[发明专利]心电数据的分类处理方法、装置、存储介质及计算机设备

权利要求书

1.一种心电数据的分类处理方法，其特征在于，所述方法包括：

获取待测用户的单导联心电数据，并根据所述单导联心电数据，通过预训练的单导联心电数据处理模型，得到单导联心电数据的分类预测概率；

根据所述单导联心电数据的分类预测概率，对所述单导联心电数据进行分类处理，得到单导联心电数据的分类结果，其中，所述单导联心电数据的分类结果包括第一分类结果、第二分类结果和第三分类结果；

当所述单导联心电数据的分类结果为第二分类结果时，获取待测用户的多导联心电数据，并根据所述多导联心电数据，通过预训练的多导联心电数据处理模型，得到多导联心电数据的分类预测概率；

根据所述多导联心电数据的分类预测概率，对所述多导联心电数据进行分类处理，得到多导联心电数据的分类结果，其中，所述多导联心电数据的分类结果包括第一分类结果和第三分类结果；

其中，所述根据所述单导联心电数据的分类预测概率，对所述单导联心电数据进行分类处理，得到单导联心电数据的分类结果，包括：

将所述单导联心电数据的分类预测概率分别与预设的第一阈值和第二阈值进行比较；

当所述单导联心电数据的分类预测概率低于所述第一阈值时，将所述单导联心电数据划分为第一分类结果；

当所述单导联心电数据的分类预测概率不低于所述第一阈值且低于所述第二阈值时，将所述单导联心电数据划分为第二分类结果；

当所述单导联心电数据的分类预测概率不低于所述第二阈值时，将所述单导联心电数据划分为第三分类结果；

其中，所述第一分类结果或所述第三分类结果为确定的分类结果，通过所述第一分类结果或所述第三分类结果可获取所述单导联心电数据准确的分类信息，所述第二分类结果为不确定的分类结果，需要通过进一步获取更多的导联以对心电数据进行判断。

2.根据权利要求1所述的方法，其特征在于，所述根据所述单导联心电数据，通过预训练的单导联心电数据处理模型，得到单导联心电数据的分类预测概率，包括：

对所述单导联心电数据进行特征提取，得到所述单导联心电数据的特征向量；

将所述单导联心电数据的特征向量输入到所述单导联心电数据处理模型中，得到所述单导联心电数据的分类预测概率，其中，所述分类预测概率为单个分类标签的预测概率或多个分类标签的多个预测概率。

3.根据权利要求1所述的方法，其特征在于，所述根据所述多导联心电数据，通过预训练的多导联心电数据处理模型，得到多导联心电数据的分类预测概率，包括：

对所述多导联心电数据中的每一导联心电数据进行特征提取，得到所述多导联心电数据中的每一导联心电数据的特征向量；

对所述多导联心电数据中的每一导联心电数据的特征向量进行拼接，得到所述多导联心电数据的特征向量组合；

将所述多导联心电数据的特征向量组合输入到所述多导联心电数据处理模型中，得到所述多导联心电数据的分类预测概率，其中，所述分类预测概率为单个分类标签的预测概率或多个分类标签的多个预测概率。

4.根据权利要求1所述的方法，其特征在于，所述根据所述多导联心电数据的分类预测概率，对所述多导联心电数据进行分类处理，得到多导联心电数据的分类结果，包括：

将所述多导联心电数据的分类预测概率与预设的第三阈值进行比较；

当所述多导联心电数据的分类预测概率低于所述第三阈值时，将所述多导联心电数据划分为所述第一分类结果；

当所述多导联心电数据的分类预测概率不低于所述第三阈值时，将所述多导联心电数据划分为所述第三分类结果。

5.根据权利要求1-4任一项所述的方法，其特征在于，所述单导联心电数据处理模型的训练方法，包括：

获取多个单导联心电数据样本，其中，每个所述单导联心电数据样本包括至少一个分类标签；

根据所述多个单导联心电数据样本，构建第一卷积神经网络和第一多层感知机模型；

将所述多个单导联心电数据样本分别输入到所述第一卷积神经网络中，得到每个所述单导联心电数据样本的特征向量；

以多个所述单导联心电数据样本的特征向量为输入，以多个所述单导联心电数据样本的分类标签为输出，对所述第一卷积神经网络和所述第一多层感知机模型进行同步迭代训练，得到所述单导联心电数据处理模型。