源匮乏，医生心电图诊断能力不足，农村居民健康保障服务体系有待完善，再加上新型冠状病毒肺炎疫情的影响，防控形势一度严峻，导致农村心血管疾病患者不能及时得到救治，给患者的健康带来了巨大的风险。

人工智能学科奠基人之一John McCarthy 提出：AI 是指让机器的行为看起来就像是人所表现出的智能行为一样。AI 是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。近年来，基于对疾病辅助诊疗和防治的信息化及便捷化的极大需求，研究者们逐渐将AI 的应用聚焦于医学领域。传统的心电异常检测方法大多基于专家知识人工设计和提取特征，且需要专业人士设计心电特征才能进行下一步的分类任务，对于心电图来说，设计的特征是完全基于人类当前对已有的心电图的认知来进行设计的，这些特征或许很有代表性，却难以覆盖心电图的全部特征。AI 使心电图分类更加详细，实现心电图的自动识别，就可以使用便携式心电监测设备实时监测与诊断，为患者提供疾病的初诊断，以分辨疾病的轻重缓急，从而采取不同的处理方法。

集成心电智能诊断模型的心电图智能诊断系统是基于AI 的应用解决上述难题的有效途径，本文重点研究心电图智能诊断公共服务平台的系统设计与实现，提出了一种公共服务平台用于心电图智能诊断，该平台可以分别为心电终端、心电APP 和心血管疾病随访平台提供心电智能诊断服务，在该平台上，患者可以随时查看自己的心电智能诊断结果，实现实时在线健康管理并对急重症及时采取相应措施，这不仅能缓解基层农村医疗资源紧张的压力，而且有助于建立健全的农村居民健康保障体系，对及时发现与治疗心血管疾病、降低该病的死亡率也具有重要作用。

2 心电图智能诊断公共服务平台的设计与研发

2.1 系统总体架构

平台的总体架构分为基础设施层、平台服务层和软件服务层3 部分，分别实现基础硬件支撑、数据和技术支撑、模块调用接口和平台落地应用，如图1 所示。

图1： 心电图智能诊断平台总体架构

2.2 基础设施层

硬件是软件平台的必要载体,软件是硬件的基础，二者密不可分，该平台依托云计算平台建设，将计算、存储及网络资源相结合，包括应用服务器、业务数据库和大数据计算集群三部分，如图2 所示，详细展示了其硬件部署架构图，平台采用云服务技术实现2000 个心电智能诊断服务并发；通过智能分析算法使心电图数据智能诊断延迟<1s；服务器配置有MySQL 数据库，业务数据库与其实现主从同步；应用服务器采用双机热备份，以达到负载均衡、高速缓存。

图2： 硬件部署架构图

2.3 平台服务层

平台服务层，是以技术支撑为前提，以数据支撑为基础，为软件服务层提供必要条件。

2.3.1 技术支撑本系统基于云计算平台，搭建开发所需要的关键应用技术。需要的关键技术有：并行计算、深度学习、大数据存储（Hadoop 等）、大数据计算（MapReduce 等）等技术。需要在虚拟机上搭建JDK、MySQL 等所需的基础环境平台。搭建基于TensorFlow/Caffe 的深度学习环境，主要用于实现对心电图智能诊断模型的调用管理。搭建基于MapReduce、Hive、Spark 等大数据计算、并行计算平台，主要用于实现心电大数据的并行归一化处理、心电诊断模型并行调用、心电诊断结果实时返回。搭建基于Hbase、Hive、HDFS 的大数据存储平台，用于高效存储心电大数据，并开展个人和群体心电图健康状态分析。

2.3.2 数据支撑

数据层是系统的一个核心组成部分，相当于电脑的记忆细胞，为系统的智能诊断提供基础。平台如果要达到高效管理大规模用户心电数据的目的，就要做到心电原始数据的存储和读取。我们利用Hbase 的非结构化存储实现非结构化心电数据库设计，同时完成心电数据库初始化，以建设心电数据库。除此之外，本系统还需建设心电样本库，我们先从30 万张心电图中初步筛选出室性早搏、三度房室传导阻滞心电图，联合心内科有经验的专家，开展室性早搏、三度房室传导阻滞心电图精准标注，并建成室性早搏、三度房室传导阻滞典型心电图样本库，后续开展更多典型的心电图样本库建设，逐步完成典型心电图（室性早搏、三度房室传导阻滞等）样本库建设，并用来进行典型心电图智能诊断模型的训练。

