[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

说明书

本发明涉及人工智能及数字医疗领域，提供了一种少导联心电数据处理方法、装置、存储介质及计算机设备。该方法包括：获取少导联心电数据，并根据少导联心电数据的N个导联，确定少导联心电数据的M个待映射导联，N与M之和为12；通过心电特征提取器对少导联心电数据的N个导联进行特征提取，得到N导联特征向量组合；将N导联特征向量组合输入到特征向量映射器中，得到少导联心电数据的M个待映射导联的特征向量；对少导联心电数据的N导联特征向量组合和M个待映射导联的特征向量进行拼接，得到12导联特征向量组合；将12导联特征向量组合输入到心电数据处理模型中，得到少导联心电数据的分类结果。上述方法可以提高少导联心电数据的分类准确性。

技术领域

本发明涉及人工智能技术及数字医疗技术领域，尤其是涉及一种少导联心电数据处理方法、装置、存储介质及计算机设备。

背景技术

心电图(英文：Electrocardiograph，缩写：ECG)是一种利用心电图机从人体体表记录心脏每一次心动周期所产生的电活动变化图形的技术。通过心电图，可以表征出人类的多种心脏疾病，医生也可以根据心电图判断出病人的心脏状况。目前，常用的心电图一般由12导联组成，这些12导联心电数据能够全面的反应出被测者的心脏状况，因此，12导联心电数据常常作为众多心电数据处理模型的主要训练样本。

目前，随着可穿戴设备的普及，如手表、手环和植入芯片等，使得心电数据采集的便利性得到了很大的提升，用户不必再去规定的场合，就能够随时随地的采集到心电数据，并能够便捷的监测到自身的心脏状况。但是，便携式的心电数据采集设备一般只能够采集到单导联的心电数据或者二导联的心电数据，这些少导联心电数据相比完整的12导联数据，难以全面的反映出心脏的实际状况，这也使得围绕少导联心电数据构建的心电数据处理模型精准度不足，分类性能较差，从而使得少导联心电数据的分类准确性较低。

发明内容

有鉴于此，本申请提供了一种少导联心电数据处理方法、装置、存储介质及计算机设备，主要目的在于解决少导联心电数据的分类准确性低的技术问题。

根据本发明的第一个方面，提供了一种少导联心电数据处理方法，该方法包括：

获取少导联心电数据，并根据少导联心电数据的N个导联，确定少导联心电数据的M个待映射导联，其中，N和M均为正整数，且N与M之和为12；

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

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

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

将少导联心电数据的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，得到少导联心电数据的分类结果。

根据本发明的第二个方面，提供了一种少导联心电数据处理装置，该装置包括：

数据获取模块，用于获取少导联心电数据，并根据少导联心电数据的N个导联，确定少导联心电数据的M个待映射导联，其中，N和M均为正整数，且N与M之和为12；

特征提取模块，用于通过预训练的心电特征提取器对少导联心电数据的N个导联进行特征提取，得到少导联心电数据的N导联特征向量组合；

特征映射模块，用于将少导联心电数据的N导联特征向量组合输入到预训练的特征向量映射器中，得到少导联心电数据的M个待映射导联的特征向量；

特征拼接模块，用于对少导联心电数据的N导联特征向量组合和M个待映射导联的特征向量进行拼接，得到少导联心电数据的12导联特征向量组合；