[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

说明书

本发明涉及人工智能及数字医疗领域，提供了一种基于对比学习的心电数据处理方法、装置及存储介质。该方法包括：获取无标签心电样本和有标签心电样本，并构建卷积神经网络模型；通过卷积神经网络模型，得到无标签心电样本的特征向量组合；对无标签心电样本进行片段截取，并根据片段截取结果生成正负样本，对卷积神经网络模型进行训练，得到心电特征提取器；以有标签心电样本在心电特征提取器中输出的特征向量组合为输入，以有标签心电样本的分类标签为输出，对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，通过心电数据处理模型得到待处理的心电数据的分类结果。上述方法能够有效的增加模型的样本量并提升模型性能。

技术领域

本发明涉及人工智能技术及数字医疗技术领域，尤其是涉及一种基于对比学习的心电数据处理方法、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。

近年来，随着人工智能技术的不断发展，特别是深度学习技术的发展，各类心电数据处理模型逐渐应运而生。目前，大多数的心电数据处理模型都是通过有分类标签的心电样本训练得到的，但是，有分类标签的心电样本是十分有限的，而仅基于这些少量的有分类标签的心电样本，是很难训练出高性能的心电数据处理模型的，相应的，这种模型输出的心电数据的分类结果，其准确性也是很难得到保证的。

发明内容

有鉴于此，本申请提供了一种基于对比学习的心电数据处理方法、装置、存储介质及计算机设备，主要目的在于解决心电数据处理模型训练样本少、训练难度大、模型性能低和输出分类结果准确性低等技术问题。

根据本发明的第一个方面，提供了一种基于对比学习的心电数据处理方法，该方法包括：

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

通过卷积神经网络模型，根据多组无标签心电样本，得到多组无标签心电样本的特征向量组合；

对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多组无标签心电样本的正样本和负样本，对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，并以多组有标签心电样本在心电特征提取器中输出的特征向量组合为输入，以多组有标签心电样本的分类标签为输出，对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，并将待处理的心电数据输入到心电数据处理模型中，得到待处理的心电数据的分类结果。

根据本发明的第二个方面，提供了一种基于对比学习的心电数据处理装置，该装置包括：

心电样本获取模块，用于获取多组无标签心电样本和多组有标签心电样本，并根据多组无标签心电样本构建一组卷积神经网络模型；

心电样本处理模块，用于通过卷积神经网络模型，根据多组无标签心电样本，得到多组无标签心电样本的特征向量组合；

特征提取器训练模块，用于对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多组无标签心电样本的正样本和负样本，对卷积神经网络模型进行训练，得到心电特征提取器；

心电处理模型训练模块，用于构建一个多层感知机模型，并以多组有标签心电样本在心电特征提取器中输出的特征向量组合为输入，以多组有标签心电样本的分类标签为输出，对多层感知机模型进行训练，得到心电数据处理模型；

心电数据处理模块，用于获取待处理的心电数据，并将待处理的心电数据输入到心电数据处理模型中，得到待处理的心电数据的分类结果。