心电波形数据的处理方法、装置和服务器制造方法及图纸

本发明专利技术提供了一种心电波形数据的处理方法、装置和服务器，首先获取心电波形数据；然后对心电波形数据进行预处理，并将预处理后的心电数据输入至第一卷积模型，对心电数据进行第一分类处理，得到第一数据分类结果；再将预处理后的心电数据输入至第二卷积模型，得到第二数据分类结果；再将预处理后的心电数据输入至第三卷积模型，得到第三数据分类结果；再将预处理后的心电数据输入至第四卷积模型，得到第四数据分类结果；最后将上述四个数据分类结果进行加权平均计算，得到最终的数据分类结果。本发明专利技术通过四个卷积模型对心电波形数据进行分类处理，该模型适用于心电波形数据，且提高了数据分类结果的多样性和准确性。

Processing Method, Device and Server of ECG Waveform Data

The invention provides a processing method, device and server for ECG waveform data, which first obtains ECG waveform data, then preprocesses ECG waveform data, inputs the pre-processed ECG data into the first convolution model, and first classifies ECG data to obtain the classification result of the first data, and then inputs the pre-processed ECG data into the second volume. The second data classification result is obtained by the convolution model; the third data classification result is obtained by inputting the pre-processed ECG data into the third convolution model; the fourth data classification result is obtained by inputting the pre-processed ECG data into the fourth convolution model; finally, the weighted average of the four data classification results is calculated to get the final data classification result. The invention classifies and processes ECG waveform data by four convolution models. The model is suitable for ECG waveform data, and improves the diversity and accuracy of data classification results.

