一种心电信号分类方法、装置及程序产品、存储介质制造方法及图纸

本申请实施例公开了一种心电信号分类方法、装置，对待分类心电信号进行心博切割，获得心博数据，该心博数据为时域心博数据。然后，将心博数据进行转换获得频域心博数据，并提取心博数据和频域心博数据的统计特征以及采样特征，以作为该心博数据的心博特征。再根据心博数据的心博特征识别无效心博数据，以将无效心博数据从心博数据中剔除，得到更新后的心博数据。再将更新后的心博数据的心博特征输入心博分类模型得到心博数据的分类结果。即，本申请通过利用每个心博数据的特有的心博特征进行分类，与现有技术中采样固定阈值进行分类相比，提高了分类准确性。

A Classification Method, Device, Program Products and Storage Medium for ECG Signals

【技术实现步骤摘要】
一种心电信号分类方法、装置及程序产品、存储介质
本申请涉及数据处理
，具体涉及一种心电信号分类方法、装置及程序产品、存储介质。
技术介绍
心脏在搏动之前，心肌首先发生兴奋，在兴奋过程中产生微弱电流，该电流经人体组织向各部分传导。由于身体各部分的组织不同，各部分与心脏间的距离不同，因此在人体体表各部位，表现出不同的电位变化，这种人体心脏内电活动所产生的表面电位与时间可以构成心电信号。心电信号作为医生判断心脏情况的重要参考，其处理与分析显得尤为重要。随着计算机技术的进步以及人工智能理论的发展，针对医疗领域有着越来越完备的解决方案，心电信号也不例外。目前，对心电信号的分类通常是以传统信号处理为基础的形态学检测，提取心电信号各波形的特征点位置，依赖于对特征点位置的阈值进行判断。但是，由于每个人的心电信号波形差别较大，用一致的信号处理方法结合固定的阈值进行分类，会造成对心电信号分类不准确。
技术实现思路
有鉴于此，本申请实施例提供一种心电信号分类方法、装置及程序产品、存储介质，以解决现有技术中心电信号分类不准确的技术问题。为解决上述问题，本申请实施例提供的技术方案如下：一种心电信号分类方法，所述方法包括：对待分类心电信号进行心博切割，获得心博数据；将所述心博数据转换为频域心博数据，提取所述心博数据以及所述频域心博数据的统计特征以及采样特征作为所述心博数据的心博特征；根据所述心博数据的心博特征识别无效心博数据，将所述无效心博数据从所述心博数据中剔除，得到更新后的心博数据；将所述更新后的心博数据的心博特征输入心博分类模型，得到所述心博数据的分类结果。在一种可能的实现方式中，所述将所述更新后的心博数据的心博特征输入心博分类模型，得到所述心博数据的分类结果，包括：将所述更新后的心博数据的心博特征输入线性分类模型，得到第一分类结果，将所述更新后的心博数据的心博特征输入平滑二次型分类模型，得到第二分类结果；所述线性分类模型以及平滑二次型分类模型是根据训练心博数据的心博特征以及所述训练心博数据的分类标签训练生成的；对所述第一分类结果以及所述第二分类结果进行加权融合，得到所述心博数据的分类结果。在一种可能的实现方式中，在对所述待分类心电信号进行心博切割之前，所述方法还包括：对所述待分类心电信号进行一维多尺度高斯滤波以及巴特沃斯滤波。在一种可能的实现方式中，所述对所述待分类心电信号进行心博切割，获得心博数据，包括：检测所述待分类心电信号中的R波波峰位置；从所述待分类心电信号中截取从所述R波波峰位置向P波方向第一预设时间段内的第一心电数据，截取从所述R波波峰位置向T波方向第二预设时间段内的第二心电数据，将所述第一心电数据以及第二心电数据进行拼接得到心博数据。在一种可能的实现方式中，所述提取所述心博数据以及所述频域心博数据的统计特征以及采样特征作为所述心博数据的心博特征，包括：将所述心博数据以及所述频域心博数据进行切割，得到切割后的心博数据以及切割后的频域心博数据；分别统计每个所述切割后的心博数据以及每个所述切割后的频域心博数据中按照采样频率设置的各采样点的平均值、方差、最大值、最小值，分别作为所述心博数据以及所述频域心博数据的统计特征；提取每个所述切割后的心博数据以及每个所述切割后的频域心博数据中预设间隔的采样点的幅值数据，分别作为所述心博数据以及所述频域心博数据的采样特征。在一种可能的实现方式中，所述根据所述心博数据的心博特征识别无效心博数据，包括：根据所述心博数据的心博特征计算每个心博特征的特征平均值，将所述每个心博特征的特征平均值组成特征平均值向量；将目标心博数据的心博特征组成目标心博特征向量，计算所述目标心博特征向量与所述特征平均值向量之间的相似度；如果所述目标心博特征向量与所述特征平均值向量之间的相似度不满足预设条件，将所述目标心博特征向量对应的目标心博数据确定为无效心博数据。在一种可能的实现方式中，所述线性分类模型为贝叶斯线性分类模型，所述平滑二次型分类模型为贝叶斯平滑二次型分类模型，所述线性分类模型以及所述平滑二次型分类模型的训练包括：提取训练心博数据的心博特征；根据所述训练心博数据的心博特征以及所述训练心博数据的分类标签，生成贝叶斯线性分类模型；根据所述训练心博数据的心博特征以及所述训练心博数据的分类标签，生成贝叶斯平滑二次型分类模型。在一种可能的实现方式中，所述提取训练心博数据的心博特征，包括：将所述训练心博数据转换为频域训练心博数据，提取所述训练心博数据以及所述训练频域心博数据的统计特征以及采样特征作为所述训练心博数据的心博特征。一种心电信号分类装置，所述装置包括：切割单元，用于对所述待分类心电信号进行心博切割，获得心博数据；转换单元，用于将所述心博数据转换为频域心博数据；提取单元，用于提取所述心博数据以及所述频域心博数据的统计特征以及采样特征作为所述心博数据的心博特征；识别单元，用于根据所述心博数据的心博特征识别无效心博数据，将所述无效心博数据从所述心博数据中剔除，得到更新后的心博数据；获取单元，用于将所述更新后的心博数据的心博特征输入心博分类模型，得到所述心博数据的分类结果。一种计算机可读存储介质，所述机算机可读存储介质中存储有指令，当所述指令在终端设备上运行时，使得所述终端设备执行上述的心电信号分类的方法。一种计算机程序产品，所述计算机程序产品在终端设备上运行时，使得所述终端设备执行上述的心电信号分类的方法。由此可见，本申请实施例具有如下有益效果：本申请实施例首先获取待分类心电信号，并对待分类心电信号进行心博切割，获得心博数据，该心博数据为时域心博数据。然后，将心博数据进行转换获得频域心博数据，并提取心博数据和频域心博数据的统计特征以及采样特征，以作为该心博数据的心博特征。再根据心博数据的心博特征识别无效心博数据，以将无效心博数据从心博数据中剔除，得到更新后的心博数据。再将更新后的心博数据的心博特征输入心博分类模型，得到心博数据的分类结果。即，本申请实施例通过对心电信号进行心博切片获得心博数据，并提取心博数据在时频域的统计特征和采样特征作为心博数据的心博特征，并根据心博特征将无效心博数据剔除，避免无效心博数据对识别结果的干扰。再利用心博分类模型对更新后的心博数据的心博特征进行分类，从而获得心博数据的分类结果。由于本申请利用每个心博数据的特有的心博特征进行分类，与现有技术中采用固定阈值进行分类相比，提高了分类准确性。附图说明图1为本申请实施例提供的一种心电信号分类方法的流程图；图2为本申请实施例提供的一种心电信号实例图；图3为本申请实施例提供的一种提取心博特征方法的流程图；图4为本申请实施例提供的一种识别无效心博数据方法的流程图；图5为本申请实施例提供的一种心电信号分类框架图；图6为本申请实施例提供的一种心电信号分类装置结构图。具体实施方式为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请实施例作进一步详细的说明。专利技术人在对传统的心电信号处理方法研究中发现，传统的心电信号处理为基础的形态学检测，依赖预设阈值进行分类。实际上，每个人的心电信号差别较大，利用统一的信号处理方法结合固定阈值进行分类，会导致分类结果不准确。基于此，本申请实施例提供了一种心电信号分类方本文档来自技高网...

