[发明专利]一种数据处理方法和装置

权利要求书

1.一种数据处理方法，其特征在于，所述方法包括：

获取第一预设时长的心电信号；

对所述心电信号进行采样，获得采样数据；

根据所述采样数据及预先获得的分析模型，获得所述采样数据对应的变异向量；

根据所述变异向量的空间分布确定所述心电信号对应的空间区域，所述空间区域用于表征心率变异的方向；

所述根据所述变异向量的空间分布确定所述心电信号对应的空间区域，包括：

确定每两个变异向量之间的空间距离；

确定各个空间距离的平均空间距离，作为各个变异向量的空间密度；

当所述空间密度大于预设空间密度时，根据所述变异向量的空间分布确定所述心电信号对应的空间区域；

所述根据所述采样数据及预先获得的分析模型，获得所述采样数据对应的变异向量的步骤包括：

对预先构建的卷积神经网络模型进行训练，获得所述分析模型，将第一预设时长的采样数据划分为多个第二预设时长的采样数据，并以第二预设时长的采样数据为处理单元，将每个第二预设时长的采样数据依次输入预先获得的分析模型中，使分析模型输出每个第二预设时长的采样数据对应的变异向量，进而获得第一预设时长的采样数据对应的多个变异向量。

2.根据权利要求1所述的方法，其特征在于，所述根据所述采样数据及预先获得的分析模型，获得所述采样数据对应的变异向量之前，还包括：

获取样本数据和所述样本数据对应的样本属性；

依据所述样本数据和所述样本属性，对预先构建的卷积神经网络模型进行训练，获得所述分析模型。

3.根据权利要求1所述的方法，其特征在于，所述根据所述采样数据及预先获得的分析模型，获得所述采样数据对应的变异向量，包括：

将具有第一维度的所述采样数据输入所述分析模型，获得具有第二维度的变异向量，所述第一维度大于所述第二维度。

4.根据权利要求3所述的方法，其特征在于，所述第二维度为3。

5.一种数据处理装置，其特征在于，所述装置包括：

第一获取模块，被配置为获取第一预设时长的心电信号；

采样模块，被配置为对所述心电信号进行采样，获得采样数据；

第一确定模块，被配置为根据所述采样数据及预先获得的分析模型，获得所述采样数据对应的变异向量；

第二确定模块，被配置为根据所述变异向量的空间分布确定所述心电信号对应的空间区域，所述空间区域用于表征心率变异的方向；

所述第二确定模块包括：

第一确定单元，被配置为确定每两个变异向量之间的空间距离；

第二确定单元，被配置为确定各个空间距离的平均空间距离，作为各个变异向量的空间密度；

第三确定单元，被配置为当所述空间密度大于预设空间密度时，根据所述变异向量的空间分布确定所述心电信号对应的空间区域；

所述第一确定模块，具体用于对预先构建的卷积神经网络模型进行训练，获得所述分析模型，将第一预设时长的采样数据划分为多个第二预设时长的采样数据，并以第二预设时长的采样数据为处理单元，将每个第二预设时长的采样数据依次输入预先获得的分析模型中，使分析模型输出每个第二预设时长的采样数据对应的变异向量，进而获得第一预设时长的采样数据对应的多个变异向量。

6.根据权利要求5所述的装置，其特征在于，所述装置还包括：

第二获取模块，被配置为获取样本数据和所述样本数据对应的样本属性；

训练模块，被配置为依据所述样本数据和所述样本属性，对预先构建的卷积神经网络模型进行训练，获得所述分析模型。

7.根据权利要求5所述的装置，其特征在于，所述第一确定模块包括：

输入单元，被配置为将具有第一维度的所述采样数据输入所述分析模型，获得具有第二维度的变异向量，所述第一维度大于所述第二维度。

8.根据权利要求7所述的装置，其特征在于，所述第二维度为3。