[发明专利]基于度量元学习的小样本心电图识别方法及系统

说明书

本发明提供一种基于度量元学习的小样本心电图识别方法及系统，该方法包括：从目标心电图中获取目标心拍图；根据目标心拍图，以及每一预设心律类别下的样本心拍图集合中的每一第一样本心拍图，构建目标图像对；将目标图像对输入至心电图识别模型中，获取心电图识别模型输出的目标心拍图与每一预设心律类别下的第一样本心拍图之间的相似性度量值；根据相似性度量值，获取目标心拍图对应的心律识别结果；其中，心电图识别模型是基于样本数据集，进行度量元学习得到的；样本数据集中包含每一预设心律类别下的至少一个第二样本心拍图，以及至少一个第二样本心拍图的心律类别标签。本发明实现在标注样本较少时，精准地获取心电图识别结果。

技术领域

本发明涉及图像识别技术领域，尤其涉及一种基于度量元学习的小样本心电图识别方法及系统。

背景技术

随着可穿戴式技术的发展，心电图的获取更加简便高效。其中，心电图是由特殊设备采集于人体表的心脏一系列生理电活动的信号，可以反应心脏兴奋、传导和恢复的变化。因此高精度的心电图识别对预防心血管疾病以及辅助诊疗具有重要意义。

近年来，基于机器学习和深度学习的心电图识别技术避免了人工对心电图进行分析所需耗费的大量时间，大大提高了辅助诊疗的效率，因而引起了广泛关注。

但是，基于深度学习的心电图识别方法，需要依赖大量高质量带标注的训练数据，才能精准地对心电图进行识别。但是，由于医学领域的数据具有一定敏感性，导致公开可用的数据集较为匮乏，通常只包括单个类别、案例或群体的一部分的少数样本，且标注时间成本和经济成本都较高，难以不支持进行大规模的标注工作，因此无法精准地获取有效的心电图识别结果。

发明内容

本发明提供一种基于度量元学习的小样本心电图识别方法及系统，用以解决现有技术中在标注样本较少时，无法准确地对心电图中的心律类别进行识别的缺陷，实现在标注样本较少时，精准地获取心电图识别结果。

本发明提供一种基于度量元学习的小样本心电图识别方法，包括：

从目标心电图中获取目标心拍图；

根据所述目标心拍图，以及每一预设心律类别下的样本心拍图集合中的每一第一样本心拍图，构建目标图像对；

将所述目标图像对输入至心电图识别模型中，获取所述心电图识别模型输出的所述目标心拍图与每一预设心律类别下的第一样本心拍图之间的相似性度量值；

根据所述相似性度量值，获取所述目标心拍图对应的心律识别结果；

其中，所述心电图识别模型是基于样本数据集，进行度量元学习得到的；所述样本数据集中包含每一预设心律类别下的至少一个第二样本心拍图，以及所述至少一个第二样本心拍图的心律类别标签。

根据本发明提供的一种基于度量元学习的小样本心电图识别方法，所述心电图识别模型是基于如下步骤训练得到的：

对于当前次迭代训练，基于所述样本数据集，构建多个元训练任务对应的训练数据集；每一元训练任务对应的训练数据集包含多组样本图像对，以及所述样本图像对中两个第二样本心拍图的心律类别标签；

根据所述多个元训练任务对应的训练数据集，以及上一次迭代训练对应的图像识别模型，进行度量元学习，得到所述当前次迭代训练对应的图像识别模型；

基于所述当前次迭代训练对应的图像识别模型，继续执行下一次迭代训练，直到训练得到的图像识别模型的模型性能满足目标性能；

基于最后一次迭代训练对应的图像识别模型，获取所述心电图识别模型。

根据本发明提供的一种基于度量元学习的小样本心电图识别方法，所述根据所述多个元训练任务对应的训练数据集，以及上一次迭代训练对应的图像识别模型，进行度量元学习，得到所述当前次迭代训练对应的图像识别模型，包括：