[发明专利]心电信号处理系统、方法、电子设备及可读存储介质

权利要求书

1.一种心电信号处理系统，其特征在于，所述系统包括：存储模块、预处理器和心搏分类器，所述存储模块与所述预处理器连接，所述预处理器与所述心搏分类器连接，所述预处理器包括去噪模块、分割模块和全局特征提取模块；

所述存储模块，用于存储原始心电信号；

所述去噪模块，用于从所述存储模块中读取所述原始心电信号并对所述原始心电信号进行去噪处理，得到去噪后的心电信号；

所述分割模块，用于对所述去噪后的心电信号进行心搏分割，得到多个心搏；

所述全局特征提取模块，用于对所述去噪后的心电信号进行全局特征提取，得到每个心搏的全局特征；

所述心搏分类器，用于根据所述多个心搏以及其对应的全局特征，使用心搏分类模型分别对每个心搏进行分类，得到每个心搏属于每一类的预测概率。

2.根据权利要求1所述的系统，其特征在于，所述心搏分类模型包括卷积层、激活函数层、池化层、第一全连接层、第二全连接层、第三全连接层和softmax层；所述心搏分类器包括：

特征表示模块，用于通过卷积层、激活函数层和池化层对每个心搏进行特征提取，得到每个心搏的多个特征表示；

特征压缩和拼接模块，用于通过所述第一全连接层对所述每个心搏的多个特征表示进行压缩，得到每个心搏的紧密特征表示，并与对应心搏的所述全局特征进行拼接，得到每个心搏的拼接特征；

变换模块，用于通过所述第二全连接层对所述每个心搏的拼接特征进行变换，得到每个心搏的变换特征；

对齐和识别模块，用于通过所述第三全连接层和softmax层对所述变换特征进行对齐和识别，得到所述每个心搏属于每一类的概率。

3.根据权利要求2所述的系统，其特征在于，所述系统还包括模型训练器，所述模型训练器与心搏分类器连接，所述模型训练器包括：

样本获取和预处理模块，用于获取多段原始心电信号样本并对所述多段原始心电信号样本进行预处理，得到多个心搏样本，其中，所述多段原始心电信号样本为二导联动态心电图样本；

样本分类模块，用于将所述多个心搏样本分为预训练集和微调集；

预训练模块，用于使用所述预训练集对预设模型进行预训练，得到基准分类模型；

主动学习模块，用于使用所述微调集对所述基准分类模型进行主动学习与模型微调，得到所述心搏分类模型。

4.根据权利要求3所述的系统，其特征在于，所述预训练模块包括：

调参子模块，用于将所述预训练集采用交叉验证的方式对预设模型进行调参，确定预设模型的超参数和模型规模；

预训练子模块，用于使用所述预训练集对已设定所述超参数和所述模型规模的预设模型进行预训练，得到基准分类模型。

5.根据权利要求3所述的系统，其特征在于，所述主动学习模块包括：

第一微调集分类子模块，用于采用基于不确定性采样的方法对所述微调集进行采样，得到第一主动训练样本，并将所述第一主动训练样本分为第一微调子集和第一评估子集；

第一主动学习子模块，用于采用所述第一微调子集对所述基准分类模型进行多轮主动学习与模型微调；

第一评估和确定子模块，用于采用所述第一评估子集对每一轮主动学习与模型微调后的基准分类模型进行性能评估，直至误差值在预设轮数内均不再下降，停止所述主动学习与模型微调，将误差值最小的那一轮所对应的基准分类模型确定为所述心搏分类模型。

6.根据权利要求3所述的系统，其特征在于，所述主动学习模块包括：

第二微调集分类子模块，用于采用基于委员会的方法对所述微调集进行采样，得到第二主动训练样本，并将所述第二主动训练样本分为微调子集和评估子集；其中，所述预设模型的第一全连接层和第二全连接层均引入Dropout层，采用所述Dropout层产生委员会；

第二主动学习子模块，用于采用所述第二微调子集对所述基准分类模型进行多轮主动学习与模型微调；

第二评估和确定子模块，用于采用所述评估子集对每一轮主动学习与模型微调后的基准分类模型进行性能评估，直至误差值在预设轮数内均不再下降，停止所述主动学习与模型微调，将误差值最小的那一轮所对应的基准分类模型确定为所述心搏分类模型。