[发明专利]基于注意力机制的12导联心电图整体分类方法和装置

权利要求书

1.一种基于注意力机制的12导联心电图整体分类方法，其特征在于，所述方法包括：

获取12导联心电图的原始图像；

对所述原始图像中记载的波形数据进行切分，得到切分后的波形数据；

基于神经网络对所述切分后的波形数据进行深度特征提取，得到每个导联的特征数据；

基于注意力机制对所述特征数据进行特征转换，得到每个导联的深度特征；

基于全连接层对所述深度特征进行分类，得到对所述原始图像的分类结果。

2.根据权利要求1所述基于注意力机制的12导联心电图整体分类方法，其特征在于，所述对所述原始图像中记载的波形数据进行切分，得到切分后的波形数据，包括：

针对每个导联图像，识别所述导联图像中的每个目标特征所在的位置；

针对每个所述目标特征，将所述目标特征所在的位置作为中心，基于预设的滑窗宽度对所述波形数据进行切分，得到所述切分后的波形数据。

3.根据权利要求1所述基于注意力机制的12导联心电图整体分类方法，其特征在于，所述基于注意力机制对所述特征数据进行特征转换，得到每个导联的深度特征，包括：

对所述特征数据进行至少一次的卷积操作处理，得到第一特征数据；

对所述第一特征数据进行激活操作，得到嵌入信息；

对所述嵌入信息进行第二激活操作，得到与每个导联对应的特征权重；

基于所述特征权重值和所述特征数据，得到所述深度特征。

4.根据权利要求3所述的基于注意力机制的12导联心电图整体分类方法，其特征在于，采用如下公式对所述第一特征数据进行第一激活操作：

其中，p表示激活函数的输出，F[c][j]表示第c导联的第一特征数据中第j个节点的值。

5.根据权利要求3所述的基于注意力机制的12导联心电图整体分类方法，其特征在于，采用如下公式对所述嵌入信息进行第二激活操作：

其中z表示第c导联的随机变量，N表示第c导联的权重。

6.根据权利要求3所述的基于注意力机制的12导联心电图整体分类方法，其特征在于，在所述基于所述特征权重值和所述特征数据，得到所述深度特征之前，还包括：

将每个导联的所述特征权重连续输入至两个全连接层。

7.根据权利要求1所述基于注意力机制的12导联心电图整体分类方法，其特征在于，所述基于神经网络对所述切分后的波形数据进行深度特征提取，得到每个导联的特征数据，包括：

将所述切分后的波形数据输入至训练好的ResNet14模型，得到每个导联对应的所述特征数据，所述每个导联对应的所述特征数据的长度一致。

8.一种基于注意力机制的12导联心电图整体分类装置，其特征在于，包括：

获取模块，用于获取12导联心电图的原始图像；

切分模块，用于对所述原始图像中记载的波形数据进行切分，得到切分后的波形数据；

特征提取模块，用于基于神经网络对所述切分后的波形数据进行深度特征提取，得到每个导联的特征数据；

特征转换模块，用于基于注意力机制对所述特征数据进行特征转换，得到每个导联的深度特征；

分类模块，用于基于全连接层对所述深度特征进行分类，得到对所述原始图像的分类结果。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时，实现如权利要求1-7中任一所述的基于注意力机制的12导联心电图整体分类方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的基于注意力机制的12导联心电图整体分类方法。