[發(fā)明專利]心電數(shù)據(jù)分類方法、裝置、計算機設(shè)備和存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 201811597800.0
• 申請日: 2018-12-26
• 公開（公告）號: CN109620205B
• 公開（公告）日: 2022-10-28
• 發(fā)明（設(shè)計）人: 李巍豪;梁欣然;周翔
• 申請（專利權(quán)）人: 上海聯(lián)影智能醫(yī)療科技有限公司
• 主分類號: A61B5/318
• 分類號: A61B5/318;A61B5/346;A61B5/00
• 代理公司: 北京華進(jìn)京聯(lián)知識產(chǎn)權(quán)代理有限公司 11606
• 代理人: 朱五云

1.一種心電數(shù)據(jù)分類方法，其特征在于，所述方法包括：

獲取待分類的心電數(shù)據(jù)；

對所述心電數(shù)據(jù)進(jìn)行預(yù)處理，得到多個心拍對應(yīng)的標(biāo)準(zhǔn)心電數(shù)據(jù)，所述預(yù)處理包括心拍電壓值歸一化和時間長度剪裁；

將所述標(biāo)準(zhǔn)心電數(shù)據(jù)輸入編碼網(wǎng)絡(luò)，以通過所述編碼網(wǎng)絡(luò)的隱藏層得到心電數(shù)據(jù)特征矩陣；所述編碼網(wǎng)絡(luò)包括多個長短期記憶人工神經(jīng)網(wǎng)絡(luò)子單元；

將所述心電數(shù)據(jù)特征矩陣輸入注意力網(wǎng)絡(luò)，以通過所述注意力網(wǎng)絡(luò)中各層注意力系數(shù)作為權(quán)重因子與所述編碼網(wǎng)絡(luò)的各個隱藏層輸出的心電數(shù)據(jù)特征向量相乘得到心電數(shù)據(jù)注意力加權(quán)特征矩陣，其中，所述注意力網(wǎng)絡(luò)引入注意力機制用于對所述標(biāo)準(zhǔn)心電數(shù)據(jù)的心電峰值波段的信息特征進(jìn)行增強；

將所述心電數(shù)據(jù)注意力加權(quán)特征矩陣輸入解碼網(wǎng)絡(luò)，得到所述心電數(shù)據(jù)中心拍對應(yīng)的分類結(jié)果；所述解碼網(wǎng)絡(luò)包括多個長短期記憶人工神經(jīng)網(wǎng)絡(luò)子單元。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述心拍對應(yīng)的分類結(jié)果包括：正常心拍、室性早搏、孤立QRS樣偽影和左束支傳導(dǎo)阻滯。

3.根據(jù)權(quán)利要求1至2任一項所述的方法，其特征在于，在將所述標(biāo)準(zhǔn)心電數(shù)據(jù)輸入編碼網(wǎng)絡(luò)之前，所述方法還包括：

獲取多個初始心電訓(xùn)練數(shù)據(jù)，將多個所述初始心電訓(xùn)練數(shù)據(jù)進(jìn)行預(yù)處理，得到多個標(biāo)準(zhǔn)心電訓(xùn)練數(shù)據(jù)，所述預(yù)處理包括心拍電壓值歸一化和時間長度剪裁；

將所述多個標(biāo)準(zhǔn)心電訓(xùn)練數(shù)據(jù)輸入預(yù)設(shè)的初始分類模型中進(jìn)行訓(xùn)練，得到所述分類模型；所述分類模型包括所述編碼網(wǎng)絡(luò)、所述注意力網(wǎng)絡(luò)和所述解碼網(wǎng)絡(luò)。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述預(yù)處理還包括隨機添加噪聲處理。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述將所述多個標(biāo)準(zhǔn)心電訓(xùn)練數(shù)據(jù)輸入預(yù)設(shè)的初始分類模型中進(jìn)行訓(xùn)練，得到所述分類模型，包括：