【技术保护点】
1.一种心电信号分类方法，其特征在于，所述方法包括：对待分类心电信号进行心博切割，获得心博数据；将所述心博数据转换为频域心博数据，提取所述心博数据以及所述频域心博数据的统计特征以及采样特征作为所述心博数据的心博特征；根据所述心博数据的心博特征识别无效心博数据，将所述无效心博数据从所述心博数据中剔除，得到更新后的心博数据；将所述更新后的心博数据的心博特征输入心博分类模型，得到所述心博数据的分类结果。

【技术特征摘要】
1.一种心电信号分类方法，其特征在于，所述方法包括：对待分类心电信号进行心博切割，获得心博数据；将所述心博数据转换为频域心博数据，提取所述心博数据以及所述频域心博数据的统计特征以及采样特征作为所述心博数据的心博特征；根据所述心博数据的心博特征识别无效心博数据，将所述无效心博数据从所述心博数据中剔除，得到更新后的心博数据；将所述更新后的心博数据的心博特征输入心博分类模型，得到所述心博数据的分类结果。2.根据权利要求1所述的方法，其特征在于，所述将所述更新后的心博数据的心博特征输入心博分类模型，得到所述心博数据的分类结果，包括：将所述更新后的心博数据的心博特征输入线性分类模型，得到第一分类结果，将所述更新后的心博数据的心博特征输入平滑二次型分类模型，得到第二分类结果；所述线性分类模型以及平滑二次型分类模型是根据训练心博数据的心博特征以及所述训练心博数据的分类标签训练生成的；对所述第一分类结果以及所述第二分类结果进行加权融合，得到所述心博数据的分类结果。3.根据权利要求1所述的方法，其特征在于，在对所述待分类心电信号进行心博切割之前，所述方法还包括：对所述待分类心电信号进行一维多尺度高斯滤波以及巴特沃斯滤波。4.根据权利要求1所述的方法，其特征在于，所述对所述待分类心电信号进行心博切割，获得心博数据，包括：检测所述待分类心电信号中的R波波峰位置；从所述待分类心电信号中截取从所述R波波峰位置向P波方向第一预设时间段内的第一心电数据，截取从所述R波波峰位置向T波方向第二预设时间段内的第二心电数据，将所述第一心电数据以及第二心电数据进行拼接得到心博数据。5.根据权利要求1所述的方法，其特征在于，所述提取所述心博数据以及所述频域心博数据的统计特征以及采样特征作为所述心博数据的心博特征，包括：将所述心博数据以及所述频域心博数据进行切割，得到切割后的心博数据以及切割后的频域心博数据；分别统计每个所述切割后的心博数据以及每个所述切割后的频域心博数据中按照采样频率设置的各采样点的平均值、方差、最大值、最小值，分别作为所述心博数据以及所述频域心博数据的统计...

【专利技术属性】
技术研发人员：李鸣春，朱宝峰，何光宇，
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