[發明專利]一種數據處理方法和裝置

有效

• 申請號: 201810321908.0
• 申請日: 2018-04-11
• 公開（公告）號: CN108542381B
• 公開（公告）日: 2021-08-31
• 發明（設計）人: 金海嵐;張珣;李廣飛;趙天嘯
• 申請（專利權）人: 京東方科技集團股份有限公司
• 主分類號: A61B5/346
• 分類號: A61B5/346;G06N3/04
• 代理公司: 北京潤澤恒知識產權代理有限公司 11319
• 代理人: 莎日娜

1.一種數據處理方法，其特征在于，所述方法包括：

獲取第一預設時長的心電信號；

對所述心電信號進行采樣，獲得采樣數據；

根據所述采樣數據及預先獲得的分析模型，獲得所述采樣數據對應的變異向量；

根據所述變異向量的空間分布確定所述心電信號對應的空間區域，所述空間區域用于表征心率變異的方向；

所述根據所述變異向量的空間分布確定所述心電信號對應的空間區域，包括：

確定每兩個變異向量之間的空間距離；

確定各個空間距離的平均空間距離，作為各個變異向量的空間密度；

當所述空間密度大于預設空間密度時，根據所述變異向量的空間分布確定所述心電信號對應的空間區域；

所述根據所述采樣數據及預先獲得的分析模型，獲得所述采樣數據對應的變異向量的步驟包括：

對預先構建的卷積神經網絡模型進行訓練，獲得所述分析模型，將第一預設時長的采樣數據劃分為多個第二預設時長的采樣數據，并以第二預設時長的采樣數據為處理單元，將每個第二預設時長的采樣數據依次輸入預先獲得的分析模型中，使分析模型輸出每個第二預設時長的采樣數據對應的變異向量，進而獲得第一預設時長的采樣數據對應的多個變異向量。

2.根據權利要求1所述的方法，其特征在于，所述根據所述采樣數據及預先獲得的分析模型，獲得所述采樣數據對應的變異向量之前，還包括：

獲取樣本數據和所述樣本數據對應的樣本屬性；

依據所述樣本數據和所述樣本屬性，對預先構建的卷積神經網絡模型進行訓練，獲得所述分析模型。

3.根據權利要求1所述的方法，其特征在于，所述根據所述采樣數據及預先獲得的分析模型，獲得所述采樣數據對應的變異向量，包括：

將具有第一維度的所述采樣數據輸入所述分析模型，獲得具有第二維度的變異向量，所述第一維度大于所述第二維度。

4.根據權利要求3所述的方法，其特征在于，所述第二維度為3。

5.一種數據處理裝置，其特征在于，所述裝置包括：

第一獲取模塊，被配置為獲取第一預設時長的心電信號；

采樣模塊，被配置為對所述心電信號進行采樣，獲得采樣數據；

第一確定模塊，被配置為根據所述采樣數據及預先獲得的分析模型，獲得所述采樣數據對應的變異向量；

第二確定模塊，被配置為根據所述變異向量的空間分布確定所述心電信號對應的空間區域，所述空間區域用于表征心率變異的方向；

所述第二確定模塊包括：

第一確定單元，被配置為確定每兩個變異向量之間的空間距離；

第二確定單元，被配置為確定各個空間距離的平均空間距離，作為各個變異向量的空間密度；

第三確定單元，被配置為當所述空間密度大于預設空間密度時，根據所述變異向量的空間分布確定所述心電信號對應的空間區域；

所述第一確定模塊，具體用于對預先構建的卷積神經網絡模型進行訓練，獲得所述分析模型，將第一預設時長的采樣數據劃分為多個第二預設時長的采樣數據，并以第二預設時長的采樣數據為處理單元，將每個第二預設時長的采樣數據依次輸入預先獲得的分析模型中，使分析模型輸出每個第二預設時長的采樣數據對應的變異向量，進而獲得第一預設時長的采樣數據對應的多個變異向量。

6.根據權利要求5所述的裝置，其特征在于，所述裝置還包括：

第二獲取模塊，被配置為獲取樣本數據和所述樣本數據對應的樣本屬性；

訓練模塊，被配置為依據所述樣本數據和所述樣本屬性，對預先構建的卷積神經網絡模型進行訓練，獲得所述分析模型。

7.根據權利要求5所述的裝置，其特征在于，所述第一確定模塊包括：

輸入單元，被配置為將具有第一維度的所述采樣數據輸入所述分析模型，獲得具有第二維度的變異向量，所述第一維度大于所述第二維度。

8.根據權利要求7所述的裝置，其特征在于，所述第二維度為3。