[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

说明书

本申请公开了基于注意力机制的12导联心电图整体分类方法和装置，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，能够充分利用12导联心电图进行整体分类，提高图像分类的准确性。

技术领域

本公开一般涉及图像处理领域，具体涉及医疗图像处理，尤其涉及一种基于注意力机制的12导联心电图整体分类方法和装置。

背景技术

随着深度学习技术的发展，在心电信号的分析方面也取得了显著的效果。但是，相关技术中，通常仅使用单导联心电图进行检测分析，而心脏是立体的结构，无法很好的对心脏情况进行表达，严重影响了图像分析的效果。

发明内容

鉴于现有技术中的上述缺陷或不足，期望提供一种基于注意力机制的12导联心电图整体分类方法和装置，能够充分利用12导联心电图进行整体分类，提高图像分类的准确性。

第一方面，本申请实施例提供了一种基于注意力机制的12导联心电图整体分类方法，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。

在一些实施例中，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。

在一些实施例中，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。

在一些实施例中，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。

在一些实施例中，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。

在一些实施例中，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。

在一些实施例中，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：