將多個所述標(biāo)準(zhǔn)心電訓(xùn)練數(shù)據(jù)輸入所述編碼網(wǎng)絡(luò)，得到經(jīng)過所述編碼網(wǎng)絡(luò)的隱藏層輸出的多個心電訓(xùn)練數(shù)據(jù)特征矩陣；

將多個所述心電訓(xùn)練數(shù)據(jù)特征矩陣輸入所述注意力網(wǎng)絡(luò)，通過所述注意力網(wǎng)絡(luò)對所述心電訓(xùn)練數(shù)據(jù)特征矩陣進(jìn)行特征加權(quán)，得到多個心電訓(xùn)練數(shù)據(jù)加權(quán)特征矩陣；

將多個所述心電訓(xùn)練數(shù)據(jù)加權(quán)特征矩陣輸入所述解碼網(wǎng)絡(luò)，得到多個所述心電訓(xùn)練數(shù)據(jù)對應(yīng)的分類結(jié)果；

根據(jù)所述多個所述標(biāo)準(zhǔn)心電訓(xùn)練數(shù)據(jù)對應(yīng)的分類結(jié)果確定所述分類模型。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述根據(jù)所述多個所述標(biāo)準(zhǔn)心電訓(xùn)練數(shù)據(jù)對應(yīng)的分類結(jié)果確定所述分類模型之后，還包括：

將心電測試數(shù)據(jù)輸入至所述分類模型；

根據(jù)所述分類模型輸出的結(jié)果確定所述分類模型的準(zhǔn)確度。

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述方法還包括：

若所述心拍對應(yīng)的分類結(jié)果為非正常心拍類類別時，發(fā)出聲明或警報。

8.一種心電數(shù)據(jù)分類裝置，其特征在于，所述裝置包括：獲取模塊、第二處理模塊和第一處理模塊；

所述獲取模塊，用于獲取待分類的心電數(shù)據(jù)；

所述第二處理模塊，用于對所述心電數(shù)據(jù)進(jìn)行預(yù)處理，得到多個心拍對應(yīng)的標(biāo)準(zhǔn)心電數(shù)據(jù)，所述預(yù)處理包括心拍電壓值歸一化和時間長度剪裁；

所述第一處理模塊，用于將所述標(biāo)準(zhǔn)心電數(shù)據(jù)輸入編碼網(wǎng)絡(luò)，以通過所述編碼網(wǎng)絡(luò)的隱藏層得到心電數(shù)據(jù)特征矩陣，所述編碼網(wǎng)絡(luò)包括多個長短期記憶人工神經(jīng)網(wǎng)絡(luò)子單元；將所述心電數(shù)據(jù)特征矩陣輸入注意力網(wǎng)絡(luò)，以通過所述注意力網(wǎng)絡(luò)中各層注意力系數(shù)作為權(quán)重因子與所述編碼網(wǎng)絡(luò)的各個隱藏層輸出的心電數(shù)據(jù)特征向量相乘得到心電數(shù)據(jù)注意力加權(quán)特征矩陣，其中，所述注意力網(wǎng)絡(luò)引入注意力機制用于對所述標(biāo)準(zhǔn)心電數(shù)據(jù)的心電峰值波段的信息特征進(jìn)行增強；將所述心電數(shù)據(jù)注意力加權(quán)特征矩陣輸入解碼網(wǎng)絡(luò)，得到所述心電數(shù)據(jù)中心拍對應(yīng)的分類結(jié)果；所述解碼網(wǎng)絡(luò)包括多個長短期記憶人工神經(jīng)網(wǎng)絡(luò)子單元。

9.一種計算機設(shè)備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其特征在于，所述處理器執(zhí)行所述計算機程序時實現(xiàn)權(quán)利要求1至7中任一項所述方法的步驟。

10.一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執(zhí)行時實現(xiàn)權(quán)利要求1至7中任一項所述的方法的步驟。