[发明专利]基于深度学习的心搏定位分类方法、系统、介质及设备

权利要求书

1.一种基于深度学习的心搏定位分类方法，其特征在于，包括：

获取待检测的心电信号；

对所述待检测的心电信号进行预处理；

将预处理后的心电信号进行切分，确定心电数据集；

获取心搏定位分类模型；

将所述心电数据集输入所述心搏定位分类模型，确定所述待检测的心电信号的心搏顶点位置和心搏类别。

2.根据权利要求1所述的基于深度学习的心搏定位分类方法，其特征在于，所述预处理包括：去噪处理和数据归一化处理。

3.根据权利要求1所述的基于深度学习的心搏定位分类方法，其特征在于，所述获取心搏定位分类模型之前，所述方法还包括训练心搏定位分类模型。

4.根据权利要求3所述的基于深度学习的心搏定位分类方法，其特征在于，所述训练心博定位分类模型包括：

采集样本心电信号；

对所述样本心电信号进行预处理；

将预处理后的样本心电信号进行切分，确定样本心电数据集，所述样本心电数据集包含心搏顶点利用位置标记和心搏类别标记；

利用特征提取网络对所述样本心电数据集进行特征提取；

利用所述提取的特征对心搏定位分类模型进行训练，确定所述心搏定位分类模型。

5.根据权利要求4所述的基于深度学习的心搏定位分类方法，其特征在于，所述利用特征提取网络对所述样本心电数据集进行特征提取，包括：

利用卷积神经网络提取所述样本心电数据集的形态特征；

利用transformer网络提取所述样本心电数据集的节律特征。

6.根据权利要求4所述的基于深度学习的心搏定位分类方法，其特征在于，所述训练心博定位分类模型，包括建立目标数据集作为所述心搏定位分类模型的优化目标，包括：

将预处理后的样本心电信号进行一定数量的等分；

确定等分后的每个等分区域内的数据中是否含有心搏；

获取含有心搏的等分区域的心搏顶点位置和心搏类别；

将含有心搏的等分区域的心搏顶点位置进行归一化；

将含有心搏的等分区域的心搏类性进行one-hot编码；

将含有心搏的等分区域的归一化后的心搏顶点位置和one-hot编码后的心搏类别进行数据拼接，得到所述目标数据集。

7.根据权利要求3所述的基于深度学习的心搏定位分类方法，其特征在于，所述预处理包括：去噪处理和数据归一化处理。

8.一种基于深度学习的心搏定位分类系统，其特征在于，包括：

信号获取模块，用于获取待检测的心电信号；

预处理模块，用于对所述待检测的心电信号进行预处理；

心电数据集确定模块，用于将预处理后的心电信号进行切分，确定心电数据集；

心搏定位分类模型确定模块，用于训练并确定心搏定位分类模型；

心搏定位分类模块，用于根据所述心电数据集和所述心搏定位分类模型，确定所述待检测的心电信号的心搏顶点位置和心搏类别。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述基于深度学习的心搏定位分类方法。

10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述基于深度学习的心搏定位分类方法的步骤。