[发明专利]心电信号的处理方法、装置及终端设备

权利要求书

1.一种心电信号的处理方法，其特征在于，所述处理方法包括：

获取待分析的心电信号，对所述心电信号进行预处理，得到所述心电信号对应的张量；

对所述张量进行多尺度重采样得到多个预设尺度的心电数据；

将所述心电数据输入已训练的分类模型进行处理，得到所述心电信号所属的心电信号类型，其中，所述分类模型基于多个样本心电数据以及每个样本心电数据对应的分类标签对深度学习网络进行训练得到，所述分类模型包括卷积神经网络、循环神经网络以及分类器，在训练过程中，所述分类模型的卷积神经网络用于对多个样本心电数据进行特征提取，所述循环神经网络用于对所述卷积神经网络提取的特征信息进行融合，所述分类器用于对融合后的特征信息进行分类，得到样本心电数据对应的分类结果。

2.根据权利要求1所述的处理方法，其特征在于，所述将所述心电数据输入已训练的分类模型进行处理，得到所述心电信号所属的心电信号类型，包括：

通过所述已训练的分类模型中的所述卷积神经网络对每个预设尺度的所述心电数据进行特征提取，得到每个预设尺度的所述心电数据对应的特征信息；

将每个预设尺度的所述心电数据对应的特征信息输入所述循环神经网络进行特征融合，得到多尺度融合后的特征信息；

通过所述分类器对所述融合后的特征信息进行分类处理，得到所述心电信号所属的心电信号类型。

3.根据权利要求2所述的处理方法，其特征在于，每个预设尺度的所述心电数据对应的特征信息包括第一特征信息和第二特征信息，所述第一特征信息的抽象程度小于所述第二特征信息的抽象程度，所述卷积神经网络包括第一数量的第一卷积层和第二数量的第二卷积层；

所述通过所述已训练的分类模型中的所述卷积神经网络对每个预设尺度的所述心电数据进行特征提取，得到每个预设尺度的所述心电数据对应的特征信息，包括：

通过所述卷积神经网络中的第一卷积层，对每个预设尺度的所述心电数据进行特征提取，得到每个预设尺度的所述心电数据对应的第一特征信息；

通过所述卷积神经网络的所述第二卷积层，对每个预设尺度的所述心电数据对应的所述第一特征信息进行特征提取，得到每个预设尺度的所述心电数据对应的第二特征信息。

4.根据权利要求3所述的处理方法，其特征在于，所述将每个预设尺度的所述心电数据对应的所述特征信息输入所述循环神经网络进行特征融合，得到多尺度融合后的特征信息，包括：

通过所述循环神经网络对每个预设尺度的所述心电数据对应的第一特征信息进行融合，得到多个预设尺度的第一融合特征信息；

通过所述循环神经网络对每个预设尺度的所述心电数据对应的第二特征信息进行融合，得到多个预设尺度的第二融合特征信息；

通过所述循环神经网络对所述第一融合特征信息和所述第二融合特征信息进行进一步融合，得到对应的多尺度的融合后的特征信息。

5.根据权利要求2所述的处理方法，其特征在于，所述已训练的分类模型的训练过程，包括：

获取多个样本心电信号以及每个样本心电信号对应的分类标签，对每个所述样本心电信号进行预处理，得到每个所述样本心电信号对应的样本张量；

对所述样本张量进行多尺度重采样得到多个预设尺度的样本心电数据；

通过所述深度学习网络中的卷积神经网络对每个预设尺度的所述样本心电数据进行特征提取，得到每个预设尺度的所述样本心电数据对应的样本特征信息；

将每个预设尺度的所述样本心电数据对应的所述样本特征信息输入所述循环神经网络进行特征融合，得到多尺度的融合后的样本特征信息；

通过所述分类器对所述融合后的样本特征信息进行分类处理，得到每个所述样本心电信号所属的样本心电信号类型；

基于每个所述样本心电信号所属的样本心电信号类型，以及每个所述样本心电信号对应的分类标签对所述深度学习网络进行迭代训练，得到所述已训练的分类模型。