[发明专利]一种基于心电数据的心脏病症分类方法及装置

说明书

本发明涉及一种基于心电数据的心脏病症分类方法，包括以下步骤：针对设定病症类别建立相应的心电数据集；基于所述心电数据集进行神经网络训练，得到多分类模型；针对所述设定病症中部分病症的心电数据提取特定导联数据；基于所述部分病症的心电数据的特定导联数据进行图像分类模型的训练，得到二分类模型；融合所述多分类模型和二分类模型实现多病症的分类。本发明能够对相似特征较多的心脏病症进行准确区分。

技术领域

本发明涉及心电数据智能识别技术领域，尤其涉及一种基于心电数据的心脏病症分类方法、装置及计算机存储介质。

背景技术

现今心脏病疾病分类众多，部分心脏病疾病具有众多相似特征，在临床诊断上给医生造成了很大的难度。例如左束支阻滞、右束支阻滞、右室起搏心律、预激综合征A型和预激综合征B型，都是发生在心室内，并具有QRS波宽大等众多相似特征，目前并没有出现很好的针对这几类病症的智能判断方法，都是与其他不同起源的病症综合为多达二十类甚至是三十类以上的心电图进行多分类判断。一般是对所有不同病症的数据进行一定的数据处理方式，然后通过预先设计好的算法模型训练，最终得到固定的模型来处理其他测试集数据得到包含二三十项病症的多分类预测结果。

发明内容

有鉴于此，有必要提供一种基于心电数据的心脏病症分类方法、装置及计算机存储介质，用以解决相似特征众多的病症难以准确分辨的问题。

本发明提供一种基于心电数据的心脏病症分类方法，包括以下步骤：

针对设定病症类别建立相应的心电数据集；

基于所述心电数据集进行神经网络训练，得到多分类模型；

针对所述设定病症中部分病症的心电数据提取特定导联数据；

基于所述部分病症的心电数据的特定导联数据进行图像分类模型的训练，得到二分类模型；

融合所述多分类模型和二分类模型实现多病症的分类。

进一步的，针对设定病症类别建立相应的心电数据集，具体为：

针对不同设定病症类别采集相同数量范围内的心电数据，所述心电数据包括心电图机数据以及Holter数据；

对所述心电数据进行预处理，得到所述心电数据集。

进一步的，所述设定病症类别包括左束支阻滞、右束支阻滞、右室起搏心律、预激综合征A型、预激综合征B型以及其它型。

进一步的，基于所述心电数据集进行神经网络训练，得到多分类模型，具体为：

将所述心电数据集中心电数据切割为心拍数据，建立心拍数据集；

基于所述心电数据集进行神经网络训练，得到第一多分类模型；

基于所述心拍数据集进行神经网络训练，得到第二多分类模型；

对所述第一多分类模型和所述第二多分类模型进行融合，得到所述多分类模型。

进一步的，对所述第一多分类模型和所述第二多分类模型进行融合，得到所述多分类模型，具体为：

将所述心电数据输入所述第一分类模型，得到第一特征向量；

将所述心拍数据输入所述第二分类模型，得到第二特征向量；

将所述第一特征向量以及所述第二特征向量进行拼接，得到融合特征向量；

将所述融合特征向量通过XGBoost进行分类训练，得到融合后的所述多分类模型。

进一步的，基于所述部分病症的心电数据的特定导联数据进行图像分类模型的训练，得到二分类模型，具体为：