[发明专利]心电图数据处理方法、装置、电子设备及计算机可读介质

权利要求书

1.一种心电图数据处理方法，其特征在于，包括：

获取心电图数据，所述心电图数据包括至少一个导联信号；

通过神经网络模型对所述心电图数据进行处理，获得所述心电图数据的分类结果；其中包括：

对各导联信号进行特征提取，获得所述各导联信号的多尺度特征向量；

根据所述各导联信号的多尺度特征向量确定所述各导联信号的权重；

根据所述各导联信号的所述权重和所述多尺度特征向量确定所述心电图数据的目标特征向量；

通过防过拟合层和全连接层依次对所述目标特征向量进行处理，获得所述心电图数据的分类结果。

2.如权利要求1所述的方法，其特征在于，对各导联信号进行特征提取，获得所述各导联信号的多尺度特征向量，包括：

通过预激活模块对各导联信号进行处理，获得所述各导联信号的激活向量；

通过第一残差模块对所述各导联信号的激活向量进行处理，获得第一尺度特征向量；

通过第二残差模块对所述各导联信号的所述第一尺度特征向量进行处理，获得第二尺度特征向量；

对所述第一尺度特征向量和所述第二尺度特征向量进行拼接，获得所述各导联信号的多尺度特征向量。

3.如权利要求1所述的方法，其特征在于，根据所述各导联信号的多尺度特征向量确定所述各导联信号的权重，包括：

通过激活函数对所述各导联信号的多尺度特征向量进行处理，获得各导联信号的激活特征向量；

对第一向量和所述各导联信号的激活特征向量进行内积运算；

对内积运算结果进行归一化处理，获得所述各导联信号的权重。

4.如权利要求1-3任一项所述的方法，其特征在于，根据所述各导联信号的所述权重和所述多尺度特征向量确定所述心电图数据的目标特征向量，包括：

对所述各导联信号的权重与多尺度特征向量进行加权求和；

通过激活函数对加权求和结果进行处理，获得所述心电图数据的目标特征向量。

5.如权利要求1所述的方法，其特征在于，获取心电图数据包括：

对所述至少一个导联信号进行补全处理，获得具有预定长度的至少一个导联信号；和/或

对所述至少一个导联信号进行截断处理，获得具有预定长度的至少一个导联信号。

6.如权利要求1所述的方法，其特征在于，还包括：

获取训练样本集，所述训练样本集包括心电图数据与分类标注；

通过所述神经网络模型对所述心电图数据进行处理，获得训练分类结果；

通过所述训练分类结果和所述分类标注对所述神经网络模型进行训练，获得训练后的所述神经网络模型。

7.如权利要求6所述的方法，其特征在于，通过所述训练分类结果和所述分类标注对所述神经网络模型进行训练，获得训练后的所述神经网络模型，包括：

通过所述训练分类结果和所述分类标注确定交叉熵损失函数；

根据所述交叉熵损失函数对所述神经网络模型进行训练，获得训练后的所述神经网络模型。

8.一种心电图数据处理装置，其特征在于，包括：

数据获取模块，用于获取心电图数据，所述心电图数据包括至少一个导联信号；

数据处理模块，用于通过神经网络模型对所述心电图数据进行处理，获得所述心电图数据的分类结果；其中包括：

特征提取单元，用于对各导联信号进行特征提取，获得所述各导联信号的多尺度特征向量；

权重计算单元，用于根据所述各导联信号的多尺度特征向量确定所述各导联信号的权重；

特征向量生成单元，用于根据所述各导联信号的所述权重和所述多尺度特征向量确定所述心电图数据的目标特征向量；

分类结果生成单元，用于通过防过拟合层和全连接层依次对所述目标特征向量进行处理，获得所述心电图数据的分类结果。