[发明专利]一种AI心电训练数据标注方法、装置、电子设备及介质

说明书

本申请涉及医疗诊断的领域，尤其是涉及一种AI心电训练数据标注方法、装置、电子设备及介质。方法包括：获取心电图数据；识别心电图数据中的至少一个心搏产生信号，心搏产生信号表征每次心脏搏动的时刻与心脏搏动时产生的电压变化波形；根据至少一个心搏产生信号，确定心律异常事件；将心律异常事件标注在心电图数据中，生成样本数据。本申请具有提高样本数据标注效率的效果。

技术领域

本申请涉及医疗诊断的领域，尤其是涉及一种AI心电训练数据标注方法、装置、电子设备及介质。

背景技术

心电图是一种常规体检项目，经常用于对心脏疾病的诊断中，是诊断急性心肌缺血和心律失常最便捷最准确的无创性技术。患者心脏每次搏动会产生一个电激动，通过心电监测机捕捉患者每次心脏搏动形成电激动时产生的电压变化进而形成心电图。

检测后的心电图数据中，将显示患者在一个检测周期内的所有心脏搏动的时刻和心脏搏动时产生的电压波形，在心脏正常搏动一次，产生的电压波形应该是由一个P波、一个QRS波群以及一个T波可能还有一个U波而组成的电压波形。

医生往往通过患者的心电图数据对患者在当前检测周期内产生的各种电压波形判断患者是否发生心律异常事件，进而对患者的心脏健康状况进行判断。

目前对患者是否发生心律异常事件的判断可以通过人工智能技术自动判断，利用深度学习训练后的模型自动根据心电图数据判断患者在当前检测周期内是否发生心律异常事件，提高医生的诊断效率。

深度学习是一个复杂的机器学习算法，通过多层神经网络的参数和特征提取，进行深度学习进而获得原始数据的内在规律并提取出高层级特征。

深度学习应用之前需要进行模型训练，模型训练需要使用训练集、验证集以及测试集的数据，在模型训练过程中，首先调用算法对训练集进行训练，再经过验证集的验证与测试集的测试，完成模型训练，在应用过程中直接将数据经模型处理后获得对应结果。训练集为标注后的样本数据，由此可见，在规模越大的情况下，训练集的准确度以及训练集的数据需求量逐步攀升。

但是，目前样本数据的标注由人工手动在心电图数据中挨个进行标注，人工负担重，效率低。

发明内容

为了减轻人工手动标注数据的负担，本申请提供一种AI心电训练数据标注方法、装置、电子设备及介质。

第一方面，本申请提供一种AI心电训练数据标注方法，采用如下的技术方案：

一种AI心电训练数据标注方法，包括：

获取心电图数据；

识别所述心电图数据中的至少一个心搏产生信号，所述心搏产生信号表征每次心脏搏动的时刻与心脏搏动时产生的电压变化波形；

根据所述至少一个心搏产生信号，确定心律异常事件；

将所述心律异常事件标注在所述心电图数据中，生成样本数据。

通过采用上述技术方案，根据心电图数据，识别出每次心脏搏动时刻产生的心搏产生信号，根据所有的心搏产生信号，识别在当前的心电图数据中是否有心律异常事件，并将心律异常事件标注在心电图数据中生成样本数据，自动标注出心律异常事件，减小了工作人员手动标注的工作量，提高了样本数据标注的效率。

在一种可能的实现方式中，每个所述心搏产生信号包括表征心脏搏动时刻的心搏时刻信号和表征对应心脏搏动时刻的搏动情况的心搏电压信号；

其中，所述根据所述至少一个心搏产生信号，确定心律异常事件，包括：

基于每个所述心搏电压信号，识别每个心搏电压信号对应的心搏类型；

基于至少一个所述心搏时刻信号，确定心搏心率；