[发明专利]心电图的识别方法及装置、存储介质、计算机设备

权利要求书

1.一种心电图的识别方法，其特征在于，包括：

对心电图样本数据进行采样率预处理，以使所述心电图样本数据的采样率与预设标准采样率一致；

根据采样率预处理后的心电图样本数据，建立训练样本集和测试样本集；

利用所述训练样本集训练UNet卷积神经网络模型，直至训练好的模型识别所述测试样本集的准确率大于或等于预设准确率阈值；

接收待识别的心电图数据，并利用所述训练好的模型识别所述待识别的心电图数据对应的心电图类型。

2.根据权利要求1所述的方法，其特征在于，所述根据采样率预处理后的心电图样本数据，建立训练样本集和测试样本集之前，所述方法还包括：

将采样率预处理后的心电图样本数据按照预设标准采样点阈值进行截取，得到截取后的心电图样本数据；

所述根据采样率预处理后的心电图样本数据，建立训练样本集和测试样本集，具体包括：

根据所述截取后的心电图样本数据，建立训练样本集和测试样本集。

3.根据权利要求2所述的方法，其特征在于，所述预设标准采样点阈值为预设单位采样点阈值的任意正整数倍；

所述将采样率预处理后的心电图样本数据按照预设标准采样点阈值进行截取，得到截取后的心电图样本数据，具体包括：

获取所述采样率预处理后的心电图样本数据的采样点数量；

若所述采样点数量不等于所述预设标准采样点阈值，则计算小于所述采样点数量的最大预设标准采样点阈值，并在所述采样率预处理后的心电图样本数据中截取任意连续的与所述最大预设标准采样点阈值长度对应的数据段作为所述截取后的心电图样本数据。

4.根据权利要求3所述的方法，其特征在于，所述接收待识别的心电图数据，并利用所述训练好的模型识别所述待识别的心电图数据对应的心电图类型，具体包括：

对接收到的所述待识别的心电图数据进行采样率预处理，以使所述待识别的心电图数据的采样率与所述预设标准采样率一致；

按照所述预设标准采样点阈值截取采样率预处理后的待识别的心电图数据，得到截取后的待识别的心电图数据；

将所述截取后的待识别的心电图数据输入至训练后的模型中，得到所述待识别的心电图数据对应的心电图类型。

5.根据权利要求1至4中任一项所述的方法，其特征在于，所述利用所述训练样本集训练UNet卷积神经网络模型，直至训练好的模型识别所述测试样本集的准确率大于或等于预设准确率阈值，具体包括：

利用所述训练样本集，按照预设学习率对所述模型进行训练；

若训练后的所述模型识别所述测试样本集的准确率小于所述预设准确率阈值和/或召回率小于所述预设召回率阈值，则降低所述预设学习率，并按照降低后的预设学习率继续训练所述模型直至训练后的所述模型识别所述测试样本集的准确率大于或等于所述预设准确率阈值且召回率大于或等于所述预设召回率阈值为止。

6.根据权利要求1至4中任一项所述的方法，其特征在于，所述对心电图样本数据进行采样率预处理，具体包括：

若所述心电图样本数据的采样率大于所述预设标准采样率，则对所述心电图样本数据进行降采样处理，得到所述预设标准采样率的心电图样本数据；

若所述心电图样本数据的采样率小于所述预设标准采样率，则对所述心电图样本数据进行升采样处理，得到所述预设标准采样率的心电图样本数据。

7.根据权利要求1至4中任一项所述的方法，其特征在于，所述对心电图样本数据进行采样率预处理之前，所述方法还包括：

获取采样时长大于或等于预设采样时长的心电图样本数据。