心电图数据增广方法、装置、电子设备及介质制造方法及图纸

本公开实施例公开了一种心电图数据增广方法、装置、电子设备及介质。该心电图数据增广方法，包括：获取心电图数据；处理所述心电图数据以获取多个心拍数据；以及基于所述多个心拍数据中的至少两个心拍数据生成增广数据，从而能够对心电图数据进行数据增广，可增加训练集的数据量，进而可充分地训练机器学习的模型，提高模型的表现。

【技术实现步骤摘要】
心电图数据增广方法、装置、电子设备及介质
本公开涉及医疗
，具体涉及一种心电图数据增广方法、装置、电子设备及介质。
技术介绍
数据增广是深度学习中常用的技巧之一，主要用于增加训练数据集，让数据集尽可能的多样化，使得训练的模型具有更强的泛化能力。在实际应用中，并非所有的增广方式都适用当前的训练数据，需要根据数据集特征来确定应该使用哪几种数据增广方式。目前数据增广主要包括：水平/垂直翻转、旋转、缩放、裁剪、剪切、平移、对比度、色彩抖动、噪声等。心电图是利用心电图机从体表记录心脏每一心动周期所产生的电活动变化图形，其中每一小段信号都具有一定的医学意义。而使用常规的数据增广方法诸如翻转、旋转、裁剪等方法，则会破坏心电图的医学意义，无法对机器学习模型的训练起到积极作用，普通图像处理的数据增广手段无法适用于心电信号的数据增广。
技术实现思路
为了解决相关技术中的问题，本公开实施例提供一种心电图数据增广方法、装置、电子设备及介质。第一方面，本公开实施例中提供了一种心电图数据增广方法，包括：获取心电图数据；处理所述心电图数据以获取多个心拍数据；以及基于所述多个心拍数据中的至少两个心拍数据生成增广数据。结合第一方面，本公开在第一方面的第一种实现方式中，所述处理所述心电图数据以获取多个心拍数据，包括：对所述心电图数据进行预处理；对经过预处理的心电图数据进行心拍识别以获取多个心拍数据。结合第一方面的第一种实现方式，本公开在第一方面的第二种实现方式中，所述预处理包括：通过离散小波变换对所述心电图数据进行多层小波分解，将最低一层的近似值置零，通过离散小波重构以获取基线校准后的心电图数据。结合第一方面的第一种或第二种实现方式，本公开在第一方面的第三种实现方式中，所述预处理包括：通过平稳小波变换对所述心电图数据进行多层小波分解，对细节值进行阈值滤波，通过平稳小波重构以获取降噪后的心电图数据。结合第一方面的第一种实现方式，本公开在第一方面的第四种实现方式中，所述对经过预处理的心电图数据进行心拍识别以获取多个心拍数据，包括：对经过预处理的心电图数据中的第一导联的数据，通过平稳小波变换进行多层小波分解，获得分解结果；对所述分解结果进行特征识别，确定所述第一导联的数据中的R波的波峰的位置；根据所述第一导联的数据中的R波的波峰的位置，将所述第一导联和/或其他导联的数据分割为多个心拍数据。结合第一方面，本公开在第一方面的第五种实现方式中，所述基于所述多个心拍数据中的至少两个心拍数据生成增广数据包括：从所述多个心拍数据中确定第一心拍数据和第二心拍数据；在所述第一心拍数据和第二心拍数据的至少一个导联之间可拼接的情况下，拼接所述第一心拍数据和第二心拍数据以生成第三心拍数据；获取所述第一心拍数据和/或第二心拍数据的标签；基于所述第一心拍数据和/或第二心拍数据的标签确定所述第三心拍数据的标签，确定带有标签的第三心拍数据为增广数据。结合第一方面的第五种实现方式，本公开在第一方面的第六种实现方式中，所述在所述第一心拍数据和第二心拍数据的至少一个导联之间可拼接的情况下，拼接所述第一心拍数据和第二心拍数据以生成第三心拍数据，包括：对于每个导联执行以下操作，在所述第一心拍数据和第二心拍数据在当前导联下的R波方向相同且在R波后的预定时间内都存在过零点的情况下，基于所述过零点的位置，将第一心拍数据和第二心拍数据在当前导联下的数据拼接为临时心拍数据在当前导联下的数据；否则，将第二心拍数据在当前导联下的数据确定为临时心拍数据在当前导联下的数据；在所述临时心拍数据与第二心拍数据不完全相同的情况下，确定所述临时心拍数据为第三心拍数据。第二方面，本公开实施例提供了一种心电图数据增广装置，包括：获取模块，被配置为获取心电图数据；处理模块，被配置为处理所述心电图数据以获取多个心拍数据；以及生成模块，被配置为基于所述多个心拍数据中的至少两个心拍数据生成增广数据。第三方面，本公开实施例提供了一种电子设备，包括存储器和处理器，其中，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行以实现如第一方面、第一方面的第一种至第六种实现方式任一项所述的方法。第四方面，本公开实施例中提供了一种计算机可读存储介质，其上存储有计算机指令，该计算机指令被处理器执行时实现如第一方面、第一方面的第一种至第六种实现方式任一项所述的方法。根据本公开实施例提供的技术方案，通过获取心电图数据；处理所述心电图数据以获取多个心拍数据；以及基于所述多个心拍数据中的至少两个心拍数据生成增广数据，从而能够对心电图数据进行数据增广，可增加训练集的数据量，进而可充分地训练机器学习的模型，提高模型的表现。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。附图说明结合附图，通过以下非限制性实施方式的详细描述，本公开的其它特征、目的和优点将变得更加明显。在附图中：图1示出根据本公开实施例的心电图数据增广方法的流程图；图2示出根据本公开实施例的心电图数据的示意图；图3示出根据本公开实施例的基线校准后的心电图数据的示意图；图4示出根据本公开实施例的降噪处理后的心电图数据的示意图；图5示出根据本公开实施例的心拍识别的流程图；图6A和图6B示出根据本公开实施例的R波反向的示意图；图7示出根据本公开实施例的心拍识别的示意图；图8示出根据本公开实施例的生成增广数据的流程图；图9示出根据本公开另一实施例的生成增广数据的流程图；图10示出根据本公开实施例的根据心拍A和心拍B生成的心拍C的示意图；图11A示出根据本公开实施例的心拍B和心拍C的对照图；图11B示出根据本公开实施例的心拍A和心拍C的对照图；图12示出根据本公开实施例的心电图数据增广装置的框图；图13示出根据本公开实施例的电子设备的框图；以及图14示出根据本公开实施例的适于实现心电图数据增广方法的计算机系统的结构示意图。具体实施方式下文中，将参考附图详细描述本公开的示例性实施例，以使本领域技术人员可容易地实现它们。此外，为了清楚起见，在附图中省略了与描述示例性实施例无关的部分。在本公开中，应理解，诸如“包括”或“具有”等的术语旨在指示本说明书中所公开的特征、数字、步骤、行为、部件、部分或其组合的存在，并且不欲排除一个或多个其他特征、数字、步骤、行为、部件、部分或其组合存在或被添加的可能性。另外还需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。一个带有标签的数据集的构建需要付出巨大的工作量。同时，由于不同疾病在人群中的发病率是不一样的本文档来自技高网...

