[发明专利]一种心电数据标注的推荐分发方法及装置

说明书

本发明涉及心电信号标注技术领域，公开了一种心电数据标注的推荐分发方法，包括以下步骤：建立心电样本数据集，对心电样本数据集中每一心电样本数据进行标注，得到所有心电样本数据的标准标签数据；根据标准标签数据判断各专家对每一心电样本数据的标注结果是否准确，统计每一专家对于每一种病症类型的标注准确率，得到准确率矩阵；以心电样本数据作为输入数据，以标准标签数据作为输出数据，对神经网络进行训练，得到预测模型；根据预测模型对待标注心电数据进行预测得到其预测病症类型；根据预测病症类型以及准确率矩阵进行专家推荐，将待标注心电数据分发至推荐的专家进行标注。本发明具有心电数据标注投放精准的技术效果。

技术领域

本发明涉及心电数据标注技术领域，具体涉及一种心电数据标注的推荐分发方法、装置以及计算机存储介质。

背景技术

人工智能中深度学习的方法建立在对大量的样本数据训练基础上的，数据在深度学习中起着决定性的作用。而被准确标注过的高质量数据才是深度学习所需要的，那些标注错误或者标注不完善的数据如果参与了训练，对算法有害无益。因此，数据的准确标注成为了获取数据后的工作之中的重中之重。心电数据的标注具有工作量大、效率低的特点，这无疑了深度学习方法在智能心电诊断中的应用。

发明内容

本发明的目的在于克服上述技术不足，提供一种心电数据标注的推荐分发方法、装置以及计算机存储介质，解决现有技术中心电数据标注工作量大、效率低的技术问题。

为达到上述技术目的，本发明的技术方案提供一种心电数据标注的推荐分发方法，包括以下步骤：

建立心电样本数据集，对所述心电样本数据集中每一心电样本数据进行标注，得到所有心电样本数据的标准标签数据；

根据所述标准标签数据判断各专家对每一所述心电样本数据的标注结果是否准确，统计每一专家对于每一种病症类型的标注准确率，得到准确率矩阵；

以所述心电样本数据作为输入数据，以所述标准标签数据作为输出数据，对神经网络进行训练，得到预测模型；

根据所述预测模型对待标注心电数据进行预测得到其预测病症类型；

根据所述预测病症类型以及所述准确率矩阵进行专家推荐，将所述待标注心电数据分发至推荐的专家进行标注。

本发明还提供一种心电数据标注的推荐分发装置，包括处理器以及存储器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现所述心电数据标注的推荐分发方法。

本发明还提供一种计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现所述心电数据标注的推荐分发方法。

与现有技术相比，本发明的有益效果包括：本发明基于已经准确标注的心电样本数据，一方面以标注后的心电样本数据作为训练数据进行训练，得到预测模型；另一方面，利用标准标签数据对专家的标注结果进行判断，进而统计专家对于每一种病症类型的标注准确率，得到准确率矩阵。根据预测模型可以预测出待标注心电数据的病症类型，根据准确率矩阵找到判断该种病症类型时准确率高的专家进行标注，从而实现待标注心电数据的精准投放，提高心电数据的标注准确率和标注效率，同时预测模型给出的预测病症类型还可给予一定的参考意义，帮助推荐专家更加快速、准确地进行标注。

附图说明

图1是本发明提供的心电数据标注的推荐分发方法一实施方式的流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

实施例1