[发明专利]一种分类方法、系统、电子设备及存储介质

说明书

本申请提供一种分类方法、系统、电子设备及存储介质，用于解决现有技术中在心电检查工作中的心电图诊断准确性非常低的问题。该方法包括：将待测样本输入第一分类算法，计算获得第一概率列表，以及，将待测样本输入第二分类算法，计算获得第二概率列表；第一概率列表以及第二概率列表包括待测样本归属于各目标分类的概率；从第一概率列表中筛选出概率最高的第一分类，从第二概率列表中筛选出概率最高的第二分类；判断第一分类与第二分类是否相同；若否，则将各目标分类在第一概率列表中的概率与在第二概率列表中的概率相加，获得各目标分类的概率和值，形成第三概率列表；从第三概率列表中筛选出概率最高的第三分类，将第三分类作为最终分类。

技术领域

本申请涉及机器学习的技术领域，尤其涉及一种分类方法、系统、电子设备及存储介质。

背景技术

在心电检查工作中，心电图主要反映心脏的电激动的过程，是医生进行心脏检查和诊断的一个重要的临床手段。传统的心电信号诊断是医生根据心电图机采集的时序心电信号，结合心电图机的自动诊断参数和结论，给出诊断结果。心电图信号本身复杂性很强，不同种族、性别、年龄的人在各种病理情况下的差异性很大。诊断标准通常是医生的多年临床经验的概括，每个专家积累的临床经验不同，现有的各种诊断标准也无法完全涵盖所有专家的经验。

目前在心电检查的工作中，心电检查作为常规检查项目，医院里每天要产生大量的心电数据，但是专业心电图医师资源匮乏，高强度、重复性的阅片工作可能会造成心电信号的误诊，心电图诊断只有不到40％的准确性。因此，现有技术中存在着在心电检查工作中的心电图诊断准确性非常低的问题。

发明内容

有鉴于此，本申请提供一种分类方法、系统、电子设备及存储介质，用于解决现有技术中在心电检查工作中的心电图诊断准确性非常低的问题。

本申请提供了的一种分类方法，应用于电子设备，包括：将待测样本输入第一分类算法，计算获得第一概率列表，以及，将所述待测样本输入第二分类算法，计算获得第二概率列表；所述第一概率列表以及所述第二概率列表包括所述待测样本归属于各目标分类的概率；从所述第一概率列表中筛选出概率最高的第一分类，以及，从所述第二概率列表中筛选出概率最高的第二分类；判断所述第一分类与所述第二分类是否相同；若否，则将各目标分类在所述第一概率列表中的概率与在所述第二概率列表中的概率相加，获得各目标分类的概率和值，形成第三概率列表；从所述第三概率列表中筛选出概率最高的第三分类，并将所述第三分类作为最终分类。

可选地，在本申请实施例中，在所述判断所述第一分类与所述第二分类是否相同之后，还包括：若所述第一分类与所述第二分类相同，则将所述第一分类作为最终分类。

可选地，在本申请实施例中，在所述将待测样本输入第一分类算法，计算获得第一概率列表，以及，将所述待测样本输入第二分类算法，计算获得第二概率列表之前，还包括：对多个训练样本通过自动诊断算法进行计算，获得多个导联信号以及多个导联信号的特征值；对所述多个导联信号的特征值进行时域特征算法计算和排序筛选，获得多个筛选后的特征值；根据多个训练样本和所述多个筛选后的特征值输入第一学习模型进行训练，获得训练后的第一分类算法；根据所述多个训练样本的多个导联信号输入第二学习模型进行训练，获得训练后的第二分类算法。

可选地，在本申请实施例中，所述对所述多个导联信号进行时域特征算法计算和排序筛选，获得多个筛选后的特征值以及多个导联信号的特征值，包括：对所述多个导联信号进行时域特征算法计算，获得多个特征值；使用决策树算法对所述多个特征值进行计算，获得多个特征值的第一分值；使用随机森林算法对所述多个特征值进行计算，获得多个特征值的第二分值；使用梯度提升决策树算法对所述多个特征值进行拟合计算，获得多个特征值的第三分值；将所述多个特征值的第一分值、所述多个特征值的第二分值和所述多个特征值的第三分值分别相加，获得所述多个特征值的重要分；对所述多个特征值的重要分进行从高到低排序后，筛选出前面预设数量的特征值，获得多个筛选后特征值。