【技术实现步骤摘要】
本专利技术涉及心电数据处理，尤其涉及一种弱监督异常心拍检测方法及系统。
技术介绍
1、心血管疾病(cardiovascular disease，cvd)是指涉及心脏和血管的一系列病症，它已成为全球范围内主要的致死原因，对公共卫生和医疗体系构成了巨大的挑战。心电图(electrocardiogram，ecg)检测作为一种广泛应用的无创技术，通过记录心脏的电生理活动，为心律失常的诊断提供了重要手段。鉴于心律失常的偶发性特征，长时程的ecg监测显得尤为重要，这使得ecg记录中包含大量的心拍。此外，医院中做ecg监测的患者数量也日益增多，这使得ecg的样本量也大幅增加。因此，逐个心拍的详尽分析显然是费时费力，难以实现的。近年来，深度学习模型在ecg信号辅助分析方面取得了显著进展。研究人员提出了多种高效的深度神经网络模型，用于ecg心拍分类和异常检测。但这些方法通常依赖于精确的心拍级别标注。相较于心拍级别标注，节律级别标注更容易获得，如何基于节律标注实现心拍级分类是亟需解决问题。
2、为应对精确标注数据获取的挑战，近期研究领域已开始探...
【技术保护点】
1.一种弱监督异常心拍检测方法，其特征在于，包含：
2.根据权利要求1所述的弱监督异常心拍检测方法，其特征在于，心电信号预处理包括数据分割阶段、下采样处理阶段和归一化处理阶段；其中，
3.根据权利要求2所述的弱监督异常心拍检测方法，其特征在于，对得到的多尺度数据通过多个残差块得到多个包级别处理特征，之后对包级别处理特征经过门控注意力机制获取权重系数矩阵，具体过程包括：
4.根据权利要求1所述的弱监督异常心拍检测方法，其特征在于，通过权重系数矩阵生成伪标签包括：
5.根据权利要求4所述的弱监督异常心拍检测方法，其特征在于，...
【技术特征摘要】
1.一种弱监督异常心拍检测方法，其特征在于，包含：
2.根据权利要求1所述的弱监督异常心拍检测方法，其特征在于，心电信号预处理包括数据分割阶段、下采样处理阶段和归一化处理阶段；其中，
3.根据权利要求2所述的弱监督异常心拍检测方法，其特征在于，对得到的多尺度数据通过多个残差块得到多个包级别处理特征，之后对包级别处理特征经过门控注意力机制获取权重系数矩阵，具体过程包括：
4.根据权利要求1所述的弱监督异常心拍检测方法，其特征在于，通过权重系数矩阵生成伪标签包括：
5.根据权利要求4所述的弱监督异常心拍检测方...
【专利技术属性】
技术研发人员：王宗敏，黄玮，王宁，汪登兴，刘思畅，谭健，李世华，王海燕，冯盼盼，周兵，
申请(专利权)人：郑州大学，
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。