[发明专利]基于人工智能的心冲击波信号处理方法及计算机设备

权利要求书

1.一种基于人工智能的心冲击波信号处理方法，其特征在于，包括：

获取待处理心冲击波数据中的心肌输出功率特征和功率输出时段特征；

基于所述待处理心冲击波数据中的心肌输出功率特征和功率输出时段特征之间的特征关联性，对所述待处理心冲击波数据中的心肌输出功率特征和功率输出时段特征进行配对，得到特征配对结果；

将配对异常的功率输出时段特征确定为待匹配功率输出时段特征，根据所述特征配对结果中的功率输出时段特征与所述待匹配功率输出时段特征之间的特征相似度，确定与所述待匹配功率输出时段特征相匹配的信号噪声标签；

对与所述待匹配功率输出时段特征相匹配的信号噪声标签和所述待匹配功率输出时段特征进行配对，得到标签配对结果；

根据所述标签配对结果和所述特征配对结果，确定所述待处理心冲击波数据中的信号噪声数据和所述信号噪声数据对应的信号噪声标签；

其中；所述基于所述待处理心冲击波数据中的心肌输出功率特征和功率输出时段特征之间的特征关联性，对所述待处理心冲击波数据中的心肌输出功率特征和功率输出时段特征进行配对，得到特征配对结果，包括：

将所述待处理心冲击波数据中的功率输出时段特征确定为局部功率输出时段特征，将所述待处理心冲击波数据中的心肌输出功率特征确定为局部心肌输出功率特征；所述局部功率输出时段特征中的功率输出时段轨迹片段是从针对所述待处理心冲击波数据的目标测试轨迹片段中所获取的；

获取所述目标测试轨迹片段中的心肌输出功率轨迹片段；将所述目标测试轨迹片段中的心肌输出功率轨迹片段与所述局部心肌输出功率特征中的心肌输出功率轨迹片段之间的轨迹片段相似度，确定为所述局部功率输出时段特征与所述局部心肌输出功率特征之间的所述特征关联性；

当所述特征关联性大于或等于关联性阈值时，对所述局部功率输出时段特征和所述局部心肌输出功率特征进行配对，得到所述特征配对结果；

其中；所述方法还包括：

将所述特征配对结果中的心肌输出功率特征所包含的信号噪声标签，确定为所述特征配对结果所包含的信号噪声标签；

将所述特征配对结果和所述标签配对结果，确定为所述待处理心冲击波数据中的局部配对结果；

将所述局部配对结果所包含的信号噪声标签，确定为目标信号噪声标签；

为所述目标信号噪声标签与所在的所述局部配对结果中的功率输出时段特征添加相同的特征标识信息；

将具有所述特征标识信息的所述目标信号噪声标签，分别加载至深度学习神经网络、前向反馈神经网络以及时空图神经网络；

其中：

从所述深度学习神经网络中识别所述目标信号噪声标签的速度，大于从所述前向反馈神经网络中识别所述目标信号噪声标签的速度；

从所述前向反馈神经网络中识别所述目标信号噪声标签的速度，大于从所述时空图神经网络中识别所述目标信号噪声标签的速度；

所述深度学习神经网络针对所述目标信号噪声标签的识别准确率，小于所述前向反馈神经网络针对所述目标信号噪声标签的识别准确率；

所述前向反馈神经网络针对所述目标信号噪声标签的识别准确率，小于所述时空图神经网络针对所述目标信号噪声标签的识别准确率；

所述根据所述标签配对结果和所述特征配对结果，确定所述待处理心冲击波数据中的信号噪声数据和所述信号噪声数据对应的信号噪声标签，包括：

根据所述局部配对结果中的功率输出时段特征，确定所述待处理心冲击波数据中的所述信号噪声数据；

根据所述局部配对结果中的功率输出时段特征所具有的所述特征标识信息，从所述深度学习神经网络、所述前向反馈神经网络或所述时空图神经网络中，获取具有所述特征标识信息的所述目标信号噪声标签，将获取到的所述目标信号噪声标签确定为所述信号噪声数据对应的信号噪声标签；

其中，所述心肌输出功率特征用于表征实时心肌跳动数据特征，所述功率输出时段特征用于表征检测数据进行传输后的心肌跳动数据特征；

所述获取待处理心冲击波数据中的心肌输出功率特征和功率输出时段特征，包括：

获取所述待处理心冲击波数据中的至少两个心肌输出功率轨迹片段和至少两个功率输出时段轨迹片段；

获取所述至少两个心肌输出功率轨迹片段之间的第一片段相似度和第一轨迹片段变化信息，获取所述至少两个功率输出时段轨迹片段之间的第二轨迹片段相似度和第二轨迹片段变化信息；

根据所述第一片段相似度和所述第一轨迹片段变化信息，对所述至少两个心肌输出功率轨迹片段进行特征识别，得到所述待处理心冲击波数据中的心肌输出功率特征；一个心肌输出功率特征包括至少一个心肌输出功率轨迹片段；

根据所述第二轨迹片段相似度和所述第二轨迹片段变化信息，对所述至少两个功率输出时段轨迹片段进行特征识别，得到所述待处理心冲击波数据中的功率输出时段特征；一个功率输出时段特征包括至少一个功率输出时段轨迹片段。