本公開涉及計算機(jī)，具體涉及一種心電信號分類方法、一種心電信號分類模型訓(xùn)練方法。

背景技術(shù)：

1、在相關(guān)技術(shù)中，心電圖是診斷和監(jiān)測心血管疾病的重要方式。通過記錄人心臟活動產(chǎn)生的電位波形來反映心臟的狀態(tài)，可以為臨床治療提供很多有價值的信息。由于心電信號檢測需求的快速增長，以及專業(yè)心電醫(yī)生的短缺，使得心電信號的自動分類與診斷成為一個突出的研究領(lǐng)域。然而，傳統(tǒng)的心電信號分類方法往往涉及大量參數(shù)，模型結(jié)構(gòu)復(fù)雜，分類的準(zhǔn)確性較低。

2、需要說明的是，在上述背景技術(shù)部分公開的信息僅用于加強(qiáng)對本公開的背景的理解，因此可以包括不構(gòu)成對本領(lǐng)域普通技術(shù)人員已知的現(xiàn)有技術(shù)的信息。

技術(shù)實現(xiàn)思路

1、本公開提供一種心電信號分類方法及裝置、一種心電信號分類模型訓(xùn)練方法及裝置；一種存儲介質(zhì)、一種計算機(jī)程序產(chǎn)品，以及一種電子設(shè)備，能夠有效克服現(xiàn)有技術(shù)中存在的缺陷。

2、本公開的其他特性和優(yōu)點將通過下面的詳細(xì)描述變得顯然，或部分地通過本公開的實踐而習(xí)得。

3、根據(jù)本公開的第一方面，提供一種心電信號分類方法，所述方法包括：

4、獲取待處理心電數(shù)據(jù)，對所述待處理心電數(shù)據(jù)進(jìn)行預(yù)處理以獲取對應(yīng)的心拍信號；

5、將所述心拍信號輸入已訓(xùn)練的信號分類模型，利用一維卷積層對心拍信號進(jìn)行卷積處理，獲取用于表征局部空間特征的第一特征信息；

6、利用transformer編碼層對所述第一特征信息進(jìn)行編碼，以獲取用于表征全局特征的第二特征信息；

7、利用卷積層對所述第二特征進(jìn)行卷積運(yùn)算，以獲取第三特征信息；

8、利用線性層對所述第三特征信息、所述心電數(shù)據(jù)對應(yīng)的rr間期特征信息進(jìn)行全連接處理，以獲取第四特征數(shù)據(jù)；

9、利用分類層對所述第四特征進(jìn)行分類處理，以獲取所述待處理心電數(shù)據(jù)對應(yīng)的心電信號分類結(jié)果。

10、在一些示例性實施方式中，所述對所述待處理心電數(shù)據(jù)進(jìn)行預(yù)處理以獲取對應(yīng)的心拍數(shù)據(jù)，包括：

11、對所述待處理心電數(shù)據(jù)進(jìn)行去噪處理，以獲取去噪心電信號；

12、基于r波的波峰位置對所述去噪心電信號按預(yù)設(shè)的采樣數(shù)量進(jìn)行心拍劃分，以獲取所述心拍信號。

13、在一些示例性實施方式中，所述一維卷積層包括依次設(shè)置的第一卷積層、第一注意力機(jī)制層、第二卷積層和第二注意力機(jī)制層；其中，所述第一卷積層包括連續(xù)設(shè)置的若干個的深度可分離卷積層；所述第二卷積層包括至少一個深度可分離卷積層；所述第一注意力模塊層、所述第二注意力模塊層包括輕量級通道注意力機(jī)制層。

14、在一些示例性實施方式中，所述利用transformer編碼層對所述第一特征信息進(jìn)行特征提取，以獲取用于表征全局特征的第二特征信息，包括：

15、對所述第一特征信息進(jìn)行編碼，轉(zhuǎn)換為對應(yīng)的向量表示；并對所述第一特征信息的每個位置生成對應(yīng)的位置向量；

16、利用堆疊的多個編碼器對所述向量表示和所述位置向量進(jìn)行編碼，以獲取所述第二特征信息。

17、根據(jù)本公開的第二方面，提供一種心電信號分類裝置，包括：

18、預(yù)處理模塊，用于獲取待處理心電數(shù)據(jù)，對所述待處理心電數(shù)據(jù)進(jìn)行預(yù)處理以獲取對應(yīng)的心拍信號；

