【技术实现步骤摘要】
本申请涉及人工智能，尤其涉及深度学习。具体的，本申请公开了一种心电信号分类识别方法、装置、设备及存储介质。
技术介绍
1、随着社会不断进步和生活压力的不断上升，心脏疾病已经成为威胁人类健康的重要因素。心电信号表征了人体心脏的电活动，根据心电信号进行心律失常分析对心脏病的诊断和治疗具有重要的意义，但是在实际监测救援过程中，监护设备、救援设备会因为设备自身原因或环境原因而采集到不同程度的干扰信号，导致获取心电信号无效或不准确，从而使心律失常分析等诊断不准确，因此实时识别心电信号干扰显得尤为重要。
2、在相关技术中，目前通常采用信号特征匹配的方式来识别心电信号属于干扰信号还是有效心电信号，也即将实际采集的心电信号的信号特征与标准信号特征/干扰信号特征进行匹配，以实现心电信号的分类识别，但是这种方式的效率较低、准确性不能得到充分保证。
3、值得注意的是，在此部分中描述的技术不一定是之前已经设想到或采用的技术。除非另有指明，否则不应假定此部分中描述的任何技术仅因其包括在此部分中就被认为为现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。
技术实现思路
1、本申请实施例提供了一种心电信号分类识别方法、装置、设备及存储介质，旨在至少在一定程度上解决相关技术中的问题之一。
2、本申请实施例第一方面提供了一种心电信号分类识别方法，包括：
3、基于实时采集的心电信号获取待识别心电信号；
4、将所述待识别心
5、将所述心电信号特征输入至所述心电信号识别模型的特征识别网络进行分类识别，输出心电信号分类结果；其中，所述特征识别网络包括池化模块和分类器，所述心电信号分类结果用于指示所述待识别心电信号是否为干扰信号。
6、本申请实施例第二方面提供了一种心电信号分类识别装置，包括：
7、获取模块，用于基于实时采集的心电信号获取待识别心电信号；
8、提取模块，用于将所述待识别心电信号输入至训练完成的心电信号识别模型的特征提取网络进行特征提取，输出心电信号特征；其中，所述特征提取网络包括残差卷积模块；
9、分类模块，用于将所述心电信号特征输入至所述心电信号识别模型的特征识别网络进行分类识别，输出心电信号分类结果；其中，所述特征识别网络包括池化模块和分类器，所述心电信号分类结果用于指示所述待识别心电信号是否为干扰信号。
10、本申请实施例第三方面提供了一种电子设备，包括：存储器及处理器，其中，处理器用于执行存储在存储器上的计算机程序，处理器执行计算机程序时，实现上述本申请实施例第一方面提供的心电信号分类识别方法中的各步骤。
11、本申请实施例第四方面提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时，实现上述本申请实施例第一方面提供的心电信号分类识别方法中的各步骤。
12、由上可见，根据本申请方案所提供的心电信号分类识别方法、装置、设备及存储介质，基于实时采集的心电信号获取待识别心电信号；将待识别心电信号输入至训练完成的心电信号识别模型中包括残差卷积模块的特征提取网络进行特征提取，输出心电信号特征；将心电信号特征输入至心电信号识别模型中包括池化模块和分类器的特征识别网络进行分类识别，输出心电信号分类结果；其中，心电信号分类结果用于指示待识别心电信号是否为干扰信号。通过本申请方案的实施，利用神经网络模型自动提取心电信号的特征并依此进行信号分类识别，而神经网络模型具有优异的数据处理能力和学习能力，从而可提高心电信号分类识别的效率和准确性。
13、应当理解，本部分所描述的内容并非旨在标识本申请的关键或重要特征，也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
本文档来自技高网...【技术保护点】
1.一种心电信号分类识别方法，其特征在于，包括：
2.根据权利要求1所述的心电信号分类识别方法，其特征在于，所述基于实时采集的心电信号获取待识别心电信号，包括：
3.根据权利要求1所述的心电信号分类识别方法，其特征在于，所述实时采集的心电信号为逐点采集的单导联心电信号。
4.根据权利要求1所述的心电信号分类识别方法，其特征在于，所述特征提取网络包括残差卷积模块、卷积层和批归一化层；所述将所述待识别心电信号输入至训练完成的心电信号识别模型的特征提取网络进行特征提取，输出心电信号特征，包括：
5.根据权利要求4所述的心电信号分类识别方法，其特征在于，所述残差卷积模块包括卷积核尺寸不同的第一残差卷积模块和第二残差卷积模块；所述利用所述残差卷积模块对所述待识别心电信号进行残差卷积处理，得到残差卷积特征，包括：
6.根据权利要求1所述的心电信号分类识别方法，其特征在于，所述池化模块包括第一池化层、卷积模块和第二池化层，所述第二池化层的尺寸大于所述第一池化层；所述将所述心电信号特征输入至所述心电信号识别模型的特征识别网络进行分类识别
7.根据权利要求1所述的心电信号分类识别方法，其特征在于，所述池化模块包括平均池化模块和最大池化模块；所述将所述心电信号特征输入至所述心电信号识别模型的特征识别网络进行分类识别，输出心电信号分类结果，包括：
8.根据权利要求1至7中任意一项所述的心电信号分类识别方法，其特征在于，还包括：
9.一种心电信号分类识别装置，其特征在于，包括：
10.一种电子设备，其特征在于，包括存储器及处理器，其中：
11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1至8中的任意一项所述心电信号分类识别方法中的步骤。
...【技术特征摘要】
1.一种心电信号分类识别方法，其特征在于，包括：
2.根据权利要求1所述的心电信号分类识别方法，其特征在于，所述基于实时采集的心电信号获取待识别心电信号，包括：
3.根据权利要求1所述的心电信号分类识别方法，其特征在于，所述实时采集的心电信号为逐点采集的单导联心电信号。
4.根据权利要求1所述的心电信号分类识别方法，其特征在于，所述特征提取网络包括残差卷积模块、卷积层和批归一化层；所述将所述待识别心电信号输入至训练完成的心电信号识别模型的特征提取网络进行特征提取，输出心电信号特征，包括：
5.根据权利要求4所述的心电信号分类识别方法，其特征在于，所述残差卷积模块包括卷积核尺寸不同的第一残差卷积模块和第二残差卷积模块；所述利用所述残差卷积模块对所述待识别心电信号进行残差卷积处理，得到残差卷积特征，包括：
6.根据权利要求1所述的心电信号分类识别方法，其特征...
【专利技术属性】
技术研发人员：万豆，陈锦，梁胜锦，王加东，
申请(专利权)人：苏州维伟思医疗科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。