一种心电信号类别检测方法、装置及存储介质制造方法及图纸

本申请公开了一种心电信号类别检测方法、装置及存储介质，所述方法包括：获取待识别心电信号；将待识别心电信号作为至少两个不同类别的心电信号单类检测模型的输入，基于至少两个不同类别的心电信号单类检测模型分别对所述待识别心电信号进行对应类别的心电信号类别初检测，确定心电信号类别初检测结果；将心电信号类别初检测结果作为心电信号类别检测融合模型的输入，基于心电信号类别检测融合模型进行心电信号类别检测，得到心电信号类别检测结果。利用本申请提供的技术方案能够更加精确的提取判别该类别所需的波形特征，且能够融合各类别的心电信号单类检测模型的优势，得到最优的最终识别结果，提升心电信号类别检测的准确性。

【技术实现步骤摘要】
一种心电信号类别检测方法、装置及存储介质
本申请涉及信号分析
，尤其涉及一种心电信号类别检测方法、装置及存储介质。
技术介绍
在实际应用中，需要判别的心电信号种类很多，且各类别的心电特征差异较大，在判别时需要关注的特征也不相同。例如有些类别在判别时既需要关注QRS波群(正常只有几十毫秒)，也需要关注RR间期信息(正常为0.6秒～1秒)；对于另外一些类别，在判别时需要关注PR间期延长是否大于或等于0.2秒；此外还有些类别在判别时则主要需要关注P波的形态方向振幅。随着计算机技术的发展和计算机视觉原理的广泛应用，利用人工智能技术辅助医生进行判断能够大大提升医生的诊断效率，减轻医生的负担，现有技术中在进行心电信号类别检测时主要利用单个深度学习模型来进行多类心电信号类别检测，但由于不同的类别会有不同的心电特征，因此无法同时在多种类别的检测上都取得较好的效果，导致心电信号类别检测的准确性较低，因此需要提供更加可靠的方案。
技术实现思路
为了解决现有技术的问题，本专利技术提供了一种心电信号类别检测方法、装置、计算机设备及存储介质。所述技术方案如下：本申请一方面提供了一种心电信号类别检测方法，所述方法包括：获取待识别心电信号；将所述待识别心电信号作为至少两个不同类别的心电信号单类检测模型的输入，基于所述至少两个不同类别的心电信号单类检测模型分别对所述待识别心电信号进行对应类别的心电信号类别初检测，确定心电信号类别初检测结果；将所述心电信号类别初检测结果作为心电信号类别检测融合模型的输入，基于所述心电信号类别检测融合模型进行心电信号类别检测，得到心电信号类别检测结果；其中，所述心电信号单类检测模型是基于样本待识别心电信号及对应类别的心电信号标注结果进行心电信号类别初检测训练得到的。本申请另一方面提供了一种心电信号类别检测装置，所述装置包括：待识别信号获取模块，用于获取待识别心电信号；心电信号单类检测模块，用于将所述待识别心电信号作为至少两个不同类别的心电信号单类检测模型的输入，基于所述至少两个不同类别的心电信号单类检测模型分别对所述待识别心电信号进行对应类别的心电信号类别初检测，确定心电信号类别初检测结果；心电信号融合检测模块，用于将所述心电信号类别初检测结果作为心电信号类别检测融合模型的输入，基于所述心电信号类别检测融合模型进行心电信号类别检测，得到心电信号类别检测结果；其中，所述心电信号单类检测模型是基于样本待识别心电信号及对应类别的心电信号标注结果进行心电信号类别初检测训练得到的。本申请另一方面提供了一种设备，所述设备包括处理器和存储器，所述存储器中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由所述处理器加载并执行以实现上述的心电信号类别检测方法。本申请另一方面提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由处理器加载并执行以实现上述的心电信号类别检测方法。本申请实施例提供的心电信号类别检测方法、装置、设备及存储介质，具有如下技术效果：本申请实施例通过获取待识别心电信号，将所述待识别心电信号作为至少两个不同类别的心电信号单类检测模型的输入，基于所述至少两个不同类别的心电信号单类检测模型分别对所述待识别心电信号进行对应类别的心电信号类别初检测，确定心电信号类别初检测结果，能够利用对应类别的心电信号单类检测模型对待识别心电信号进行特定类别的心电信号类别初检测，更加精确的提取判别该类别所需的波形特征，有利于提升心电信号类别检测的准确性。且通过将所述心电信号类别初检测结果作为心电信号类别检测融合模型的输入，基于所述心电信号类别检测融合模型进行心电信号类别检测，得到心电信号类别检测结果，能够利用心电信号类别检测融合模型融合各类别的心电信号单类检测模型的优势，得到最优的最终识别结果，提升心电信号类别检测的准确性；避免了利用单模型进行多类心电信号类别检测时准确性不高的问题，有利于提升心电信号类别检测结果的可靠性。本申请实施例的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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它附图。图1是本申请实施例提供的一种心电信号类别检测方法的流程图；图2是本申请实施例提供的另一种心电信号类别检测方法的流程图；图3是本申请实施例提供的另一种心电信号类别检测方法的流程图；图4是本申请实施例提供的一种获取样本心电信号类别初检测结果的流程图；图5是本申请实施例提供的另一种心电信号类别检测方法的流程图；图6是本申请实施例提供的一种对待识别心电信号进行信号切片的示意图；图7是本申请实施例提供的另一种心电信号类别检测方法的流程图；图8是本申请实施例提供的一种心电信号类别检测装置示意图；图9是本申请实施例提供的心电信号类别检测方法的服务器的硬件结构框图。具体实施方式下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。人工智能(ArtificialIntelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术等几大方向，且这些方向是基于机器学习/深度学习技术而发展起来的。近年来，随着人工智能技术研究和进步，人工智能技术在多个领域得到广泛应用，本申请实施例提供的方案涉及人工智能的机器学习/深度学习等技术，具体通过如下实施例进行说明：图1是本申请实施例提供的一种心电信号类别检测方法的流程图，请参照图1，本实施例提供的心电信号类别检测方法包括如下步骤：...

