[发明专利]心电节律模型的训练及检测方法、装置、设备和存储介质

说明书

本发明公开了心电节律模型的训练及检测方法、装置、设备和存储介质。该方法包括：在心电图中确定心拍；从所述心拍中提取波形统计特征、主成分特征与幅度相关特征；将所述波形统计特征、所述主成分特征与所述幅度相关特征组合为心态学特征；对所述心态学特征标记心脏所处的心态学状态；根据所述心态学特征与所述心态学状态训练心电节律模型。通过本方法实现了多维度的采集心拍的特征，将各个维度的特征进行组合，提高了心拍的差异性，提高了判断心脏疾病的可靠性的有益效果。

技术领域

本发明实施例涉及机器学习技术，尤其涉及心电节律模型的训练及检测方法、装置、设备和存储介质。

背景技术

心脏是人体血液循环的动力装置。正是由于心脏自动不断地进行有节奏的收缩和舒张活动，才使得血液在封闭的循环系统中不停地流动，使生命得以维持。心脏在搏动前后，心肌发生激动。在激动过程中，会产生微弱的生物电流。这样，心脏的每一个心动周期均伴随着生物电变化。这种生物电变化可传达到身体表面的各个部位。由于身体各部分组织不同，距心脏的距离不同，心电信号在身体不同的部位所表现出的电位也不同。对正常心脏来说，这种生物电变化的方向、频率、强度是有规律的。若通过电极将体表不同部位的电信号检测出来，再用放大器加以放大，并用记录器描记下来，就可得到心电图。

凭借医生的经验，可以通过观察心电图推测被检测人员是否有心脏疾病以及是何种心脏疾病。为了减轻医生的负担，通常会使用人工智能辅助医生进行判断。在实现本发明的过程中，发明人发现现有技术中至少存在如下问题：采集心电图中单一的部分特征，作为判断心脏疾病的依据，容易造成误判。

发明内容

本发明提供心电节律模型的训练及检测方法、装置、设备和存储介质，以解决采集心电图中的某一部分特征，作为判断心脏疾病的依据具有局限性，对心拍包括的特征分析不完善的问题。

第一方面，本发明实施例提供了一种心电节律模型的训练方法，包括：

在心电图中确定心拍；

从所述心拍中提取波形统计特征、主成分特征与幅度相关特征；

将所述波形统计特征、所述主成分特征与所述幅度相关特征组合为心态学特征；

对所述心态学特征标记心脏所处的心态学状态；

根据所述心态学特征与所述心态学状态训练心电节律模型。

在此基础上，所述从所述心拍中提取波形统计特征、主成分特征与幅度相关特征，包括：

从所述心拍中确定波形特征点；

确定波形特征点的统计数据，所述统计数据包括数量、平均值、最大值、最小值、中位数、方差、偏度、峰度和宽度中的至少一个；

将所述统计数据组合为波形统计特征。

在此基础上，所述从所述心拍中提取波形统计特征、主成分特征与幅度相关特征，包括：

从所述心拍中确定波形特征点；

将所述波形特征点划分至向量集合中；

确定所述波形特征点在所述向量集合中的平均值；

根据所述向量集合以及所述平均值确定所述波形特征点的第一特征向量；

对所述第一特征向量进行线性降维，获得所述波形特征点的主成分特征。

在此基础上，所述从所述心拍中提取波形统计特征、主成分特征与幅度相关特征，包括：

确定目标心拍，所述目标心拍已标记心脏所处的状态；

计算获得所述心拍与所述目标心拍的幅度平方数据，作为幅度相关特征，所述幅度平方数据用于体现输入心拍与目标心拍的相似性。