多导联心电图信号处理方法、装置、设备及存储介质制造方法及图纸

本发明专利技术涉及人工智能技术领域，应用于智慧医疗领域，公开了一种多导联心电图信号处理方法、装置、设备及存储介质，用于提高心电信号提取的准确性和丰富性。多导联心电图信号处理方法包括：获取待处理的多导联心电图信号，待处理的多导联心电图信号用于指示目标对象的心脏检测信息；对待处理的多导联心电图信号进行数据预处理，得到处理后的心电图数据；对处理后的心电图数据进行数据分帧处理，得到多维导联通道心电数据；通过融合双重注意力机制的深度神经网络模型对多维导联通道心电数据进行特征提取和特征聚合处理，得到目标心电特征数据。此外，本发明专利技术还涉及区块链技术，目标心电特征数据可存储于区块链节点中。征数据可存储于区块链节点中。征数据可存储于区块链节点中。

【技术实现步骤摘要】
多导联心电图信号处理方法、装置、设备及存储介质


[0001]本专利技术涉及人工智能的神经网络
，尤其涉及一种多导联心电图信号处理方法、装置、设备及存储介质。

技术介绍

[0002]心脏疾病是威胁我们身体健康的主要元凶之一，心电图是心脏疾病检测的重要方法。心电图是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的技术，心电图展示了心率的健康状况，通过心电图检测普通用户的心率异常情况。
[0003]在医疗人工智能领域，心电图自动化分析方法主要包括对p波，qrs波等典型波形和波段的手工特征提取以及一些深度学习分类网络的特征提取和心电数据分类。目前大多数使用卷积网络(CNN)训练多导联心电图数据实现心电图自动化分析，由于CNN中卷积层受到感受野的限制从而导致对长信号上下文信息的限制，并且忽略了心电信号多通道之间的通道相关性，导致心电信号提取的准确性低。

技术实现思路

[0004]本专利技术提供了一种多导联心电图信号处理方法、装置、设备及存储介质，用于提高心电信号提取的准确性和丰富性。
[0005]为实现上述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多导联心电图信号处理方法，其特征在于，所述多导联心电图信号处理方法包括：获取待处理的多导联心电图信号，所述待处理的多导联心电图信号用于指示目标对象的心脏检测信息；对所述待处理的多导联心电图信号进行数据预处理，得到处理后的心电图数据；对所述处理后的心电图数据进行数据分帧处理，得到多维导联通道心电数据；通过融合双重注意力机制的深度神经网络模型对所述多维导联通道心电数据进行特征提取和特征聚合处理，得到目标心电特征数据。2.根据权利要求1所述的多导联心电图信号处理方法，其特征在于，所述对所述待处理的多导联心电图信号进行数据预处理，得到处理后的心电图数据，包括：通过预设的带通滤波器对所述待处理的多导联心电图信号进行去除噪声，得到已去噪声心电图数据；对所述已去噪声心电图数据消除基线漂移，得到处理后的心电图数据。3.根据权利要求1所述的多导联心电图信号处理方法，其特征在于，所述对所述处理后的心电图数据进行数据分帧处理，得到多维导联通道心电数据，包括：对所述处理后的心电图数据进行长度统计，得到目标数据长度；获取帧长和帧数，对所述目标数据长度与所述帧长进行差值运算，得到目标差值；基于所述目标差值和所述帧数确定帧移，基于所述帧移、所述帧长和所述帧数确定多维导联通道心电数据。4.根据权利要求1所述的多导联心电图信号处理方法，其特征在于，所述通过融合双重注意力机制的深度神经网络模型对所述多维导联通道心电数据进行特征提取和特征聚合处理，得到目标心电特征数据，包括：通过融合双重注意力机制的深度神经网络模型中残差网络层，对所述多维导联通道心电数据进行特征提取，得到初始心电局部特征数据；基于所述融合双重注意力机制的深度神经网络模型中双重注意力网络层，对所述初始心电局部特征数据进行特征深层处理，得到初始心电全局特征数据，所述双重注意力网络层包括跨通道注意力机制和全局深度注意力机制；通过所述融合双重注意力机制的深度神经网络模型中全连接网络层，对所述初始心电全局特征数据进行特征聚合处理，得到目标心电特征数据。5.根据权利要求1
‑
4中任意一项所述的多导联心电图信号处理方法，其特征在于，在所述获取待处理的多导联心电图信号，所述待处理的多导联心电图信号用于指示目标对象的心脏检测信息之前，所述多导联心电图信号处理方法包括：获取初始多导联心电图样本数据，并对所述初始多导联心电图样本数据进行数据预处理，得到目标多导联心电图样本数据；按照预设比例对所述目标多导联心电图样本数据进行比例划分，得到多导联心电图训练集、多导联心电图验证集和多导联心电图测试集；基于所述多导联心电图训练集、所述多导联心电图验证集和所述多导联心电图测试集对初始混合...

【专利技术属性】
技术研发人员：张楠，王健宗，瞿晓阳，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：