一种具有可解释性的胸痛危险分层方法及系统

本发明提供了一种具有可解释性的胸痛危险分层方法及系统，获取心电图数据集；对所述心电图数据集进行数据预处理；基于处理后得到的数据集，利用确定学习算法，提取数据集中心电信号的动力学特征，构建心电动力学图数据集；结合基本临床信息的静态特征变量与心电动力学图数据集中的动力学特征变量，构建胸痛危险分层特征变量数据集；根据胸痛危险分层特征变量数据集，通过随机森林和SHAP值计算各特征变量对识别高危胸痛的边际贡献；结合所述边际贡献和专家经验，确定各特征变量的分值，利用所述分值将各个特征变量进行融合，计算得到总分值，根据总分值给出对应的胸痛危险分层等级。本发明能够在短时间内快速实现胸痛患者的精准危险分层，降低误诊率，减少过度诊疗和医疗资源浪费。