【技术实现步骤摘要】
本专利技术涉及医学一维信号处理，特别涉及一种基于pca-bls的多导联心率失常识别方法、装置、电子设备、存储介质。
技术介绍
1、现有技术中，常用12导联心电图对心脏疾病进行检查，从而发现心律失常等失常性疾病，但现有技术多为单导联单心拍处理，对于失常性疾病诊断缺少导联间和相邻心拍相关特征，导致对失常性疾病的分类准确率较低。
技术实现思路
1、本专利技术旨在至少解决现有技术中存在的技术问题之一。为此，本专利技术提出一种基于pca-bls的多导联心率失常识别方法、装置、电子设备、存储介质，能够提高失常性疾病分类的准确性。
2、第一方面，本专利技术实施例提供了一种基于pca-bls的多导联心率失常识别方法，包括:
3、通过心电信号采集设备获取十二导联心电数据，对所述十二导联心电数据进行分割处理，获取多个待处理心电序列、多个心电标签和心拍输入信息；
4、对多个所述待处理心电序列进行预处理操作，获取多个心电序列，将多个所述心电序列和多个所述心电标签分割为训练集和测试集，其中，所述预处理操作至少包括标准化处理和矩阵化处理；
5、将所述训练集输入至预设的pca-bls网络模型中进行训练，获取训练好的pca-bls网络模型；
6、将所述测试集输入至训练好的所述pca-bls网络模型，获取输出分类结果。
7、在本专利技术的一些实施例中，所述通过心电信号采集设备获取十二导联心电数据，包括：
8、通过多导联心电信号采集设
9、对所述心电采样数据进行标注，获取标注采样数据，对所述标注采样数据进行心律失常分类，其中，多个所述样本的记录时长至少为十秒。
10、在本专利技术的一些实施例中，所述对所述十二导联心电数据进行分割处理，包括：
11、获取所述心电序列的波峰位置，对所述波峰位置进行标注，获取所述波峰位置的波峰标签；
12、选取所述波峰位置之前的多个第一采样点和所述波峰位置之后的第二采样点；
13、将多个所述第一采样点和多个所述第二采样点进行集成处理，获取波峰位置集合，其中，所述波峰位置集合为所述pca-bls的心拍输入信息。
14、在本专利技术的一些实施例中，所述对所述待处理心电序列进行预处理操作，包括：
15、对所述心拍输入信息进行转换，获取所述心拍输入信息的均值和标准差；
16、根据所述心拍输入信息、所述均值和所述标准差计算所述心拍输入信息的标准化结果。
17、在本专利技术的一些实施例中，所述将多个所述心电序列和多个所述心电标签分割为训练集和测试集，包括：
18、获取多个心律失常分类标签，通过与所述心电序列相对应的所述心律失常分类标签对多个所述心电序列进行标注，获取标注心电序列；
19、对同一类别的所述心电序列和所述标注心电序列进行随机分类，获取第一分类数据和第二分类数据，其中，所述第一分类数据的数量大于所述第二分类数据的数量，所述第一分类数据和所述第二分类数据的应用主体不相同。
20、在本专利技术的一些实施例中，所述将所述训练集输入至预设的pca-bls网络模型中进行训练，包括：
21、构建pca卷积模块，获取所述pca卷积模块的多个样本矩阵；
22、对所述样本矩阵中的每个中点进行块采样，获取多个采样块，对每个所述采样块进行取均值操作，将多个所述采样块重构为采样向量；
23、获取所述采样向量的协方差矩阵和所述协方差矩阵的特征向量，根据所述协方差矩阵和所述特征向量计算所述pca卷积模块的卷积核；
24、根据所述卷积核和所述样本矩阵和所述卷积核获取所述采样块的输出值。
25、在本专利技术的一些实施例中，所述将所述测试集输入至训练好的所述pca-bls网络模型，获取输出分类结果，包括：
26、根据所述心电标签和所述输出分类结果计算所述的分类结果的准确率；
27、根据所述准确率获取所述输出分类结果的总体准确度和样本分类准确度；
28、获取所述输出分类结果的曲线下面积值，通过所述曲线下面积值、所述总体准确度和所述样本分类准确度确定所述输出分类结果的不平衡分类效果。
29、第二方面，本专利技术实施例提供了一种基于pca-bls的多导联心率失常识别装置，包括少一个控制处理器和用于与所述至少一个控制处理器通信连接的存储器；所述存储器存储有可被所述至少一个控制处理器执行的指令，所述指令被所述至少一个控制处理器执行，以使所述至少一个控制处理器能够执行如上述第一方面所述的基于pca-bls的多导联心率失常识别方法。