【技术实现步骤摘要】
心电波形数据的处理方法、装置和服务器
本专利技术涉及心电波形数据分析
，尤其是涉及一种心电波形数据的处理方法、装置和服务器。
技术介绍
心电图是一种非侵入式监测心脏电活动的标准诊断工具，为了检测到偶尔出现的心律失常，常常要求患者进行几小时甚至更长时间的心电图监测，所收集到的心电波形信号十分庞大，使得医生的诊断极其耗费时间和经历，因此自动分类心电图中的心电波形信号是非常重要的研究和技术，并且是一种更有效的辅助诊断方法。心电波形信号为一维信号，现有技术中采用的心电波形处理的网络模型一般为二维卷积模型而且模型层数一般在三层以内，因此，现有技术中的网络模型对心电信号的适应性差，且通过该网络模型得到的心电波形数据分类结果较单一。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种心电波形数据的处理方法、装置和服务器，以适应心电波形数据，且提高心电波形数据分类结果的多样性。第一方面，本专利技术实施例提供了一种心电波形数据的处理方法，该方法包括：获取心电波形数据；对该心电波形数据进行预处理，得到预处理后的心电数据；将预处理后的心电数据输入至第一卷积模型，对该心电数据进行第一分类处理，得到第一数据分类结果；将预处理后的心电数据输入至第二卷积模型，对心电数据进行第二分类处理，得到第二数据分类结果；将预处理后的心电数据输入至第三卷积模型，对心电数据进行第三分类处理，得到第三数据分类结果；将预处理后的心电数据输入至第四卷积模型，对心电数据进行第四分类处理，得到第四数据分类结果；将第一数据分类结果、第二数据分类结果、第三数据分类结果和第四数据分类结果进行加权平均计算，得到最终的数据分类结果。进一步，上述第一卷积模型、第二卷积模型、第三卷积模型和第四卷积模型为一维卷积模型。进一步，上述第一卷积模型包括多层的一维卷积的类VGG(VisualGeometryGroup，牛津大学科学工程系)网络模型；第二卷积模型包括一维卷积变换后的残差网络模型；第三卷积模型包括一维卷积变换后的inception网络模型；第四卷积模型包括一维卷积变换后的密集连接网络模型。进一步，上述对心电波形数据进行预处理，得到预处理后的心电数据的步骤包括：对心电波形数据进行格式检查，删除幅值超过10mV的心电波形数据；通过线性归一化方法将处理后的心电波形数据归一化至预设范围内，得到预处理后的心电数据。进一步，上述将预处理后的心电数据输入至第一卷积模型，对心电数据进行第一分类处理，得到第一数据分类结果的步骤包括：将输入的心电数据进行多次一维卷积处理；将一维卷积处理后的数据存入最大池化层；将最大池化层中的数据经过全连接层进行分类，输出第一数据分类结果。进一步，上述将预处理后的心电数据输入至第二卷积模型，对心电数据进行第二分类处理，得到第二数据分类结果的步骤包括：将心电数据输入至残差模块，该残差模块包括批处理归一化单元、激活单元、dropout单元和一维卷积单元；心电数据经过多个残差模块的处理后，通过全连接层进行数据分类，输出第二数据分类结果。进一步，将预处理后的心电数据输入至第三卷积模型，对心电数据进行第三分类处理，得到第三数据分类结果的步骤包括：将心电数据输入至inception模块，所述inception模块包括1*1卷积、1*3卷积和1*5卷积；心电数据经过多个inception模块的处理后，通过全连接层进行数据分类，输出第三数据分类结果。进一步，将预处理后的心电数据输入至第四卷积模型，对心电数据进行第四分类处理，得到第四数据分类结果的步骤包括：将心电数据输入至密集连接模块，该密集连接模块包括批处理归一化单元、激活单元、一维卷积单元和最大池化层；心电数据经过多个密集连接模块的处理后，通过全连接层进行数据分类，输出第四数据分类结果。第二方面，本专利技术实施例还提供一种心电波形数据的处理装置，该装置包括：数据获取模块，用于获取心电波形数据；预处理模块，用于对心电波形数据进行预处理，得到预处理后的心电数据；第一分类模块，用于将预处理后的心电数据输入至第一卷积模型，对心电数据进行第一分类处理，得到第一数据分类结果；第二分类模块，用于将预处理后的心电数据输入至第二卷积模型，对心电数据进行第二分类处理，得到第二数据分类结果；第三分类模块，用于将预处理后的心电数据输入至第三卷积模型，对心电数据进行第三分类处理，得到第三数据分类结果；第四分类模块，用于将预处理后的心电数据输入至第四卷积模型，对心电数据进行第四分类处理，得到第四数据分类结果；分类结果确定模块，用于将第一数据分类结果、第二数据分类结果、第三数据分类结果和第四数据分类结果进行加权平均计算，得到最终的数据分类结果。第三方面，本专利技术实施例还提供一种服务器，该服务器包括存储器和处理器；存储器用于存储支持处理器执行第一方面所述方法的程序，处理器被配置为用于执行存储器中存储的程序。本专利技术实施例带来了以下有益效果：本专利技术提供了一种心电波形数据的处理方法、装置和服务器，首先获取心电波形数据；然后对心电波形数据进行预处理，并将预处理后的心电数据输入至第一卷积模型，对心电数据进行第一分类处理，得到第一数据分类结果；再将预处理后的心电数据输入至第二卷积模型，得到第二数据分类结果；再将预处理后的心电数据输入至第三卷积模型，得到第三数据分类结果；再将预处理后的心电数据输入至第四卷积模型，得到第四数据分类结果；最后将上述四个数据分类结果进行加权平均计算，得到最终的数据分类结果。本专利技术通过四个卷积模型对心电波形数据进行分类处理，该模型适用于心电波形数据，且提高了数据分类结果的多样性和准确性。本专利技术的其他特征和优点将在随后的说明书中阐述，或者，部分特征和优点可以从说明书推知或毫无疑义地确定，或者通过实施本专利技术的上述技术即可得知。为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施方式，并配合所附附图，作详细说明如下。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的现有技术方案中心电波形数据分类方法的示意图；图2为本专利技术实施例提供的一种心电波形数据的处理方法的流程图；图3为本专利技术实施例提供的另一种心电波形数据的处理方法的流程图；图4为本专利技术实施例提供的第一卷积模型的结构示意图；图5为本专利技术实施例提供的第二卷积模型的结构示意图；图6为本专利技术实施例提供的第三卷积模型的结构示意图；图7为本专利技术实施例提供的第四卷积模型的结构示意图；图8为本专利技术实施例提供的一种心电波形数据的处理装置的结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。现有的技术方案中有利用神经网络模型对心电波形数据进行分类的方法，如图1所示，该方法首先将采集到的心电波形数据存入训练样本集本文档来自技高网...