【技术保护点】
1.一种心电信号类别检测方法，其特征在于，所述方法包括：/n获取待识别心电信号；/n将所述待识别心电信号作为至少两个不同类别的心电信号单类检测模型的输入，基于所述至少两个不同类别的心电信号单类检测模型分别对所述待识别心电信号进行对应类别的心电信号类别初检测，确定心电信号类别初检测结果；/n将所述心电信号类别初检测结果作为心电信号类别检测融合模型的输入，基于所述心电信号类别检测融合模型进行心电信号类别检测，得到心电信号类别检测结果；/n其中，所述心电信号单类检测模型是基于样本待识别心电信号及对应类别的心电信号标注结果进行心电信号类别初检测训练得到的。/n

【技术特征摘要】
1.一种心电信号类别检测方法，其特征在于，所述方法包括：
获取待识别心电信号；
将所述待识别心电信号作为至少两个不同类别的心电信号单类检测模型的输入，基于所述至少两个不同类别的心电信号单类检测模型分别对所述待识别心电信号进行对应类别的心电信号类别初检测，确定心电信号类别初检测结果；
将所述心电信号类别初检测结果作为心电信号类别检测融合模型的输入，基于所述心电信号类别检测融合模型进行心电信号类别检测，得到心电信号类别检测结果；
其中，所述心电信号单类检测模型是基于样本待识别心电信号及对应类别的心电信号标注结果进行心电信号类别初检测训练得到的。


2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
在获取待识别心电信号之后，对所述待识别心电信号进行信号切片处理，得到所述待识别心电信号的多个信号片段。


3.根据权利要求2所述的方法，其特征在于，所述心电信号类别检测结果包括所述待识别心电信号的每个信号片段对应的心电信号类别检测结果，所述方法还包括：
基于所述待识别心电信号的每个信号片段对应的心电信号类别检测结果进行类别投票，确定所述待识别心电信号的类别检测结果。


4.根据权利要求1所述的方法，其特征在于，所述将所述待识别心电信号作为至少两个不同类别的心电信号单类检测模型的输入，基于所述至少两个不同类别的心电信号单类检测模型分别对所述待识别心电信号进行对应类别的心电信号类别初检测，确定心电信号类别初检测结果包括：
将所述待识别心电信号作为至少两个不同类别的心电信号单类检测模型的输入，基于所述至少两个不同类别的心电信号单类检测模型分别对所述待识别心电信号进行对应类别的心电信号类别初检测；
提取每个心电信号单类检测模型中预设层数的概率特征；
对所述至少两个不同类别的心电信号单类检测模型中预设层数的概率特征进行特征拼接，将拼接后的概率特征作为所述心电信号类别初检测结果。


5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取样本待识别心电信号及对应类别的心电信号标注结果；
基于所述样本待识别心电信号及对应类别的心电信号标注结果对第一神经网络模型进行对应类别的心电信号类别初检测的训练，在心电信号类别初检测的训练中调整所述第一神经网络模型的模型参数至所述第一神经网络模型的第一损失函数满足第一收敛条件；
将当前的第一神经网络模型作为对应类别的心...

【专利技术属性】
技术研发人员：丁小柳，梁欣然，
申请(专利权)人：上海联影智能医疗科技有限公司，
类型：发明
国别省市：上海;31