一种心电图像分类模型构建和分类的方法、装置及系统制造方法及图纸

本发明专利技术公开了一种心电图像分类模型构建和分类的方法、装置及系统，其模型构建方法包括：获取心电信号及其特征分类标签，根据所述心电信号绘制心电图像，构建各个特征分类标签下的心电图数据集；对所述心电图数据集中的心电图像进行预处理，并通过随机分类法将所述心电图数据集分为训练集、验证集和测试集；构建深度神经网络模型，基于所述训练集和验证集对其进行训练优化获得初始心电分类神经网络模型；基于所述测试集对所述初始心电分类神经网络模型进行模型测试，获得目标心电图像分类模型。本发明专利技术通过建立心电图像分类神经网络模型对纸质心电图像实现快速分类。对纸质心电图像实现快速分类。对纸质心电图像实现快速分类。

【技术实现步骤摘要】
一种心电图像分类模型构建和分类的方法、装置及系统


[0001]本专利技术涉及图像分类
，尤其涉及一种心电图像分类模型构建和分类的方法、装置及系统。

技术介绍

[0002]在临床诊断中，心电图是监测病人心脏电活动的主要方法，这使得心电图被广泛应用于疾病诊断、制定治疗计划、档案管理等方面。纸质心电图是将心电图机获取的心电信号打印在热敏纸上得到的，这是医生和患者最常接触到的心电图样式。由于纸张易破碎且热敏纸字迹不稳定、易消退，多数纸质心电图都遭到了不同程度的破坏。而这些纸质心电图是一笔宝贵的财富，可以建立丰富的病例数据库、有助于学者进行科研分析、增加医生临床诊断经验以及支持在线远程诊断等等。因此，很多研究者关注于从纸质心电图中提取心电信号并基于所提取的信号进行相关的分类任务。然而，这些方法存在以下几个问题：心电信号提取的准确性问题。噪音、背景栅格及字迹等因素的干扰会极大地影响到心电信号提取的准确性。目前纸质心电图心电信号提取还需要人工干预。心电信号数值转换问题。从纸质心电图中获取到的曲线是以矩阵的形式存在，而临床上采集的心电信号是由高维向量表示本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种心电图像分类模型构建方法，其特征在于，包括：S1：获取心电信号及其特征分类标签，根据所述心电信号绘制心电图像，构建各个特征分类标签下的心电图数据集；S2：对所述心电图数据集中的心电图像进行预处理，并通过随机分类法将所述心电图数据集分为训练集、验证集和测试集；S3：构建深度神经网络模型，基于所述训练集和验证集对其进行训练优化获得初始心电分类神经网络模型；所述心电分类神经网络模型以心电图像为输入，以所述心电图像特征符合各特征分类标签的概率为输出；S4：基于所述测试集对所述初始心电分类神经网络模型进行模型测试，判断其评价指标是否符合预设评价标准，若是，则获得目标心电图像分类模型。2.根据权利要求1所述的心电图像分类模型构建方法，其特征在于，所述步骤S1具体包括：S11：获取心电信号及其特征分类标签，对所述心电信号其以固定频率进行重采样处理；S12：对所述重采样处理后的心电信号以固定长度进行裁剪处理；S13：对所述裁剪处理后的心电片段进行陷波滤波和带通滤波处理；S14：根据所述滤波处理后的心电片段绘制出心电图像，并根据所述特征分类标签构建各个特征分类标签下的心电图数据集。3.根据权利要求1所述的心电图像分类模型构建方法，其特征在于，所述步骤S2中对所述心电图数据集中的心电图像进行预处理，具体包括：S21：读取心电图像，判断所述心电图像是否为RGB图像；若否，则将所述心电图像转换为RGB图像；S22：从转换后的心电图像中随机裁剪不同大小和高宽比的图像块；S23：将不同大小和高宽比的图像块缩放至固定大小；S24：以预设概率值对所述图像块进行水平翻转处理，并将其类型转化为张量；S25：以预设均值和标准差对心电图像进行归一化操作。4.根据权利要求1所述的心电图像分类模型构建方法，其特征在于，所述步骤S3具体包括：S31：以心电图像为输入，以所述心电图像特征符合各特征分类标签的预测概率为输出构建深度神经网络模型；S32：通过前向传播算法提取所述训练集中心电图像特征，通过所述深度神经网络模型得到预测结果；S33：通过损失函数求得所述训练集的预测结果和实际特征分类标签之间的差异之间的第一损失值；S34：结合基于链式求导法则的反向传播算法和优化算法来对所述深度神经网络模型中的权重参数进行梯度更新；S35：通过验证集对所述深度神经网络模型进行优化，基于损失函数求得所述验证集的预测结果和实际特征分类标签之间的差异之间的第二损失值；
S36：...

【专利技术属性】
技术研发人员：章德云，洪申达，耿世佳，周荣博，俞杰，傅兆吉，鄂雁祺，
申请(专利权)人：合肥心之声健康科技有限公司，
类型：发明
国别省市：