归类模型训练方法、心电图数据归类方法、装置及设备制造方法及图纸

本申请实施例公开了一种归类模型训练方法、心电波形数据归类方法、装置及设备。归类模型训练方法包括：从多组心电图训练数据中提取每组心电图训练数据的特征数据；基于每组心电图训练数据的特征数据，及其对应的类别标签，训练心电图数据归类模型。由于训练得到的心电图数据归类模型是基于多组心电图训练数据的特征数据，及其对应的类别标签进行训练的，因此，该训练完成的心电图数据归类模型可以用于对心电图待分类数据进行分类，无需依赖于人的经验和水平，就可以得到对心电图数据的归类结果，提高了对心电图数据进行分类的效率。

【技术实现步骤摘要】
归类模型训练方法、心电图数据归类方法、装置及设备
本申请涉及数据处理领域，尤其涉及一种归类模型训练方法、心电图数据归类方法、装置及设备。
技术介绍
心电是指心脏在跳动的过程中产生的生物电，心电波形数据是指对生物电进行检测得到的波形数据。心电波形数据是专业人员对心脏进行研究的依据，而对心电波形数据进行归类，得到各个心电波形数据对应心脏的状态的归类结果，对于心脏研究来说非常重要。传统的方式是，对心电波形数据进行人为归类，显然，这种方式不仅效率低下，而且依赖于人的经验和水平。
技术实现思路
为了解决现有技术中对心电波形数据进行归类时存在的效率低下，且依赖于人的经验和水平的问题，本申请实施例提供了一种归类模型的训练方法、一种心电图数据归类方法、装置及设备。第一方面，本申请提供了一种归类模型训练方法，所述方法包括：从多组心电图训练数据中提取每组心电图训练数据的特征数据；基于每组心电图训练数据的特征数据，及其对应的类别标签，训练心电图数据归类模型。可选的，所述基于每组心电图训练数据的特征数据，及其对应的类别标签，训练心电图数据归类模型，包括：对所述多组心电图训练数据的特征数据进行降维处理；基于降维处理后的多组心电图训练数据的特征数据，及其分别对应的类别标签训练所述心电图数据归类模型。可选的，对所述多组训练心电波形数据的特征数据进行降维处理之前，所述方法还包括：对所述每组心电图训练数据的特征数据进行数据清洗；所述对所述多组心电图训练数据的特征数据进行降维处理，包括：对经过数据清洗之后的每组心电图训练数据的特征数据进行降维处理。可选的，所述多组心电图训练数据包括：12导联训练数据；所述12导联训练数据中每个导联训练数据的特征数据，均包括以下任意一种或多种：平均QRS持续时间、P波和Q波的平均持续时间、T波的平均持续时间、两个连续T波的平均持续时间、两个连续P波的平均持续时间、是否存在双向R波、是否存在凹陷R波、是否存在双相P波、是否存在凹陷P波、是否存在双相T波、是否存在凹陷T波、R波的振幅、P波的振幅、Q波的振幅和T波的振幅。第二方面，本申请提供了一种心电图数据归类方法，所述方法包括：获取心电图待分类数据，并提取所述心电图待分类数据的特征数据；将所述心电图待分类数据的特征数据输入训练得到的心电图数据归类模型，得到所述心电图待分类数据的归类结果，所述心电图数据归类模型为根据如权利要求1所述的归类模型训练方法得到的心电图数据归类模型。可选的，所述心电图待分类数据包括：12导联待分类数据；所述12导联待分类数据中每个导联待分类数据的特征数据，均包括以下任意一种或多种：平均QRS持续时间、P波和Q波的平均持续时间、T波的平均持续时间、两个连续T波的平均持续时间、两个连续P波的平均持续时间、是否存在双向R波、是否存在凹陷R波、是否存在双相P波、是否存在凹陷P波、是否存在双相T波、是否存在凹陷T波、R波的振幅、P波的振幅、Q波的振幅和T波的振幅。第三方面，本申请提供了一种归类模型训练装置，所述装置包括：提取单元，用于从多组心电图训练数据中提取每组心电图训练数据的特征数据；训练单元，用于基于每组心电图训练数据的特征数据，及其对应的类别标签，训练心电图数据归类模型。可选的，所述训练单元，具体用于：对所述多组心电图训练数据的特征数据进行降维处理；基于降维处理后的多组心电图训练数据的特征数据，及其分别对应的类别标签训练所述心电图数据归类模型。可选的，所述训练单元在对所述多组训练心电波形数据的特征数据进行降维处理之前，还用于：对所述每组心电图训练数据的特征数据进行数据清洗；相应的，所述对所述多组心电图训练数据的特征数据进行降维处理，具体为：对经过数据清洗之后的每组心电图训练数据的特征数据进行降维处理。可选的，所述心电图训练数据包括：12导联训练数据；所述12导联训练数据中每个导联训练数据的特征数据，包括以下任意一种或多种特征数据：平均QRS持续时间、P波和Q波的平均持续时间、T波的平均持续时间、两个连续T波的平均持续时间、两个连续P波的平均持续时间、是否存在双向R波、是否存在凹陷R波、是否存在双相P波、是否存在凹陷P波、是否存在双相T波、是否存在凹陷T波、R波的振幅、P波的振幅、Q波的振幅和T波的振幅。第四方面，本申请提供了一种心电图数据归类装置，所述装置包括：获取单元，用于获取心电图待分类数据，并提取所述心电图待分类数据的特征数据；归类单元，用于将所述心电图待分类数据的特征数据输入训练得到的心电图数据归类模型，得到所述心电图待分类数据的归类结果，所述心电图数据归类模型为根据如权利要求1所述的归类模型训练方法得到的心电图数据归类模型。可选的，所述心电图待分类数据包括：12导联待分类数据；所述12导联待分类数据中每个导联待分类数据的特征数据，均包括以下任意一种或多种：平均QRS持续时间、P波和Q波的平均持续时间、T波的平均持续时间、两个连续T波的平均持续时间、两个连续P波的平均持续时间、是否存在双向R波、是否存在凹陷R波、是否存在双相P波、是否存在凹陷P波、是否存在双相T波、是否存在凹陷T波、R波的振幅、P波的振幅、Q波的振幅和T波的振幅。第五方面，本申请提供了一种归类模型训练设备，所述设备包括：处理器和存储器；所述存储器，用于存储指令；所述处理器，用于执行所述存储器中的所述指令，执行以上第一方面任意一项所述的方法。第六方面，本申请提供了一种心电波形数据归类设备，所述设备包括：处理器和存储器；所述存储器，用于存储指令；所述处理器，用于执行所述存储器中的所述指令，执行以上第二方面任意一项所述的方法。与现有技术相比，本申请实施例具有以下优点：一方面，本申请实施例提供一种归类模型训练方法、装置及设备，该方法包括：从多组心电图训练数据中提取每组心电图训练数据的特征数据；基于每组心电图训练数据的特征数据，及其对应的类别标签，训练心电图数据归类模型。由于训练得到的心电图数据归类模型是基于多组心电图训练数据的特征数据，及其对应的类别标签进行训练的，因此，该训练完成的心电图数据归类模型可以用于对心电图待分类数据进行分类，无需依赖于人的经验和水平，就可以得到对心电图数据的归类结果，提高了对心电图数据进行分类的效率。另一方面，本申请实施例提供一种心电图数据归类方法、装置及设备，该方法包括：获取心电图待分类数据，并提取所述心电图待分类数据的特征数据；将所述心电图待分类数据的特征数据输入训练得到的心电图数据归类模型，得到所述心电图待分类数据的归类结果。由此可见，由于训练完成的心电图数据归类模型是基于多组心电图训练数据的特征数据，及其对应的类别标签的进行训练的，因此，该训练完成的心电图数据归类模型可以用于对心电图待分类数据进行分类，利用所述训练完成的心电图数据归类模型对心电图待分类数据进行分类，无需依赖于人的经验和水平，也无需人为逐项分析心电图待分类数据，就可以得到所述心电图待分类数据的归类结果，提高了对心电图待分类数据进行分类的效率。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性本文档来自技高网...