19、一維卷積層處理模塊，用于將所述心拍信號輸入已訓(xùn)練的信號分類模型，利用一維卷積層對心拍信號進(jìn)行卷積處理，獲取用于表征局部空間特征的第一特征信息；

20、編碼層處理模塊，用于利用transformer編碼層對所述第一特征信息進(jìn)行編碼，以獲取用于表征全局特征的第二特征信息；

21、卷積層處理模塊，用于利用卷積層對所述第二特征進(jìn)行卷積運(yùn)算，以獲取第三特征信息；

22、線性層處理模塊，用于利用線性層對所述第三特征信息、所述心電數(shù)據(jù)對應(yīng)的rr間期特征信息進(jìn)行全連接處理，以獲取第四特征數(shù)據(jù)；

23、分類層處理模塊，用于將利用分類層對所述第四特征進(jìn)行分類處理，以獲取所述待處理心電數(shù)據(jù)對應(yīng)的心電信號分類結(jié)果。

24、根據(jù)本公開的第三方面，提供一種存儲介質(zhì)，其上存儲有計算機(jī)程序，所述計算機(jī)程序被處理器執(zhí)行時實現(xiàn)上述的心電信號分類方法。

25、根據(jù)本公開的第四方面，提供一種電子設(shè)備，包括：

26、處理器；以及

27、存儲器，用于存儲所述處理器的可執(zhí)行指令；

28、其中，所述處理器配置為經(jīng)由執(zhí)行所述可執(zhí)行指令時實現(xiàn)上述的心電信號分類方法。

29、根據(jù)本公開的第五方面，提供一種計算機(jī)程序產(chǎn)品，其上存儲有計算機(jī)程序，計算機(jī)程序被處理器執(zhí)行時實現(xiàn)上述的心電信號分類方法。

30、根據(jù)本公開的第六方面，提供一種心電信號分類模型的訓(xùn)練方法，所述方法包括：

31、利用已標(biāo)記的心電樣本數(shù)據(jù)構(gòu)建心拍樣本數(shù)據(jù)；

32、構(gòu)建初始分類模型；所述初始分類模型包括一維卷積層、transformer編碼層、卷積層、線性層和分類層；其中，所述一維卷積層用于對心拍信號進(jìn)行卷積處理以獲取用于表征局部空間特征的第一特征信息；所述transformer編碼層用于對所述第一特征信息進(jìn)行特征提取以獲取用于表征全局特征的第二特征信息；所述卷積層用于對所述第二特征進(jìn)行卷積運(yùn)算，以獲取第三特征信息；所述線性層用于對所述第三特征信息、所述心電數(shù)據(jù)對應(yīng)的rr間期特征信息進(jìn)行全連接處理以獲取第四特征數(shù)據(jù)；所述分類層用于對所述第四特征進(jìn)行分類處理；

33、利用心拍樣本數(shù)據(jù)對所述初始分類模型進(jìn)行訓(xùn)練，獲取已訓(xùn)練模型；

34、對所述已訓(xùn)練模型進(jìn)行權(quán)重剪枝，以獲取壓縮后的心電信號分類模型。

35、在一些示例性實施方式中，所述利用已標(biāo)記的心電樣本數(shù)據(jù)構(gòu)建心拍樣本數(shù)據(jù)，包括：

36、對mit-bih心律失常數(shù)據(jù)庫的心電樣本信號進(jìn)行去噪處理，獲取已去噪心電樣本數(shù)據(jù)；

37、基于r峰位置對已去噪心電樣本數(shù)據(jù)按預(yù)設(shè)采樣點進(jìn)行心拍劃分，以獲取第一心拍樣本數(shù)據(jù)；

38、利用smote算法合成少數(shù)類心拍數(shù)據(jù)作為第二心拍樣本數(shù)據(jù)；

39、基于所述第一樣本數(shù)據(jù)、第二樣本數(shù)據(jù)構(gòu)建所述心拍樣本數(shù)據(jù)。

40、在一些示例性實施方式中，所述對所述已訓(xùn)練模型進(jìn)行權(quán)重剪枝，包括：

41、對所述已訓(xùn)練模型的可訓(xùn)練參數(shù)進(jìn)行重要性評估，并使用l1范數(shù)對所述可訓(xùn)練參數(shù)進(jìn)行重要性度量表示；

