[发明专利]基于人工智能的心电图心搏自动识别分类方法

权利要求书

1.一种基于人工智能的心电图心搏自动识别分类方法，其特征在于，所述方法包括：

处理接收到的原始心电图数字信号，生成心搏时间序列数据和导联心搏数据；

根据心搏时间序列数据，以设定数据量对导联心搏数据进行切割生成导联的心搏分析数据；

将导联的心搏分析数据进行数据组合，得到一维心搏分析数组；

根据一维心搏分析数组，进行数据维度扩增转换，得到四维张量数据；

将四维张量数据输入到训练好的LepuEcgCatNet心搏分类模型，得到所述心搏分析数据所对应的心搏分类信息；

所述一维心搏分析数组，进行数据维度扩增转换，得到四维张量数据具体包括：

将所述一维心搏分析数组以特定转换方式转换成所述训练得到的心搏分类模型所要求的一个四维张量数据输入格式；所述四维张量数据具有四个因子，分别为高度数据、宽度数据、通道数据和批量数据；

其中，所述特定转换方式具体为：

按照输入样本的长度确定高度数据和宽度数据，根据所述高度数据或宽度数据或者通道数据生成融合数据；其中所述通道数据为导联的数量；

根据批量数据和融合数据生成一个四维张量数据；所述批量数据为输入样本的数量。

2.根据权利要求1所述的心电图心搏自动识别分类方法，其特征在于，所述根据心搏时间序列数据，以设定数据量对导联心搏数据进行切割生成导联的心搏分析数据具体包括：

依据所述心搏时间序列数据，确定所述导联心搏数据的中心采样点；

以所述导联中心采样点为中心，按照时间表征数据和预设数据采样频率，对所述导联心搏数据以设定数据量向两侧进行数据取样，得到所述导联的心搏分析数据。

3.根据权利要求1所述的心电图心搏自动识别分类方法，其特征在于，所述导联心搏分析数据为单导联心搏分析数据，所述将导联的心搏分析数据进行数据组合，得到一维心搏分析数组具体包括：

对所述单导联心搏分析数据，按照心搏时间序列数据，组合为一维心搏分析数组。

4.根据权利要求1所述的心电图心搏自动识别分类方法，其特征在于，所述导联心搏分析数据为多导联心搏分析数据，所述将导联的心搏分析数据进行数据组合，得到一维心搏分析数组具体包括：

对所述多导联心搏分析数据，按照所述导联参数和心搏时间序列数据，组合为一维心搏分析数组。

5.根据权利要求1所述的心电图心搏自动识别分类方法，其特征在于，将所述四维张量数据输入到训练得到的LepuEcgCatNet心搏分类模型，得到所述心搏分析数据所对应的心搏分类信息具体包括：

根据LepuEcgCatNet心搏分类模型，对输入的四维张量数据进行逐层卷积提取特征，通过推理运算得到所述心搏分析数据所对应的心搏分类信息。

6.根据权利要求5所述的心电图心搏自动识别分类方法，其特征在于，所述方法还包括：建立并训练所述LepuEcgCatNet心搏分类模型。

7.根据权利要求6所述的心电图心搏自动识别分类方法，其特征在于，建立并训练所述LepuEcgCatNet心搏分类模型具体包括：

基于深度卷积神经网络AlexNet，Vgg16，ResNet，和Inception这些成熟公开的深度学习模型，构建端对端多标签的针对心电图心搏分类识别的LepuEcgCatNet多层卷积神经网络的深度学习模型；

训练LepuEcgCatNet心搏分类模型得到模型结构数据和参数数据，存储和加密模型结构数据和参数数据。

8.根据权利要求6所述的方法，其特征在于，所述训练具体包括：

选取训练样本；

将训练样本转换为预设标准数据格式进行存储；

对所述训练样本进行数据切割、组合和转换，对训练样本输入LepuEcgCatNet心搏分类模型进行训练，对训练好的模型结构数据和参数数据按照Google Protocol Buffers数据协议进行存储，并且使用对称加密算法对模型结构数据和参数数据进行加密保护。