[發明專利]基于多分支塊全注意網絡的心電數據分類方法及裝置

在審

• 申請號: 202310559376.5
• 申請日: 2023-05-17
• 公開（公告）號: CN116636857A
• 公開（公告）日: 2023-08-25
• 發明（設計）人: 司玉娟;武俊杰;張陽;易攀;喬菱
• 申請（專利權）人: 吉林大學;珠海科技學院
• 主分類號: A61B5/346
• 分類號: A61B5/346;A61B5/00;G06F18/241;G06F18/213
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 尹長斌

本發明提出了一種基于多分支塊全注意網絡的心電數據分類方法及裝置，該方法包括：獲取目標心電數據；將獲取的目標心電數據輸入預先配置的多分支塊全注意網絡模型，目標心電數據為多導聯心電數據，其中模型包括特征提取模塊和全注意力塊，特征提取模塊包括多個多分支塊和短接塊；通過特征提取模塊對目標心電數據進行特征提取得到第一數據；將第一數據輸入到全注意力模塊提取空間特征和通道特征；根據空間特征和通道特征從預設的可選分類中確定目標心電數據所對應的目標分類結果。將特征提取模塊提取的特征輸入到全注意力塊里，提取空間維度的特征和通道維度的特征進行分類，融合多個數據通道特征和空間特征，提高了對心電數據分類的準確性。

技術領域

本發明涉及心電數據分類技術領域，特別涉及一種基于多分支塊全注意網絡的心電數據分類方法及裝置。

背景技術

近年來，人們出于對健康的關注，對心電數據的診斷越來越受到重視。常用于對心電數據進行診斷的方法是對多導聯ECG數據通道和空間特征注意機制分別提取，但是這會導致ECG數據通道和空間特征之間缺失關聯特征，導致在對心電數據進行分類時，得到的結果準確度較低。

發明內容

本發明旨在至少解決現有技術中存在的技術問題之一。為此，本發明提出一種基于多分支塊全注意網絡的心電數據分類方法及裝置，能夠提高對心電數據分類的準確性。

第一方面，本發明實施例提供了一種基于多分支塊全注意網絡的心電數據分類方法，包括：

獲取目標心電數據，所述目標心電數據為多導聯心電數據；

將獲取的所述目標心電數據輸入預先配置的多分支塊全注意網絡模型，其中，所述多分支塊全注意網絡模型包括特征提取模塊和全注意力塊，所述特征提取模塊包括多個多分支塊和短接塊；

通過所述特征提取模塊對目標心電數據進行特征提取，得到第一數據；

將所述第一數據輸入到全注意力模塊提取空間特征和通道特征；

根據所述空間特征和所述通道特征，從預設的可選分類中確定所述目標心電數據所對應的目標分類結果。

在一些實施例中，所述多分支塊全注意網絡模型通過以下方法進行訓練：

獲取不同樣本的訓練心電數據對應的訓練集和測試集；

通過所述特征提取模塊對所述訓練集進行特征提取得到第一特征數據；

通過全注意力塊對所述第一特征數據進行空間特征提取和通道特征提取得到第二特征數據；

將所述第二特征數據輸入到分類塊進行分類得到訓練狀態的所述多分支塊全注意網絡模型；

輸入所述測試集到訓練狀態的所述多分支塊全注意網絡模型進行測試得到測試結果；

通過預先訓練好的分類評價模型對所述測試結果進行不平衡識別得到宏觀ROC曲線；

根據所述宏觀ROC曲線下的面積值確定所述多分支塊全注意網絡模型的不平衡分類的識別準確度，其中，所述不平衡分類是指比例失調的心電數據的樣本分類；

根據所述識別準確度判斷所述多分支塊全注意網絡模型是否訓練完成。

在一些實施例中，所述獲取不同樣本的訓練心電數據對應的訓練集和測試集，包括：

對所述訓練心電數據進行心電分類；

通過權閾值收縮的小波去噪算法對所述訓練心電數據進行去噪；

根據統一的采樣頻率對去噪后的所述訓練心電數據進行重采樣，其中，所述采樣頻率為經過歸一化處理后的頻率；

根據固定時長對重采樣的所述訓練心電數據進行分割得到心電序列；