本申請適用于生物醫(yī)學工程技術(shù)領(lǐng)域，提供了心電信號處理方法，包括：獲取待分析的心電信號，對心電信號進行預處理得到張量，對張量進行多尺度重采樣得到多個預設(shè)尺度的心電數(shù)據(jù)，將心電數(shù)據(jù)輸入已訓練的分類模型進行處理得到心電信號類型，分類模型基于多個樣本心電數(shù)據(jù)以及分類標簽對深度學習網(wǎng)絡(luò)進行訓練得到，分類模型包括卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)以及分類器，在訓練過程中，卷積神經(jīng)網(wǎng)絡(luò)用于對多個樣本心電數(shù)據(jù)進行特征提取，循環(huán)神經(jīng)網(wǎng)絡(luò)用于對卷積神經(jīng)網(wǎng)絡(luò)提取的特征信息進行融合，分類器用于對融合后的特征信息進行分類得到分類結(jié)果。本申請還提供了心電信號處理裝置和終端設(shè)備，提高了心電信號處理效率和分類精度。

技術(shù)領(lǐng)域

本申請屬于生物醫(yī)學工程技術(shù)領(lǐng)域，尤其涉及一種心電信號的處理方法、裝置及終端設(shè)備。

背景技術(shù)

自動心率失常的準確及時檢測是一項重要的輔助診斷技術(shù)，對于醫(yī)院外急性心血管事件的實時預警有著不可或缺的作用。傳統(tǒng)的基于心電信號的檢測主要包含特征提取與疾病分類兩個部分，其中特征提取是十分關(guān)鍵的步驟直接影響著疾病檢測的結(jié)果與精度。

目前，心電信號在采集過程中往往以特征點檢測為基礎(chǔ)進行分析，這樣不可避免的會引入各種噪聲，且不同個體、不同疾病的心電波形的差異化較大，影響心律失常的檢測結(jié)果。由于隨著網(wǎng)絡(luò)深度的增加和池化層的加入，會導致深度學習的心電信號類型分析精度降低的問題。

發(fā)明內(nèi)容

本申請實施例提供了心電信號處理的方法及裝置，可以解決傳統(tǒng)深度學習只利用單尺度的心電信號輸入進行特征提取的不足，且很難實現(xiàn)高精度的心電信號類型的分類的問題。

第一方面，本申請實施例提供了一種心電信號處理方法，包括：

獲取待分析的心電信號，對所述心電信號進行預處理，得到所述心電信號對應(yīng)的張量；

對所述張量進行多尺度重采樣得到多個預設(shè)尺度的心電數(shù)據(jù)；

將所述心電數(shù)據(jù)輸入已訓練的分類模型進行處理，得到所述心電信號所屬的心電信號類型，其中，所述分類模型基于多個樣本心電數(shù)據(jù)以及每個樣本心電數(shù)據(jù)對應(yīng)的分類標簽對深度學習網(wǎng)絡(luò)進行訓練得到，所述分類模型包括卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)以及分類器，在訓練過程中，所述分類模型的卷積神經(jīng)網(wǎng)絡(luò)用于對多個樣本心電數(shù)據(jù)進行特征提取，所述循環(huán)神經(jīng)網(wǎng)絡(luò)用于對所述卷積神經(jīng)網(wǎng)絡(luò)提取的特征信息進行融合，所述分類器用于對融合后的特征信息進行分類，得到樣本心電數(shù)據(jù)對應(yīng)的分類結(jié)果。

可選地，所述將所述心電數(shù)據(jù)輸入已訓練的分類模型進行處理，得到所述心電信號所屬的心電信號類型，包括：

通過所述已訓練的分類模型中的所述卷積神經(jīng)網(wǎng)絡(luò)對每個預設(shè)尺度的所述心電數(shù)據(jù)進行特征提取，得到每個預設(shè)尺度的所述心電數(shù)據(jù)對應(yīng)的特征信息；

將每個預設(shè)尺度的所述心電數(shù)據(jù)對應(yīng)的特征信息輸入所述循環(huán)神經(jīng)網(wǎng)絡(luò)進行特征融合，得到多尺度融合后的特征信息；

通過所述分類器對所述融合后的特征信息進行分類處理，得到所述心電信號所屬的心電信號類型。

可選地，每個預設(shè)尺度的所述心電數(shù)據(jù)對應(yīng)的特征信息包括第一特征信息和第二特征信息，所述第一特征信息的抽象程度小于所述第二特征信息的抽象程度，所述卷積神經(jīng)網(wǎng)絡(luò)包括第一數(shù)量的第一卷積層和第二數(shù)量的第二卷積層；

所述通過所述已訓練的分類模型中的所述卷積神經(jīng)網(wǎng)絡(luò)對每個預設(shè)尺度的所述心電數(shù)據(jù)進行特征提取，得到每個預設(shè)尺度的所述心電數(shù)據(jù)對應(yīng)的特征信息，包括：

通過所述卷積神經(jīng)網(wǎng)絡(luò)中的第一卷積層，對每個預設(shè)尺度的所述心電數(shù)據(jù)進行特征提取，得到每個預設(shè)尺度的所述心電數(shù)據(jù)對應(yīng)的第一特征信息；

通過所述卷積神經(jīng)網(wǎng)絡(luò)的所述第二卷積層，對每個預設(shè)尺度的所述心電數(shù)據(jù)對應(yīng)的所述第一特征信息進行特征提取，得到每個預設(shè)尺度的所述心電數(shù)據(jù)對應(yīng)的第二特征信息。