[发明专利]基于主动学习的心电信号数据标注方法

权利要求书

1.一种基于主动学习的心电信号数据标注方法，其特征在于，首先通过样本训练获得标注模型，然后通过标注模型F对未人工标注的心电信号数据进行模型标注；

通过样本训练获得标注模型的方法为：

首先建立标注概率模型H，用于标注每一条心电信号数据对应的预测概率，并建立用于根据预测概率计算标注结果的标注函数，然后结合标注概率模型H和标注函数建立标注模型F；

根据样本数据的人工标注对标注模型F进行训练更新，且同时更新标注概率模型H进行更新；

根据更新后的标注概率模型H计算所有未人工标注的心电信号数据的预测概率，并根据预测概率计算不确定度；获取对应的不确定度最大的n_h个心电信号数据作为评估数据，根据更新后的标注模型F对评估数据进行人工标注，并对各评估数据进行人工标注；

根据人工标注与模型标注一致的评估数据占比评估标注模型F的稳定度p；通过补充样本对标注模型F和标注概率模型H进行更新，直至稳定度p达到预设阈值a；

通过补充样本对标注模型F和标注概率模型H进行更新的具体方式为：当稳定度p小于阈值a，则将评估数据作为补充样本，并通过补充样本和对应的人工标注对标注模型F和标注概率模型H进行更新；

通过样本训练获得标注模型的方法具体包括：

S1、收集心电信号数据并建立初始数据集合X＝{x₁,x₂,…x_n}，n表示收集的心电信号数据数量，d为每条心电信号数据的长度，c为心电信号的导联数；

S2、构建标注概率模型H，其输入为心电信号数据x_i，输出为心电信号数据x_i对应的预测概率z_i；设置标注函数，标注函数的输入为预测概率z_i，其输出为标注结果y_i；结合标注概率模型H和标注函数建立标注模型F，标注模型F的输入为心电信号数据x_i，输出为标注结果y_i；

S3、从X中随机选取部分心电信号数据作为样本数据进行人工标注，并建立样本数据集合获得样本数据集合X_yes中每一条样本数据x_j的标注结果y_j并建立样本标注集合Y_yes；

S4、根据样本数据集合X_yes和样本标注集合Y_yes对标注模型F进行更新，并根据更新后的标注模型F的参数对标注概率模型H进行更新；

S5、对初始数据集合X中未标注的心电信号数据x_k，通过当前的标注模型F进行模型标注y_k，并通过标注概率模型H标注预测概率z_k；计算各预测概率z_k的不确定度e_k，获取不确定度最大的n_h个不确定度对应的心电信号数据x_k作为评估数据；

S6、对评估数据进行人工标注，并统计人工标注与模型标注一致的评估数据数量n_e，计算n_e与n_h的比值作为标注模型F的稳定度P；判断稳定度P是否大于预设的阈值a，是，则保存标注模型F；

S7、否，则将评估数据和对应的人工标注分别补充到集合X_yes和样本标注集合Y_yes，然后返回步骤S4。

2.如权利要求1所述的基于主动学习的心电信号数据标注方法，其特征在于，步骤S2中，预测概率z_i为由m个概率值组成的长度为m的行向量，且m个概率值之和为1；标注函数为：y_i为与预测概率z_i等长的行向量；y_i有且仅有一个位置标注为1，其余位置为0，且y_i中标注为1的位置为z_i中最大值对应的位置。