【技术保护点】
1.一种心电波形数据的处理方法，其特征在于，所述方法包括：获取心电波形数据；对所述心电波形数据进行预处理，得到预处理后的心电数据；将预处理后的所述心电数据输入至第一卷积模型，对所述心电数据进行第一分类处理，得到第一数据分类结果；将预处理后的所述心电数据输入至第二卷积模型，对所述心电数据进行第二分类处理，得到第二数据分类结果；将预处理后的所述心电数据输入至第三卷积模型，对所述心电数据进行第三分类处理，得到第三数据分类结果；将预处理后的所述心电数据输入至第四卷积模型，对所述心电数据进行第四分类处理，得到第四数据分类结果；将所述第一数据分类结果、所述第二数据分类结果、所述第三数据分类结果和所述第四数据分类结果进行加权平均计算，得到最终的数据分类结果。

【技术特征摘要】
1.一种心电波形数据的处理方法，其特征在于，所述方法包括：获取心电波形数据；对所述心电波形数据进行预处理，得到预处理后的心电数据；将预处理后的所述心电数据输入至第一卷积模型，对所述心电数据进行第一分类处理，得到第一数据分类结果；将预处理后的所述心电数据输入至第二卷积模型，对所述心电数据进行第二分类处理，得到第二数据分类结果；将预处理后的所述心电数据输入至第三卷积模型，对所述心电数据进行第三分类处理，得到第三数据分类结果；将预处理后的所述心电数据输入至第四卷积模型，对所述心电数据进行第四分类处理，得到第四数据分类结果；将所述第一数据分类结果、所述第二数据分类结果、所述第三数据分类结果和所述第四数据分类结果进行加权平均计算，得到最终的数据分类结果。2.根据权利要求1所述的方法，其特征在于，所述第一卷积模型、所述第二卷积模型、所述第三卷积模型和所述第四卷积模型为一维卷积模型。3.根据权利要求1所述的方法，其特征在于，所述第一卷积模型包括多层的一维卷积的类VGG网络模型；所述第二卷积模型包括一维卷积变换后的残差网络模型；所述第三卷积模型包括一维卷积变换后的inception网络模型；所述第四卷积模型包括一维卷积变换后的密集连接网络模型。4.根据权利要求1所述的方法，其特征在于，所述对所述心电波形数据进行预处理，得到预处理后的心电数据的步骤包括：对所述心电波形数据进行格式检查，删除幅值超过10mV的所述心电波形数据；通过线性归一化方法将处理后的心电波形数据归一化至预设范围内，得到预处理后的心电数据。5.根据权利要求1所述的方法，其特征在于，所述将预处理后的所述心电数据输入至第一卷积模型，对所述心电数据进行第一分类处理，得到第一数据分类结果的步骤包括：将输入的所述心电数据进行多次一维卷积处理；将一维卷积处理后的数据存入最大池化层；将所述最大池化层中的数据经过全连接层进行分类，输出所述第一数据分类结果。6.根据权利要求1所述的方法，其特征在于，所述将预处理后的所述心电数据输入至第二卷积模型，对所述心电数据进行第二分类处理，得到第二数据分类结果的步骤包括：将所述心电数据输入至残差模块，所述残差模块包括批处理归一...

【专利技术属性】
技术研发人员：李毅，朱涛，张玮，罗伟，朱佳兵，
申请(专利权)人：武汉中旗生物医疗电子有限公司，
类型：发明
国别省市：湖北,42