【技术保护点】
1.一种归类模型训练方法，其特征在于，所述方法包括：从多组心电图训练数据中提取每组心电图训练数据的特征数据；基于每组心电图训练数据的特征数据，及其对应的类别标签，训练心电图数据归类模型。

【技术特征摘要】
1.一种归类模型训练方法，其特征在于，所述方法包括：从多组心电图训练数据中提取每组心电图训练数据的特征数据；基于每组心电图训练数据的特征数据，及其对应的类别标签，训练心电图数据归类模型。2.根据权利要求1所述的方法，其特征在于，所述基于每组心电图训练数据的特征数据，及其对应的类别标签，训练心电图数据归类模型，包括：对所述多组心电图训练数据的特征数据进行降维处理；基于降维处理后的多组心电图训练数据的特征数据，及其分别对应的类别标签训练所述心电图数据归类模型。3.根据权利要求2所述的方法，其特征在于，对所述多组训练心电波形数据的特征数据进行降维处理之前，所述方法还包括：对所述每组心电图训练数据的特征数据进行数据清洗；所述对所述多组心电图训练数据的特征数据进行降维处理，包括：对经过数据清洗之后的每组心电图训练数据的特征数据进行降维处理。4.根据权利要求1所述的方法，其特征在于，所述多组心电图训练数据包括：12导联训练数据；所述12导联训练数据中每个导联训练数据的特征数据，均包括以下任意一种或多种：平均QRS持续时间、P波和Q波的平均持续时间、T波的平均持续时间、两个连续T波的平均持续时间、两个连续P波的平均持续时间、是否存在双向R波、是否存在凹陷R波、是否存在双相P波、是否存在凹陷P波、是否存在双相T波、是否存在凹陷T波、R波的振幅、P波的振幅、Q波的振幅和T波的振幅。5.一种心电图数据归类方法，其特征在于，所述方法包括：获取心电图待分类数据，并提取所述心电图待分类数据的特征数据；将所述心电图待分类数据的特征数据输入训练得到的心电图数据归类模型，得到所述心电图待分类数据的归类结果，所述心电图数据归类模...

【专利技术属性】
技术研发人员：栾欣泽，王晓婷，何光宇，孟健，
申请(专利权)人：东软集团股份有限公司，
类型：发明
国别省市：辽宁,21