一种心电数据标注的推荐分发方法及装置制造方法及图纸

本发明专利技术涉及心电信号标注技术领域，公开了一种心电数据标注的推荐分发方法，包括以下步骤：建立心电样本数据集，对心电样本数据集中每一心电样本数据进行标注，得到所有心电样本数据的标准标签数据；根据标准标签数据判断各专家对每一心电样本数据的标注结果是否准确，统计每一专家对于每一种病症类型的标注准确率，得到准确率矩阵；以心电样本数据作为输入数据，以标准标签数据作为输出数据，对神经网络进行训练，得到预测模型；根据预测模型对待标注心电数据进行预测得到其预测病症类型；根据预测病症类型以及准确率矩阵进行专家推荐，将待标注心电数据分发至推荐的专家进行标注。本发明专利技术具有心电数据标注投放精准的技术效果。

【技术实现步骤摘要】
一种心电数据标注的推荐分发方法及装置
本专利技术涉及心电数据标注
，具体涉及一种心电数据标注的推荐分发方法、装置以及计算机存储介质。
技术介绍
人工智能中深度学习的方法建立在对大量的样本数据训练基础上的，数据在深度学习中起着决定性的作用。而被准确标注过的高质量数据才是深度学习所需要的，那些标注错误或者标注不完善的数据如果参与了训练，对算法有害无益。因此，数据的准确标注成为了获取数据后的工作之中的重中之重。心电数据的标注具有工作量大、效率低的特点，这无疑了深度学习方法在智能心电诊断中的应用。
技术实现思路
本专利技术的目的在于克服上述技术不足，提供一种心电数据标注的推荐分发方法、装置以及计算机存储介质，解决现有技术中心电数据标注工作量大、效率低的技术问题。为达到上述技术目的，本专利技术的技术方案提供一种心电数据标注的推荐分发方法，包括以下步骤：建立心电样本数据集，对所述心电样本数据集中每一心电样本数据进行标注，得到所有心电样本数据的标准标签数据；根据所述标准标签数据判断各专家对每一所述心电样本数据的标注结果是否准确，统计每一专家对于每一种病症类型的标注准确率，得到准确率矩阵；以所述心电样本数据作为输入数据，以所述标准标签数据作为输出数据，对神经网络进行训练，得到预测模型；根据所述预测模型对待标注心电数据进行预测得到其预测病症类型；根据所述预测病症类型以及所述准确率矩阵进行专家推荐，将所述待标注心电数据分发至推荐的专家进行标注。本专利技术还提供一种心电数据标注的推荐分发装置，包括处理器以及存储器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现所述心电数据标注的推荐分发方法。本专利技术还提供一种计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现所述心电数据标注的推荐分发方法。与现有技术相比，本专利技术的有益效果包括：本专利技术基于已经准确标注的心电样本数据，一方面以标注后的心电样本数据作为训练数据进行训练，得到预测模型；另一方面，利用标准标签数据对专家的标注结果进行判断，进而统计专家对于每一种病症类型的标注准确率，得到准确率矩阵。根据预测模型可以预测出待标注心电数据的病症类型，根据准确率矩阵找到判断该种病症类型时准确率高的专家进行标注，从而实现待标注心电数据的精准投放，提高心电数据的标注准确率和标注效率，同时预测模型给出的预测病症类型还可给予一定的参考意义，帮助推荐专家更加快速、准确地进行标注。附图说明图1是本专利技术提供的心电数据标注的推荐分发方法一实施方式的流程图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。实施例1如图1所示，本专利技术的实施例1提供了心电数据标注的推荐分发方法，以下简称本方法，包括以下步骤：S1、建立心电样本数据集，对所述心电样本数据集中每一心电样本数据进行标注，得到所有心电样本数据的标准标签数据；S2、根据所述标准标签数据判断各专家对每一所述心电样本数据的标注结果是否准确，统计每一专家对于每一种病症类型的标注准确率，得到准确率矩阵；S3、以所述心电样本数据作为输入数据，以所述标准标签数据作为输出数据，对神经网络进行训练，得到预测模型；S4、根据所述预测模型对待标注心电数据进行预测得到其预测病症类型；S5、根据所述预测病症类型以及所述准确率矩阵进行专家推荐，将所述待标注心电数据分发至推荐的专家进行标注。本专利技术实施例首先建立心电样本数据集，对心电样本数据集内心电样本数据进行准确标注，基于已经准确标注的心电样本数据，进行后续待标注心电数据的推荐分发，将待标注心电数据分发至合适的专家处进行标注。具体的，一方面以标注后的心电样本数据作为训练数据进行训练，得到预测模型，利用预测模型预测待标注心电数据的病症类型；另一方面，利用标准标签数据对专家的标注结果进行判断，进而统计专家对于每一种病症类型的标注准确率，得到准确率矩阵。根据准确率矩阵推荐判断待标注心电数据准确率高的专家进行标注，从而实现待标注心电数据的精准推荐投放，由于推荐的专家是根据准确率矩阵进行推荐的，因此可以保证待标注心电数据的标注准确度，同时，不需要将待标注的心电数据发送给所有专家进行标注，从而提高心电数据的标注效率。同时预测模型给出的预测病症类型还可给予一定的参考意义，帮助推荐专家更加快速、准确地进行标注。本专利技术实施例提供了一套标注、预测、推荐分发的方法，集成心电数据标注、心电数据诊断、心电数据推荐分发功能，具有可以将心电数据精准投放至相应专家的优点，某些专家擅长的哪几种类型病症的诊断，则更多的推送相应类型的心电数据给该专家进行标注，加快标注进度，提高标注准确率，减轻了专家的工作量。同时，预测模型能够给出一定参考意义的结果利于专家看图标注时参考借鉴。优选的，建立心电样本数据集，具体为：确定需要诊断的病症类型的数量，针对每一类病症类型收集同样数量的心电样本数据，得到所述心电样本数据集。从心电数据库中随机抽取一定量的心电样本数据，该心电样本数据的数据量根据需要诊断的病症类型的数量不同而不同。例如，本优选实施例选取的数据量为1000*N，其中：N为需要诊断的病症类型的数量，如：需要诊断的病症类型只有心室早搏、心动过速、I度房室传导阻滞、早期复极，那么N为4，在标注初始阶段，只需从心电数据库里选取4*1000份心电样本数据建立心电样本数据集。优选的，对所述心电样本数据进行标注，得到标准标签数据，具体为：将所述心电样本数据分发给所有专家进行标注，如果所有专家对所述心电数据的标注结果一致，则以标注结果作为所述标准标签数据，如果所有专家对所述心电数据的标注结果不一致，则进行会诊并以会诊结果作为所述标准标签数据。对心电样本数据进行标注时，同一份心电样本数据会分发给所有的专家进行标注，设定专家编号为：1,2,…,M,每个专家会对分配到的心电样本数据进行诊断，通过标注平台标注出自己的诊断结论。由此可知，同一份心电样本数据会被所有专家标注，最后，对标注后的结果进行专家会诊，会诊的机制为：某一心电样本数据被所有专家标注的结果一致，那么该条心电样本数据对应于该条标注结果；某一心电样本数据被所有专家标注的结果不一致，那么专家会诊后，确定出该条心电样本数据对应的会诊结果，以会诊后的结果为准。优选的，统计每一专家对于每一类病症的标注准确率，得到准确率矩阵，具体为：计算每一专家对于每一类病症的F1分数作为所述标注准确率：F1＝2*(precision*recall)/(precision+recall)其中，F1为F1分数，即标注准确率，precision为调和平均数，recall为召回率；根据各专家对各类病症的F1分数，得到所述准确率矩阵：其中本文档来自技高网...