42、對所述可訓(xùn)練參數(shù)根據(jù)重要性評估結(jié)果進(jìn)行排序，并根據(jù)排序結(jié)果進(jìn)行可訓(xùn)練參數(shù)剪枝；

43、對剪枝后的模型進(jìn)行微調(diào)和重訓(xùn)練，以獲取壓縮后的心電信號分類模型。

44、根據(jù)本公開的第七方面，提供一種心電信號分類模型的訓(xùn)練裝置，包括：

45、樣本數(shù)據(jù)處理模塊，用于利用已標(biāo)記的心電樣本數(shù)據(jù)構(gòu)建心拍樣本數(shù)據(jù)；

46、初始模型構(gòu)建模塊，用于構(gòu)建初始分類模型；所述初始分類模型包括一維卷積層、transformer編碼層、卷積層、線性層和分類層；其中，所述一維卷積層用于對心拍信號進(jìn)行卷積處理以獲取用于表征局部空間特征的第一特征信息；所述transformer編碼層用于對所述第一特征信息進(jìn)行特征提取以獲取用于表征全局特征的第二特征信息；所述卷積層用于對所述第二特征進(jìn)行卷積運(yùn)算，以獲取第三特征信息；所述線性層用于對所述第三特征信息、所述心電數(shù)據(jù)對應(yīng)的rr間期特征信息進(jìn)行全連接處理以獲取第四特征數(shù)據(jù)；所述分類層用于對所述第四特征進(jìn)行分類處理；

47、模型訓(xùn)練模塊，用于利用心拍樣本數(shù)據(jù)對所述初始分類模型進(jìn)行訓(xùn)練，獲取已訓(xùn)練模型；

48、模型優(yōu)化模塊，用于對所述已訓(xùn)練模型進(jìn)行權(quán)重剪枝，以獲取壓縮后的心電信號分類模型。

49、根據(jù)本公開的第八方面，提供一種存儲介質(zhì)，其上存儲有計算機(jī)程序，所述計算機(jī)程序被處理器執(zhí)行時實現(xiàn)上述的心電信號分類模型的訓(xùn)練方法。

50、根據(jù)本公開的第九方面，提供一種電子設(shè)備，包括：

51、處理器；以及

52、存儲器，用于存儲所述處理器的可執(zhí)行指令；

53、其中，所述處理器配置為經(jīng)由執(zhí)行所述可執(zhí)行指令時實現(xiàn)上述的心電信號分類模型的訓(xùn)練方法。

54、根據(jù)本公開的第十方面，提供一種計算機(jī)程序產(chǎn)品，其上存儲有計算機(jī)程序，計算機(jī)程序被處理器執(zhí)行時實現(xiàn)上述的心電信號分類模型的訓(xùn)練方法。

55、本公開的實施例所提供的心電信號分類方法，通過使用基于transformer的輕量級心電分類模型，從而能夠在資源受限的邊緣設(shè)備上高效的處理心拍數(shù)據(jù)。通過在心電分類模型中利用一維卷積層提取局部空間特征，并結(jié)合transformer編碼層捕獲全局特征，能夠精確地獲取心拍數(shù)據(jù)的特征向量。通過利用分類器對全局特征和rr間期特征信息進(jìn)行全連接處理，從而在心拍類型的識別過程中結(jié)合了心電信號的時間特征，從而可以更好地區(qū)分正常心律和異常心律，能夠有效地提高心電數(shù)據(jù)分類的準(zhǔn)確性，實現(xiàn)對心拍類型的準(zhǔn)確判斷。

56、應(yīng)當(dāng)理解的是，以上的一般描述和后文的細(xì)節(jié)描述僅是示例性和解釋性的，并不能限制本公開。