【技术实现步骤摘要】
心电数据分类方法、装置、电子设备以及存储介质
本专利技术涉及医疗检测领域，尤其涉及一种心电数据分类方法、装置、电子设备以及存储介质。
技术介绍
随着人工智能的发展，智能医疗渐渐在医疗领域展露锋芒，将人工智能应用于各类医学数据的分析已经成为目前智能医疗研究的潮流。在众多医疗数据中，心电图对心血管疾病诊断起到至关重要的作用，因此，对于心电数据的分类与评估越来越得到重视。现有的心电数据分类技术主要有两种。第一种心电数据分类技术是利用心电图形态特征及心跳间隔特征，通过LD分类器对心电数据进行分类；第二种心电数据分类技术是利用小波分析、独立成分分析提取，通过SVM分类器对心电数据进行分类。然而，第一种心电数据分类技术对于房性异位搏动型和心室异位搏动型的心电数据的敏感度低，第二种心电数据分类技术对于房性异位搏动型的心电数据的敏感度低，从而出现将实际患病病人诊断为正常人的误诊情况，在实际医疗中的可行性低。
技术实现思路
本专利技术提供一种心电数据分类方法、装置、电子设备以及存储介质，以提高房性异位搏动型和心室异位搏动型心电数据的分类准确率。本专利技术第一个方面提供一种心电数据分类方...
【技术保护点】
1.一种心电数据分类方法，其特征在于，包括：自心电数据中提取QRS波群数据；将所述QRS波群数据输入已训练的神经网络模型中，获取所述神经网络模型根据所述QRS波群数据确定的心电数据的分类结果，所述神经网络模型是以不同QRS波群数据为训练样本训练确定的。
【技术特征摘要】
1.一种心电数据分类方法，其特征在于，包括：自心电数据中提取QRS波群数据；将所述QRS波群数据输入已训练的神经网络模型中，获取所述神经网络模型根据所述QRS波群数据确定的心电数据的分类结果，所述神经网络模型是以不同QRS波群数据为训练样本训练确定的。2.根据权利要求1所述的方法，其特征在于，所述自心电数据中提取QRS波群数据，包括：确定所述心电数据的波形图中的至少三个目标峰值点，所述目标峰值点为所述波形图中正向波的峰值点；根据所述至少三个目标峰值点中的一个第一目标峰值点与第二目标峰值点之间的时间中点，以及所述第一目标峰值点与第三目标峰值点之间的时间中点，自所述心电数据中提取所述QRS波群数据；其中，所述第二目标峰值点与所述第三目标峰值点为分别与所述第一目标峰值点相邻的两个目标峰值点。3.根据权利要求1所述的方法，其特征在于，所述神经网络模型，包括：循环神经网络层、一维深度残差网络层和分类神经网络层；其中，所述循环神经网络层用于对所述QRS波群数据进行滤波处理和特征提取，得到滤波和通道融合波形数据；所述一维深度残差网络层用于对所述滤波和通道融合波形数据进行特征提取，获取网络自编码特征；所述分类神经网络层用于根据所述网络自编码特征进行分类处理，得到所述心电数据的分类结果。4.根据权利要求1-3任一所述的方法，其特征在于，在所述自心电数据中提取QRS波群数据前，还包括：剔除所述心电数据的杂波。5.一种心电数据分类装置，其特征在于，包括：提取模块，用于自心电数据中提取QRS波群数据；神经网络模块，用于将所述QRS波群数据输入已训练的神经网络...
【专利技术属性】
技术研发人员：任磊，辛济远，蔡逸熙，张霖，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。