近年来，基于深度学习的心电分类方法受到了越来越多的关注，并在多个任务上取得了和传统方法相近或更好的精度，甚至在具有大量样本时能达到医生的平均诊断水平。本系统为实现心电智能诊断模型的管理以及对心血管疾病的智能诊断，需建设心电智能诊断模型库。我们先搭建心电智能诊断模型库的基础存储服务，然后将训练完成后的心电图智能诊断模型持久化保存，形成模型文件（meta、ckpt、checkpoint），最后将该文件保存到HDFS，从而建立模型库。如果要支撑平台运行，并对数据库、样本库及模型库进行管理，建设用户信息、用户行为、接口管理等平台业务数据库必不可少。我们采用相关技术建设了心电样本、心电模型及心电数据管理的数据库，建设了用户信息及用户行为相关的数据库、还建设了平台系统管理功能相关的数据库，逐步完善平台业务数据库。

2.4 软件服务层

在基础设施层及平台服务层的支撑下，软件服务层开发了五个服务模块及多个应用接口，以完成平台的落地应用，实现心电图的智能诊断。

2.4.1 服务模块

该平台分为心电图智能诊断、样本库调用、平台监控与计费、模型库管理及平台系统管理五个模块，如图3 所示。

图3： 平台层架构

本系统构建心电智能诊断对外服务模块、心电图加/解密模块、心电图解/压缩模块、心电数据存储与备份模块、心电智能诊断模型库调用模块、心电智能诊断结果推送模块、心血管疾病分类管理模块等，开发心电智能诊断接口，输入心电图编码数据，输出智能诊断的结果，用于自有平台，以及对外提供有偿诊断服务。样本库调用模块具体包括心电样本库类型管理模块、心电样本库管理模块、样本库样本管理模块、心电样本库调用模块、心电样本库导入及导出模块、心电样本库统计模块等，用于对外部提供心电训练样本服务，并进行模型训练。平台监控与计费模块，主要用于监控平台的运行状态，采集接口调用记录，分析调用日志，按调用次数进行计费等。为此，我们开发了角色权限校验、审计、平台监控、计费及统计分析等模块。

模型库管理模块主要用于实现智能模型的新增、删除等管理，大致包括心电智能诊断模型加载、启用、停用、注册、删除、分类及评价等模块。模型管理框架如图4 所示，模型注册时生成模型ID，通过两层封装和模型ID 实现多模型的统一调用，并在模型管理器中对结果进行处理，实现具体分类。平台系统管理模块主要用于平台用户、角色、菜单、权限等方面管理及业务统计分析，支撑平台基础业务。本系统通过开发用户管理、业务分析及费用管理模块，用于完成用户注册、登录、注销等业务，可实现用户行为统计及充值、扣费等管理。

图4： 模型管理框架

2.4.2 应用接口

本平台将心电图智能分类理论研究成果整合，打造便捷、精准的心电智能诊断服务，结合心电图机、心电APP，开展实时心电监测服务，与心血管疾病智能诊疗系统、心血管慢病智能管理系统相结合，开展患者实时在线健康管理服务。

针对可以独立联网的心电图机，通过采集心电图机数据，完成心电图数据归一化处理，将心电图数据上传诊断平台，实现心电图智能诊断接口调用，完成心电图智能诊断模型，使心电图诊断结果实时返回心电图机，来调用平台心电图智能诊断服务，最终达到心电图机智能化的目的。针对有蓝牙无Wi-Fi 功能的心电图机，借助手机APP，通过心电智能诊断模型调用接口，上传心电数据，通过心电图数据处理模块及心电智能诊断模型，接收心电图智能诊断结果，使结果返回心电APP，实现便携式、穿戴式心电图机的实时在线监测。针对心血管疾病随访平台、心血管疾病智能诊断平台等，心电图诊断结果返回心血管疾病平台后，通过心电图智能诊断接口，根据患者心电图监测数据，为平台反馈患者心电图健康信息，实现心血管疾病服务平台健康监测的智能化。

3 结语

本文运用人工智能、物联网、云计算等技术，通过整合心电图智能分类理论研究成果，结合心电图机、心电APP、心血管疾病智能诊疗系统、心血管慢病智能管理系统，完成了心电图智能诊断平台整体功能架构设计及搭建；建成了心电智能诊断模型库，实现了模型的注册、查询、详情、调用等方面的管理；建成了心电图标注模块，实现了心电图分类检索、疾病标注和标注管理等功能。为解决基层农村“看病难、看病贵”的问题提供了新思路，为形成“大病不出县、康复在基层”分级诊疗就医新格局迈出了一大步，很好的推动了医疗大数据的应用。我们相信，未来，随着人工智能、物联网等新技术的发展，便捷式和疾病管理将是医疗信息检测设备的长远发展方向，也将在基层农村的临床治疗、疾病管理、健康监测等方面发挥更大的作用。我们需进一步加强交叉学科合作,以满足临床重大需求为牵引,实现核心技术突破,最终达到服务临床的目标。