[发明专利]基于人工智能模型定位QRS波并进行分类的方法和装置

权利要求书

1.一种基于人工智能模型定位QRS波并进行分类的方法，其特征在于，所述方法包括：

获取第一心电图数据；

对所述第一心电图数据进行滤波处理，生成第二心电图数据；

按预设的目标采样率对所述第二心电图数据进行下采样处理，生成第三心电图数据；

按预设的片段时长对所述第三心电图数据进行心电片段分割处理，生成第一片段数据张量；

基于第一人工智能模型对所述第一片段数据张量进行QRS波特征数据提取处理，生成三个尺度的特征数据张量；

基于第二人工智能模型对所述三个尺度的特征数据张量进行QRS波类型识别处理，生成第二片段数据张量；所述第二片段数据张量包括多个第一QRS波数据向量；

基于非极大值抑制原则，根据QRS波置信度和相邻QRS波重合度对所述第二片段数据张量的所述第一QRS波数据向量进行筛选处理，生成第三片段数据张量；

根据所述第三片段数据张量进行心搏类型决策，生成对应的第一心搏类型数据序列；

根据所述第三片段数据张量进行R点位置统计，生成对应的第一R点位置序列；

根据所述第一R点位置序列和所述第一心搏类型数据序列，对所述第三心电图数据进行R点和心搏类型标注处理，生成第四心电图数据。

2.根据权利要求1所述的基于人工智能模型定位QRS波并进行分类的方法，其特征在于，

所述第一片段数据张量的形状为B×W,B为心电片段总数，W为单个心电片段的数据总数；所述第一片段数据张量包括B个长度为W的第一片段数据向量；

所述三个尺度的特征数据张量包括第一尺度特征数据张量、第二尺度特征数据张量和第三尺度特征数据张量；

所述第一尺度特征数据张量的形状为B₁×H₁×W₁，所述第二尺度特征数据张量的形状为B₂×H₂×W₂，所述第三尺度特征数据张量的形状为B₃×H₃×W₃，B₁、B₂、B₃、H₁、H₂、H₃、W₁、W₂和W₃均为正整数，B₁＝B₂＝B₃＝B，H₁H₂H₃，W₁＝W₂＝W₃；

所述第二片段数据张量的形状为B₄×H₄×W₄，B₄、H₄和W₄均为正整数，B₄＝B；所述第二片段数据张量包括B₄个形状为H₄×W₄的第一片段数据矩阵；所述第一片段数据矩阵包括H₄个长度为W₄的所述第一QRS波数据向量；所述第一QRS波数据向量包括第一QRS波起始点信息、第一QRS波R点信息、第一QRS波结束点信息、第一QRS波置信度信息和W₄-4个第一QRS波心搏类型概率信息；每个所述第一QRS波心搏类型概率信息对应一个QRS波心搏类型；

所述第三片段数据张量的形状为B₅×H₅×W₅，B₅、H₅和W₅均为正整数，B₅＝B，H₅≤H₄，W₅＝W₄；所述第三片段数据张量包括B₅个形状为H₅×W₅的第二片段数据矩阵；所述第二片段数据矩阵包括H₅个长度为W₅的第二QRS波数据向量；所述第二QRS波数据向量包括第二QRS波起始点信息、第二QRS波R点信息、第二QRS波结束点信息、第二QRS波置信度信息和W₅-4个第二QRS波心搏类型概率信息；每个所述第二QRS波心搏类型概率信息对应一个所述QRS波心搏类型。