【技术实现步骤摘要】
基于主动学习的心电图分类方法、装置和系统
本专利技术涉及医疗领域，尤其涉及一种基于主动学习的心电图分类方法、装置和系统。
技术介绍
心电图(Electrocardiography，英文简称：ECG)检测是20世纪建立起来并广泛应用于临床诊断和监测的重大技术成果之一。这种检测手段对心脏疾病(如各类心律失常、心肌梗死及心室肥大等)的诊断对临床诊疗功不可没。心电图自动分析技术在数十年间得到了长足发展，心电图自动分析技术主要包括心电信号的预处理、各波形定位或分类、心电信号的特征提取并通过识别算法得到疾病分类结果等。其中，波形分类通常包括拍分为窦性心拍、室性心拍、室上性心拍，疾病分类通常包括心律失常分类、心梗分类、传导阻滞分类等。相关技术中，心电图分类方法通常是采用基于规则或判据的分析方法，其典型代表是采用明尼苏达码对心电信号进行分析，这种方法的优势在于与医生的诊断逻辑类似，分析结果能有很好的医学解释。但是存在以下缺点：分析方法中的规则均是基于确定化的阈值，从统计学习理论的角度可以认为这种方法得到的模型容量十分...
【技术保护点】
1.一种基于主动学习的心电图分类方法，其特征在于，包括：/n基于已标注心电图样本，通过第一查询策略从未标注数据库中获取满足第一预设条件的未标注心电图样本；/n将所述未标注心电图样本输出至专家客户端，以使所述专家客户端将所述未标注心电图样本提供给专家，并接收所述专家对所述未标注心电图样本的标注；/n获取所述专家客户端反馈的标注后的心电图样本，并将所述标注后的心电图样本添加至用以存储所述已标注心电图样本的标注数据库中；/n根据扩充后的标注数据库进行模型训练，得到心电图分类模型。/n
【技术特征摘要】
1.一种基于主动学习的心电图分类方法，其特征在于，包括：
基于已标注心电图样本，通过第一查询策略从未标注数据库中获取满足第一预设条件的未标注心电图样本；
将所述未标注心电图样本输出至专家客户端，以使所述专家客户端将所述未标注心电图样本提供给专家，并接收所述专家对所述未标注心电图样本的标注；
获取所述专家客户端反馈的标注后的心电图样本，并将所述标注后的心电图样本添加至用以存储所述已标注心电图样本的标注数据库中；
根据扩充后的标注数据库进行模型训练，得到心电图分类模型。
2.如权利要求1所述的方法，其特征在于，所述基于已标注心电图样本，通过第一查询策略从未标注数据库中获取满足第一预设条件的未标注心电图样本，包括：
根据所述已标注心电图样本进行模型训练，得到基础模型；
根据所述基础模型对所述未标注数据库中的未标注样本进行分类预测；
通过第一查询策略，根据针对所述未标注样本的预测结果从所述未标注数据库中选取满足第一预设条件的未标注心电图样本。
3.如权利要求2所述的方法，其特征在于，所述根据所述已标注心电图样本进行模型训练，得到基础模型，包括：
根据所述已标注心电图样本进行模型训练，构建针对心电图分类的初始模型；
通过第二查询策略从所述标注数据库中获取满足第二预设条件的已标注心电图样本；
根据所述满足第二预设条件的已标注心电图样本对所述初始模型进行再训练；
判断所述进行再训练后的模型的性能是否大于再训练前的最新模型的性能；
若否，则将所述再训练前的最新模型作为所述基础模型；
若是，则将所述再训练前的最新模型替换成所述进行再训练后的模型，并返回执行所述通过第二查询策略从所述标注数据库中获取满足第二预设条件的已标注心电图样本的步骤。
4.如权利要求2所述的方法，其特征在于，所述第一查询策略包括：样本不确定性查询策略，和/或，样本代表性查询策略。
5.如权利要求2所述的方法，其特征在于，所述根据扩充后的标注数据库进行模型训练，得到心电图分类模型，包括：
从所述扩充后的标注数据库中获取所述专家客户端反馈的标注后的心电图样本；
根据所述标注后的心电图样本对所述基础模型进行再训练；
判断再训练后的基础模型的性能是否达到预设要求；
若是，则将所述再训练后的所述基础模型作为所述心电图分类模型；
若否，则返回执行所述通过第一查询策略从未标注数据库中获取满足第一预设条件的未标注心电图样本的步骤。
6.如权利要求1所述的方法，其特征在于，所述根据扩充后的标...
【专利技术属性】
技术研发人员：欧凤，周雅琪，周峰，
申请(专利权)人：深圳市理邦精密仪器股份有限公司，
类型：发明
国别省市：广东;44
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。