心电图的识别方法及装置、存储介质、计算机设备制造方法及图纸

本申请公开了一种心电图的识别方法及装置、存储介质、计算机设备，该方法包括：对心电图样本数据进行采样率预处理，以使心电图样本数据的采样率与预设标准采样率一致；根据采样率预处理后的心电图样本数据，建立训练样本集和测试样本集；利用训练样本集训练UNet卷积神经网络模型，直至训练好的模型识别测试样本集的准确率大于或等于预设准确率阈值；接收待识别的心电图数据，并利用训练好的模型识别待识别的心电图数据对应的心电图类型。本申请有助于解决现有技术中依靠医务人员人工诊断心电图导致的效率低下以及容易因疲劳造成误诊的问题，提高了心电图的诊断效率和准确率，降低了医务人员的工作量。

【技术实现步骤摘要】
心电图的识别方法及装置、存储介质、计算机设备
本申请涉及心电图诊断
，尤其是涉及到一种心电图的识别方法及装置、存储介质、计算机设备。
技术介绍
心血管疾病是全球的头号杀手，我国心血管病死亡占居民疾病死亡构成40％以上，居首位。对心血管疾病的治疗与预防已经越来越受到人们的关注。心电图被认为是心血管疾病诊断中最早、最常用和最基本的诊断方法。与其它诊断方法相比，心电图使用方便，易于普及。目前，主要依靠医护人员对心电图进行人工诊断，据统计我国每年心电图记录多达3亿条以上，人工诊断工作量非常大，长时间的人工诊断容易造成医护人员疲劳导致误诊。因此，如何提高心电图的诊断效率和诊断准确率成为了亟待解决的问题。
技术实现思路
有鉴于此，本申请提供了一种心电图的识别方法及装置、存储介质、计算机设备，通过心电图分类模型识别心电图的类型，有助于提高心电图的诊断效率和准确率。根据本申请的一个方面，提供了一种心电图的识别方法，包括：对心电图样本数据进行采样率预处理，以使所述心电图样本数据的采样率与预设标准采样率一致；根据采样率预处理后的心电图样本数据，建立训练样本集和测试样本集；利用所述训练样本集训练UNet本文档来自技高网...

【技术保护点】
1.一种心电图的识别方法，其特征在于，包括：对心电图样本数据进行采样率预处理，以使所述心电图样本数据的采样率与预设标准采样率一致；根据采样率预处理后的心电图样本数据，建立训练样本集和测试样本集；利用所述训练样本集训练UNet卷积神经网络模型，直至训练好的模型识别所述测试样本集的准确率大于或等于预设准确率阈值；接收待识别的心电图数据，并利用所述训练好的模型识别所述待识别的心电图数据对应的心电图类型。

【技术特征摘要】
1.一种心电图的识别方法，其特征在于，包括：对心电图样本数据进行采样率预处理，以使所述心电图样本数据的采样率与预设标准采样率一致；根据采样率预处理后的心电图样本数据，建立训练样本集和测试样本集；利用所述训练样本集训练UNet卷积神经网络模型，直至训练好的模型识别所述测试样本集的准确率大于或等于预设准确率阈值；接收待识别的心电图数据，并利用所述训练好的模型识别所述待识别的心电图数据对应的心电图类型。2.根据权利要求1所述的方法，其特征在于，所述根据采样率预处理后的心电图样本数据，建立训练样本集和测试样本集之前，所述方法还包括：将采样率预处理后的心电图样本数据按照预设标准采样点阈值进行截取，得到截取后的心电图样本数据；所述根据采样率预处理后的心电图样本数据，建立训练样本集和测试样本集，具体包括：根据所述截取后的心电图样本数据，建立训练样本集和测试样本集。3.根据权利要求2所述的方法，其特征在于，所述预设标准采样点阈值为预设单位采样点阈值的任意正整数倍；所述将采样率预处理后的心电图样本数据按照预设标准采样点阈值进行截取，得到截取后的心电图样本数据，具体包括：获取所述采样率预处理后的心电图样本数据的采样点数量；若所述采样点数量不等于所述预设标准采样点阈值，则计算小于所述采样点数量的最大预设标准采样点阈值，并在所述采样率预处理后的心电图样本数据中截取任意连续的与所述最大预设标准采样点阈值长度对应的数据段作为所述截取后的心电图样本数据。4.根据权利要求3所述的方法，其特征在于，所述接收待识别的心电图数据，并利用所述训练好的模型识别所述待识别的心电图数据对应的心电图类型，具体包括：对接收到的所述待识别的心电图数据进行采样率预处理，以使所述待识别的心电图数据的采样率与所述预设标准采样率一致；按照所述预设标准采样点阈值截取采样率预处理后的待识别的心电图数据，得到截取后的待识别的心电图数据；将所述截取后的待识别的心电图数据输入至训练后的模型中，得到所述待识别的心电图数据对应的心电图类型。5.根据权利要求1至4中任一项所述的方法，其特征在于，所述利用...

【专利技术属性】
技术研发人员：任嘉祥，马进，王健宗，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东,44