【技术保护点】
1.一种心电数据标注的推荐分发方法，其特征在于，包括以下步骤：/n建立心电样本数据集，对所述心电样本数据集中每一心电样本数据进行标注，得到所有心电样本数据的标准标签数据；/n根据所述标准标签数据判断各专家对每一所述心电样本数据的标注结果是否准确，统计每一专家对于每一种病症类型的标注准确率，得到准确率矩阵；/n以所述心电样本数据作为输入数据，以所述标准标签数据作为输出数据，对神经网络进行训练，得到预测模型；/n根据所述预测模型对待标注心电数据进行预测得到其预测病症类型；/n根据所述预测病症类型以及所述准确率矩阵进行专家推荐，将所述待标注心电数据分发至推荐的专家进行标注。/n

【技术特征摘要】
1.一种心电数据标注的推荐分发方法，其特征在于，包括以下步骤：
建立心电样本数据集，对所述心电样本数据集中每一心电样本数据进行标注，得到所有心电样本数据的标准标签数据；
根据所述标准标签数据判断各专家对每一所述心电样本数据的标注结果是否准确，统计每一专家对于每一种病症类型的标注准确率，得到准确率矩阵；
以所述心电样本数据作为输入数据，以所述标准标签数据作为输出数据，对神经网络进行训练，得到预测模型；
根据所述预测模型对待标注心电数据进行预测得到其预测病症类型；
根据所述预测病症类型以及所述准确率矩阵进行专家推荐，将所述待标注心电数据分发至推荐的专家进行标注。


2.根据权利要求1所述的心电数据标注的推荐分发方法，其特征在于，建立心电样本数据集，具体为：
确定需要诊断的病症类型的数量，针对每一类病症类型收集同样数量的心电样本数据，得到所述心电样本数据集。


3.根据权利要求1所述的心电数据标注的推荐分发方法，其特征在于，对所述心电样本数据进行标注，得到标准标签数据，具体为：
将所述心电样本数据分发给所有专家进行标注，如果所有专家对所述心电数据的标注结果一致，则以标注结果作为所述标准标签数据，如果所有专家对所述心电数据的标注结果不一致，则进行会诊并以会诊结果作为所述标准标签数据。


4.根据权利要求3所述的心电数据标注的推荐分发方法，其特征在于，统计每一专家对于每一类病症的标注准确率，得到准确率矩阵，具体为：
计算每一专家对于每一类病症的F1分数作为所述标注准确率：
F1＝2*(precision*recall)/(precision+recall)
其中，F1为F1分数，即标注准确率，precision为调和平均数，r...

【专利技术属性】
技术研发人员：罗伟，朱涛，
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