30、第三方面，本专利技术实施例提供了一种电子设备，包括有如上述第二方面所述的基于pca-bls的多导联心率失常识别装置。
31、第四方面，本专利技术实施例提供了一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行如上述第一方面所述的基于pca-bls的多导联心率失常识别方法。
32、根据本专利技术实施例的基于pca-bls的多导联心率失常识别方法，至少具有如下有益效果：
33、通过心电信号采集设备获取十二导联心电数据，对十二导联心电数据进行分割处理，获取多个待处理心电序列、多个心电标签和心拍输入信息；对多个待处理心电序列进行预处理操作，获取多个心电序列，将多个心电序列和多个心电标签分割为训练集和测试集，其中，预处理操作至少包括标准化处理和矩阵化处理；将训练集输入至预设的pca-bls网络模型中进行训练，获取训练好的pca-bls网络模型；将测试集输入至训练好的pca-bls网络模型，获取输出分类结果。通过多导联心拍处理将多个心电序列和多个心电标签分割为训练集和测试集，通过预设的pca-bls网络模型进行训练，将测试集输入训练好的pca-bls网络模型中获取输出分类结果，用轻量级网络提高心律失常心拍序列的分类准确率。
本文档来自技高网...【技术保护点】
1.一种基于PCA-BLS的多导联心率失常识别方法，其特征在于，包括：
2.根据权利要求1所述的基于PCA-BLS的多导联心率失常识别方法，其特征在于，所述通过心电信号采集设备获取十二导联心电数据，包括：
3.根据权利要求1所述的基于PCA-BLS的多导联心率失常识别方法，其特征在于，所述对所述十二导联心电数据进行分割处理，包括：
4.根据权利要求1所述的基于PCA-BLS的多导联心率失常识别方法，其特征在于，所述对所述待处理心电序列进行预处理操作，包括：
5.根据权利要求1所述的基于PCA-BLS的多导联心律失常识别方法，其特征在于，所述将多个所述心电序列和多个所述心电标签分割为训练集和测试集，包括：
6.根据权利要求1所述的基于PCA-BLS的多导联心率失常识别方法，其特征在于，所述将所述训练集输入至预设的PCA-BLS网络模型中进行训练，包括：
7.根据权利要求1所述的基于PCA-BLS的多导联心率失常识别方法，其特征在于，所述将所述测试集输入至训练好的所述PCA-BLS网络模型，获取输出分类结果，包括
8.一种基于PCA-BLS的多导联心率失常识别装置，其特征在于，包括至少一个控制处理器和用于与所述至少一个控制处理器通信连接的存储器；所述存储器存储有可被所述至少一个控制处理器执行的指令，所述指令被所述至少一个控制处理器执行，以使所述至少一个控制处理器能够执行如权利要求1至7任一项所述的基于PCA-BLS的多导联心率失常识别方法。
9.一种电子设备，其特征在于，包括权利要求8所述的基于PCA-BLS的多导联心率失常识别装置。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如权利要求1至7任一项所述的基于PCA-BLS的多导联心率失常识别方法。
...【技术特征摘要】
1.一种基于pca-bls的多导联心率失常识别方法，其特征在于，包括：
2.根据权利要求1所述的基于pca-bls的多导联心率失常识别方法，其特征在于，所述通过心电信号采集设备获取十二导联心电数据，包括：
3.根据权利要求1所述的基于pca-bls的多导联心率失常识别方法，其特征在于，所述对所述十二导联心电数据进行分割处理，包括：
4.根据权利要求1所述的基于pca-bls的多导联心率失常识别方法，其特征在于，所述对所述待处理心电序列进行预处理操作，包括：
5.根据权利要求1所述的基于pca-bls的多导联心律失常识别方法，其特征在于，所述将多个所述心电序列和多个所述心电标签分割为训练集和测试集，包括：
6.根据权利要求1所述的基于pca-bls的多导联心率失常识别方法，其特征在于，所述将所述训练集输入至预设的pca-bls网络模型中进行训练，包括：
<...【专利技术属性】
技术研发人员：司玉娟，张宇，冯建超，韦沅伯，吕媛媛，王敬博，郎六琪，
申请(专利权)人：珠海科技学院，
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。