[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

说明书

本发明实施例涉及一种基于人工智能模型定位QRS波并进行分类的方法和装置，所述方法包括：获取第一心电图数据；进行滤波生成第二心电图数据；进行下采样生成第三心电图数据；进行心电片段分割生成第一片段数据张量；基于第一人工智能模型对第一片段数据张量进行特征提取生成三个尺度的特征数据张量；基于第二人工智能模型对三个尺度的特征数据张量进行类型识别生成第二片段数据张量；基于非极大值抑制原则对第二片段数据张量进行筛选生成第三片段数据张量；进行心搏类型决策生成第一心搏类型数据序列；进行R点位置统计生成第一R点位置序列；对第三心电图数据进行R点和心搏类型标注生成第四心电图数据。通过本发明可以提高QRS波识别精度。

技术领域

本发明涉及数据处理技术领域，特别涉及一种基于人工智能模型定位QRS波并进行分类的方法和装置。

背景技术

心电图由多个心搏信号组成，每个心搏信号中包括P波、QRS波、T波。在对心搏信号的各波形进行定位时，通过都是在定位QRS波之后，参考QRS波的位置信息对P波、T波进行定位。在实际应用中，心电信号属于强噪声背景下的微弱电生理信号，抗扰能力差，环境中的噪声、伪迹、运动干扰以及仪器内部的电噪干扰，都会对QRS的识别和定位造成影响。

发明内容

本发明的目的，就是针对现有技术的缺陷，提供一种基于人工智能模型定位QRS波并进行分类的方法、装置、电子设备及计算机可读存储介质，在对心电图数据完成滤波和降采样之后，使用人工智能模型对心电图数据进行特征提取从而得到多个尺度的特征数据，对多个尺度的特征数据继续基于人工智能模型进行QRS波位置和心搏类型识别从而得到带有心搏级语义信息的心电图数据，期间还根据QRS波置信度和相邻QRS波重合度对心电图语义分割数据进行极大值抑制从而最大程度保证了心电图数据的识别精度。通过本发明，可以有效去除心电图数据中的噪声和干扰数据，可以实现心搏级QRS波语义分割(包括R点位置与心搏类型)，可以提高识别精度。

为实现上述目的，本发明实施例第一方面提供了一种基于人工智能模型定位QRS波并进行分类的方法，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。

优选的，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；