【技术实现步骤摘要】
本专利技术涉及信号处理，具体为一种心电信号分类方法、装置、电子设备、介质及产品。
技术介绍
1、心电生理信号是心脏在生理活动中所表现的生理电信号的汇总，是心脏生理电活动的表现，也是心脏健康状况的重要指标之一。对心电生理信号的研究具有深远的科学意义、社会价值和经济价值。
2、心电生理信号的研究具有深远的科学意义、社会价值和经济价值。通过对心电生理信号的监测和分析，可以为预防和治疗心脏疾病提供理论依据和实践手段，提高公众健康意识和社会稳定性，同时创造就业机会和商业价值。
3、现有的ecg信号分类算法主要有自适应分类器、矩阵和张量学习分类器、迁移学习以及深度学习等。其中，深度学习算法是从ecg信号数据中提取特征和训练分类器。理论上深度学习可以实现ecg更有效的特征提取和精度更高的模式分类，但实际中由于ecg信号样本较少，导致训练出的心电信号分类模型精度较差，对心电信号分类的准确性较低。
4、目前，深度学习已在解决分类、聚类、智能决策等问题上取得了优异表现，但是，深度学习技术同时也存在着较明显的缺陷，这种不足...
【技术保护点】
1.一种心电信号分类方法，其特征在于：在将所述待处理的目标心电信号输入心电信号分类模型之前，方法还包括以下步骤：
2.根据权利要求1所述的一种心电信号分类方法，其特征在于：在所述通过有标签的心电信号训练数据对所述教导网络模型进行训练，直到所述教导网络模型收敛，得到训练好的教导网络模型之前，方法还包括以下步骤：
3.根据权利要求2所述的一种心电信号分类方法，其特征在于：所述将无标签的心电信号训练数据输入所述训练好的教导网络模型，根据所述训练好的教导网络模型的输出结果，将所述无标签的心电信号训练数据分为I类数据集与II类数据集，包括以下步骤：>
4.根据权利...
【技术特征摘要】
1.一种心电信号分类方法，其特征在于：在将所述待处理的目标心电信号输入心电信号分类模型之前，方法还包括以下步骤：
2.根据权利要求1所述的一种心电信号分类方法，其特征在于：在所述通过有标签的心电信号训练数据对所述教导网络模型进行训练，直到所述教导网络模型收敛，得到训练好的教导网络模型之前，方法还包括以下步骤：
3.根据权利要求2所述的一种心电信号分类方法，其特征在于：所述将无标签的心电信号训练数据输入所述训练好的教导网络模型，根据所述训练好的教导网络模型的输出结果，将所述无标签的心电信号训练数据分为i类数据集与ii类数据集，包括以下步骤：
4.根据权利要求3所述的一种心电信号分类方法，其特征在于：所述将无标签的心电信号训练数据输入所述训练好的教导网络模型，根据所述教导网络模型的输出结果，将所述无标签的心电信号训练数据分为i类数据集与ii类数据集，包括：
5.根据权利要求4所述的一种心电信号分类方法，其特征在于：所述基于所述有标签的心电信号训练数据、所述i类数据集、所述ii类数据集，对所述学生网络模型进行训练，直到所述学生网络模型收敛且损失函数数值不再降低，得到训练好的学生网络模型，具体包括以下步骤：
6.根据权利要求5所述的...
【专利技术属性】
技术研发人员：赵亮，江旭东，
申请(专利权)人：珠海中科思迈特医疗科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。