[发明专利]一种基于多角度特征提取的心电图分类方法及装置

权利要求书

1.一种基于多角度特征提取的心电图分类方法，其特征在于，包括以下步骤：

提取原始心电信号的质量特征、心电图特征以及数理统计特征，将提取的各项特征合并为特征序列；

获取多条原始心电信号的特征序列得到特征集合；

以所述特征集合作为样本数据对深度学习模型进行训练，得到心电图分类模型；

采用所述心电图分类模型对心电图进行分类，得到分类结果。

2.根据权利要求1所述的基于多角度特征提取的心电图分类方法，其特征在于，提取原始心电信号的质量特征，具体包括：

计算原始心电信号各导联的SNR、香农熵以及功率谱。

3.根据权利要求1所述的基于多角度特征提取的心电图分类方法，其特征在于，提取原始心电信号的心电图特征，具体包括：

提取原始心电信号的节律特征以及形态特征。

4.根据权利要求3所述的基于多角度特征提取的心电图分类方法，其特征在于，所述节律特征包括每一类节律持续时间；所述形态特征包括各类特征波形的特征信息，所述特征波形包括QRS复合波、T波、P波、PR间期、QT间期以及TP段间期，所述特征信息包括持续时间、振幅、频谱、斜率、面积以及统计值。

5.根据权利要求1所述的基于多角度特征提取的心电图分类方法，其特征在于，提取原始心电信号的数理统计特征，具体包括：

提取原始心电信号的锯齿波形个数、零点交叉个数、自相关系数、信号值平均值、最大值、最小值、信号范围、方差、偏度、峰度以及百位数。

6.根据权利要求1所述的基于多角度特征提取的心电图分类方法，其特征在于，以所述特征集合作为样本数据对深度学习模型进行训练，得到心电图分类模型，具体为：

以设定的特征提取比例以及设定的数据提取比例，从所述特征集合中抽取样本数据，得到样本数据集；

抽取多个不同的样本数据集，分别针对每一所述样本数据集进行训练，得到多个所述心电图分类模型；

以多个所述心电图分类模型的分类结果的加权和作为最终分类结果。

7.根据权利要求1所述的基于多角度特征提取的心电图分类方法，其特征在于，以所述特征集合作为样本数据对深度学习模型进行训练，得到心电图分类模型，还包括：

采用所述心电图分类模型对测试集中心电图进行分类，得到分类结果；

评估各项特征对分类结果的贡献度，并删除贡献度低于设定阈值的特征，得到更新后的特征集合；以更新后的特征集合作为样本数据对深度学习模型进行训练，得到更新后的心电图分类模型；

采用更新后的心电图分类模型再次对测试集中心电图进行分类，得到分类结果；判断更新前后的分类结果的差值是否小于设定值，如果小于，则输出更新后的心电图分类模型，否则转上一步进行下一次更新。

8.根据权利要求7所述的基于多角度特征提取的心电图分类方法，其特征在于，评估各项特征对分类结果的贡献度，具体为：

所述心电图分类模型为XGBoost模型，分别根据每一项特征对所述XGBooost模型的二叉树进行分裂；

计算所述XGBooost模型的二叉树分裂前后的目标函数值；

根据目标函数值计算所述XGBooost模型的增益值：

Gain＝obj_LR-obj_L-obj_R

Gain为增益值，obj_LR为二叉树分裂前的原树的目标函数值，obj_L为分裂后左子树的目标函数值，obj_R为分裂后右子树的目标函数值；

以所述增益值作为贡献度。

9.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1-8任一所述的基于多角度特征提取的心电图分类方法。

10.一种基于多角度特征提取的心电图分类装置，其特征在于，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，实现如权利要求1-8任一所述的基于多角度特征提取的心电图分类方法。