[发明专利]少导联心电数据处理方法、装置、存储介质及计算机设备

权利要求书

1.一种少导联心电数据处理方法，其特征在于，所述方法包括：

获取少导联心电数据，并根据所述少导联心电数据的N个导联，确定所述少导联心电数据的M个待映射导联，其中，所述N和所述M均为正整数，且所述N与所述M之和为12；

通过预训练的心电特征提取器对所述少导联心电数据的N个导联进行特征提取，得到所述少导联心电数据的N导联特征向量组合；

将所述少导联心电数据的N导联特征向量组合输入到预训练的特征向量映射器中，得到所述少导联心电数据的M个待映射导联的特征向量；

对所述少导联心电数据的N导联特征向量组合和所述M个待映射导联的特征向量进行拼接，得到所述少导联心电数据的12导联特征向量组合；

将所述少导联心电数据的12导联特征向量组合输入到预训练的心电数据处理模型中，得到所述少导联心电数据的分类结果；

所述心电特征提取器中包括至少N个训练完成的卷积神经网络模型，其中，所述N个卷积神经网络模型分别对应所述少导联心电数据的N个导联；

则所述通过预训练的心电特征提取器对所述少导联心电数据的N个导联进行特征提取，得到所述少导联心电数据的N导联特征向量组合，包括：将所述少导联心电数据的N个导联分别输入到所述心电特征提取器的N个卷积神经网络模型中，得到所述少导联心电数据的N个导联的特征向量；对所述少导联心电数据的N个导联的特征向量进行拼接，得到所述少导联心电数据的N导联特征向量组合；

所述特征向量映射器中包括至少M个训练完成的多层感知机预测模型，其中，所述M个多层感知机预测模型分别对应所述少导联心电数据的M个待映射导联；

则所述将所述少导联心电数据的N导联特征向量组合输入到预训练的特征向量映射器中，得到所述少导联心电数据的M个待映射导联的特征向量，包括：将所述少导联心电数据的N导联特征向量组合分别输入到所述特征向量映射器的M个多层感知机预测模型中，得到所述少导联心电数据的M个待映射导联的特征向量。

2.根据权利要求1所述的方法，其特征在于，所述心电特征提取器和所述心电数据处理模型的训练方法，包括：

获取多组12导联心电数据样本，并根据所述多组12导联心电数据样本构建一组卷积神经网络模型和一个多层感知机分类模型；

根据所述多组12导联心电数据样本，通过所述卷积神经网络模型，得到所述多组12导联心电数据样本的特征向量组合；

以所述多组12导联心电数据样本的特征向量组合为输入，以所述多组12导联心电数据样本的分类标签为输出，对所述卷积神经网络模型和所述多层感知机分类模型进行同步训练，得到心电特征提取器和心电数据处理模型。

3.根据权利要求2所述的方法，其特征在于，所述一组卷积神经网络模型包括12个卷积神经网络模型，其中，所述12个卷积神经网络模型分别对应所述12导联心电数据样本的12个导联；

则所述根据所述多组12导联心电数据样本，通过所述卷积神经网络模型，得到所述多组12导联心电数据样本的特征向量组合，包括：

将所述多组12导联心电数据样本的12导联心电数据分别输入到所述12个卷积神经网络模型中，得到所述多组12导联心电数据样本的12个特征向量；

分别对每组所述12导联心电数据样本的12个特征向量进行拼接，得到所述多组12导联心电数据样本的特征向量组合。

4.根据权利要求1所述的方法，其特征在于，所述特征向量映射器的训练方法，包括：

获取多组12导联心电数据样本，并根据所述多组12导联心电数据样本构建一组多层感知机预测模型；

根据所述多组12导联心电数据样本，通过所述预训练的心电特征提取器，得到所述多组12导联心电数据样本的12个导联的特征向量；

根据预设的训练目标，从所述多组12导联心电数据样本的12个导联的特征向量中划分出N个目标导联的特征向量和M个待映射导联的特征向量；

以所述多组12导联心电数据样本的N个目标导联的特征向量为输入，以所述多组12导联心电数据样本的M个待映射导联的特征向量为输出，对所述多层感知机预测模型进行训练，得到所述特征向量映射器。