[发明专利]基于对比学习的心电数据处理方法、装置及存储介质

权利要求书

1.一种基于对比学习的心电数据处理方法，其特征在于，所述方法包括：

获取多组无标签心电样本和多组有标签心电样本，并根据所述多组无标签心电样本构建一组卷积神经网络模型；

通过所述卷积神经网络模型，根据所述多组无标签心电样本，得到所述多组无标签心电样本的特征向量组合；

对所述多组无标签心电样本进行片段截取，并根据截取的心电样本片段的特征向量组合构建所述多组无标签心电样本的正样本和负样本，对所述卷积神经网络模型进行训练，得到心电特征提取器；

构建一个多层感知机模型，并以所述多组有标签心电样本在所述心电特征提取器中输出的特征向量组合为输入，以所述多组有标签心电样本的分类标签为输出，对所述多层感知机模型进行训练，得到心电数据处理模型；

获取待处理的心电数据，并将所述待处理的心电数据输入到所述心电数据处理模型中，得到所述待处理的心电数据的分类结果；

其中，所述获取多组无标签心电样本和多组有标签心电样本，并根据所述多组无标签心电样本构建一组卷积神经网络模型，包括：

获取多组无标签心电样本和多组有标签心电样本，其中，每组所述无标签心电样本和每组所述有标签心电样本中均包含N导联心电数据；根据所述多组无标签心电样本，构建一组卷积神经网络模型，其中，所述一组卷积神经网络模型中包含与所述N导联心电数据一一对应的N个卷积神经网络模型；

其中，所述通过所述卷积神经网络模型，根据所述多组无标签心电样本，得到所述多组无标签心电样本的特征向量组合，包括：

将所述多组无标签心电样本的N导联心电数据分别输入到对应的所述N个卷积神经网络模型中，得到每组所述无标签心电样本的N个特征向量；分别对每组所述无标签心电样本的N个特征向量进行拼接，得到每组所述无标签心电样本的特征向量组合；

其中，所述对所述多组无标签心电样本进行片段截取，并根据截取的心电样本片段的特征向量组合构建所述多组无标签心电样本的正样本和负样本，对所述卷积神经网络模型进行训练，得到心电特征提取器，包括：

从每组所述无标签心电样本中截取出至少一段心电样本片段，其中，所述心电样本片段中包含N导联心电数据片段；通过所述卷积神经网络模型，根据所述多组无标签心电样本的每个心电样本片段，得到多个无标签心电样本的每个心电样本片段的特征向量组合；对于每个所述无标签心电样本，将属于所述无标签心电样本的心电样本片段的特征向量组合作为正样本，将不属于所述无标签心电样本的心电样本片段的特征向量组合作为负样本；根据每个所述无标签心电样本的正样本和负样本，对所述卷积神经网络模型进行训练，得到心电特征提取器。

2.根据权利要求1所述的方法，其特征在于，所述通过所述卷积神经网络模型，根据所述多组无标签心电样本的每个心电样本片段，得到所述多个无标签心电样本的每个心电样本片段的特征向量组合，包括：

将每组所述无标签心电样本的每个心电样本片段的N导联心电数据片段分别输入到对应的所述N个卷积神经网络模型中，得到每组所述无标签心电样本的每个心电样本片段的N个特征向量；

分别对每组所述无标签心电样本的每个心电样本片段的N个特征向量进行拼接，得到多个所述无标签心电样本的每个心电样本片段的特征向量组合。

3.根据权利要求1所述的方法，其特征在于，所述根据每个所述无标签心电样本的正样本和负样本，对所述卷积神经网络模型进行训练，得到心电特征提取器，所述：

计算每个所述无标签心电样本的正样本和负样本与所述无标签心电样本的特征向量组合之间的距离；

根据所述每个无标签心电样本的正样本和负样本与所述无标签心电样本的特征向量组合之间的距离，计算所述心电特征提取器的损失函数；

利用所述心电特征提取器的损失函数，对所述卷积神经网络模型的参数进行迭代训练，得到心电特征提取器。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

以所述多组有标签心电样本在所述心电特征提取器中输出的特征向量组合为输入，以所述多组有标签心电样本的分类标签为输出，对所述心电特征提取器的参数进行优化训练，得到优化后的心电特征提取器。