【技术保护点】
1.一种心电图数据增广方法，包括：/n获取心电图数据；/n处理所述心电图数据以获取多个心拍数据；以及/n基于所述多个心拍数据中的至少两个心拍数据生成增广数据。/n

【技术特征摘要】
1.一种心电图数据增广方法，包括：
获取心电图数据；
处理所述心电图数据以获取多个心拍数据；以及
基于所述多个心拍数据中的至少两个心拍数据生成增广数据。


2.根据权利要求1所述的方法，其特征在于，所述处理所述心电图数据以获取多个心拍数据，包括：
对所述心电图数据进行预处理；
对经过预处理的心电图数据进行心拍识别以获取多个心拍数据。


3.根据权利要求2所述的方法，其特征在于，所述预处理包括：
通过离散小波变换对所述心电图数据进行多层小波分解，将最低一层的近似值置零，通过离散小波重构以获取基线校准后的心电图数据。


4.根据权利要求2或3所述的方法，其特征在于，所述预处理包括：
通过平稳小波变换对所述心电图数据进行多层小波分解，对细节值进行阈值滤波，通过平稳小波重构以获取降噪后的心电图数据。


5.根据权利要求2所述的方法，其特征在于，所述对经过预处理的心电图数据进行心拍识别以获取多个心拍数据，包括：
对经过预处理的心电图数据中的第一导联的数据，通过平稳小波变换进行多层小波分解，获得分解结果；
对所述分解结果进行特征识别，确定所述第一导联的数据中的R波的波峰的位置；
根据所述第一导联的数据中的R波的波峰的位置，将所述第一导联和/或其他导联的数据分割为多个心拍数据。


6.根据权利要求1所述的方法，其特征在于，所述基于所述多个心拍数据中的至少两个心拍数据生成增广数据包括：
从所述多个心拍数据中确定第一心拍数据和第二心拍数据；
在所述第一心拍数据和第二心拍数据的至少一个导...

【专利技术属性】
技术研发人员：王景峰，黄凯，陈样新，张玉玲，郭思璐，宋日辉，赵宝泽，张恒非，
申请(专利权)人：生物岛实验室，中山大学孙逸仙纪念医院，
类型：发明
国别省市：广东;44