心电信号数据分类方法、装置、计算机设备及介质制造方法及图纸

本发明专利技术公开了一种心电信号数据分类方法、装置、计算机设备及介质，包括：获取心电信号数据，对心电信号数据进行显性特征提取，得到第一特征，第一特征包括R波、Q波、S波、P波、T波的波形时限和高度，基于外部注意力的方式，进行深度特征提取，得到第二特征；对第一特征和第二特征进行特征融合，得到融合特征；根据融合特征进行分类，得到分类结果。实现隐式的不同样本之间的关联特征与同一类别的QRS波形特征进行融合，进而进行分类识别，提高心电信号数据分类的准确性。

【技术实现步骤摘要】

本专利技术涉及数据处理领域，尤其涉及一种心电信号数据分类方法、装置、计算机设备及介质。

技术介绍

1、心电图检查是目前诊断心血管疾病最简单有效的方法，具有无创、快速、廉价等优点，因此在临床上得到广泛使用。心电图机通过在人体表面安放电极，采样心脏电信号的变化，并将这种信号放大，按心脏激动的时间顺序记录并绘制下来，医生通过分析机器绘制出的波形，得出相应的诊断。传统的人工心电诊断方式，其准确率极大依赖于医生的职业素养与技能水平，因此，研究一种基于人工智能的常见心电图自动分类方法，具有重要的意义。

2、现有方式中，一般利用离散小波变换、线性预测模型等方法提取在人工诊断中需要参考的特征，如pr间期、pp间期、rr间期、波峰点等等，之后通过支持向量机（supportvector machine，svm）或随机森林（random forest,rf）等分类器对心电信号进行分类。mohamed hammad模拟了ecg信号的特性，并根据这些特性采用13个神经网络（nn）分类器、99个支持向量机（svm）分类器和k-最近邻（knn）分类器对心电信号进行分类，在正本文档来自技高网...

【技术保护点】

1.一种心电信号数据分类方法，其特征在于，包括：

2.如权利要求1所述的心电信号数据分类方法，其特征在于，所述获取心电信号数据包括：

3.如权利要求1所述的心电信号数据分类方法，其特征在于，所述对所述心电信号数据进行显性特征提取，得到第一特征包括：

4.如权利要求1所述的心电信号数据分类方法，其特征在于，采用多头外部注意力网络进行深度特征提取，在所述多头外部注意力网络的归一化层中，采用归一化指数函数softmax和范数进行归一化。

5.一种心电信号数据分类装置，其特征在于，所述心电信号数据分类装置包括：

6.如权利要求5所述的心...

【技术特征摘要】

1.一种心电信号数据分类方法，其特征在于，包括：

2.如权利要求1所述的心电信号数据分类方法，其特征在于，所述获取心电信号数据包括：

3.如权利要求1所述的心电信号数据分类方法，其特征在于，所述对所述心电信号数据进行显性特征提取，得到第一特征包括：

4.如权利要求1所述的心电信号数据分类方法，其特征在于，采用多头外部注意力网络进行深度特征提取，在所述多头外部注意力网络的归一化层中，采用归一化指数函数softmax和范数进行归一化。

5.一种心电信号数据分类装置，其特征在于，所述心电信号数据分类装置包括：

【专利技术属性】
技术研发人员：周新民，薛润梁，李小龙，杨健，刘珂瑜，
申请(专利权)人：湘江实验室，
类型：发明
国别省市：