【技术实现步骤摘要】
本专利技术涉及深度学习，特别是涉及一种心电图数据识别方法、装置、设备及介质。
技术介绍
1、心电图是对各种心脏疾病进行判断的必备工具。传统的诊断方法是通过人工分析心电信号，凭借临床经验来诊断病症。但在面对庞大且复杂的心电图数据时，人工诊断通常会受到主观因素的影响，造成误诊情况，同时缺乏实时性，耽误治病的最佳机会。心电图的智能识别不但能减轻医务人员的工作量，而且还能有效提高诊断病情的准确率和效率。因此，心电信号自动识别具有重要应用意义。
2、当前，心电信号自动识别有两种方法，一种是传统方法，主要基于心电信号的固有特征（如波段特征等）进行判定，这种方法比较复杂，需要专业知识和经验。另一种是基于深度学习的方法，可以实现端到端的检测。但是基于深度学习的心电信号检测方法大多神经网络结构复杂，计算量和参数量大，难以部署到小型可穿戴设备上，实现长时间的实时心电信号检测。
3、可见，如何减少神经网络的计算量和参数来降低功耗和降低对硬件资源的需求，实现心电信号智能检测网络在低功耗硬件的上的部署应用，是本领域技术人员需要解决的问题。
【技术保护点】
1.一种心电图数据识别方法，其特征在于，包括：
2.根据权利要求1所述的心电图数据识别方法，其特征在于，所述收集心电信号数据，基于所述心电信号数据确定目标心电图数据，包括：
3.根据权利要求1所述的心电图数据识别方法，其特征在于，所述利用量化后部署在可穿戴设备上的心电图识别神经网络对所述目标心电图数据进行识别之前，还包括：
4.根据权利要求3所述的心电图数据识别方法，其特征在于，所述利用量化后部署在可穿戴设备上的心电图识别神经网络对所述目标心电图数据进行识别之前，还包括：
5.根据权利要求4所述的心电图数据识别方法，其特...
【技术特征摘要】
1.一种心电图数据识别方法，其特征在于，包括：
2.根据权利要求1所述的心电图数据识别方法，其特征在于，所述收集心电信号数据，基于所述心电信号数据确定目标心电图数据，包括：
3.根据权利要求1所述的心电图数据识别方法，其特征在于，所述利用量化后部署在可穿戴设备上的心电图识别神经网络对所述目标心电图数据进行识别之前，还包括：
4.根据权利要求3所述的心电图数据识别方法，其特征在于，所述利用量化后部署在可穿戴设备上的心电图识别神经网络对所述目标心电图数据进行识别之前，还包括：
5.根据权利要求4所述的心电图数据识别方法，其特征在于，所述利用反向传播算法在深度学习服务器上基于所述增强后数据对所述初始心电图识别神经网络进行训练，以获取所述心电图识别神经网络之后，还包...
【专利技术属性】
技术研发人员：李国庆，李仁刚，陈志强，李拓，王长红，
申请(专利权)人：山东云海国创云计算装备产业创新中心有限公司，
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。