1.基于12导联静息心电图的多级联人工智能排阴方法，其特征在于，所述方法包括：
s1.使用数字信号处理心电算法对12导联静息心电图进行分析，计算心率，对心率进行判别，过滤掉在设定的心率范围外的心电图数据；
s2.使用卷积神经网络算法对经过步骤s1处理的心电图数据进行分析，过滤掉异常数据；
s3.采用多个残差结构的深度神经网络对经过步骤s2处理的心电图数据进行分析，对心电图的波形细节进行区分判别。
2.根据权利要求1所述的基于12导联静息心电图的多级联人工智能排阴方法，其特征在于，步骤s1中，所述数字信号处理心电算法包括识别r波的步骤，所述识别r波的步骤包括：将每一个导联的数据分别通过线性数字滤波器进行滤波留下可用频率范围，滤波后的信号进行频域变换，滤波后的信号在频域寻找功率谱极值点，通过对应时域上的特征确定动态门限，找到每个导联超过门限的点，并作为这一个导联的r波对应顶点，将各导联的r波对应顶点分别取众数，得到全导联r波位置列表；
通过心电图中两个r波之间的距离，计算心率。
3.根据权利要求2所述的基于12导联静息心电图的多级联人工智能排阴方法，其特征在于，步骤s1中，所述对心率进行判别包括：将由数字信号处理心电算法计算的心率与设定的心率范围进行比较；
当由数字信号处理心电算法计算的心率在设定的心率范围外时，心电图数据标记为阳性，不再进入下一步；
当由数字信号处理心电算法计算的心率在设定的心率范围内时，心电图数据进入步骤s2。
4.根据权利要求3所述的基于12导联静息心电图的多级联人工智能排阴方法，其特征在于，所述设定的心率范围为60-100次每分钟。
5.根据权利要求1所述的基于12导联静息心电图的多级联人工智能排阴方法，其特征在于，所述数字信号处理心电算法还包括计算qrs波群、p波、t波、pr间期、qt间期、st段和各导联的特征波形及电压的步骤。
6.根据权利要求1所述的基于12导联静息心电图的多级联人工智能排阴方法，其特征在于，步骤s2中，所述经过步骤s1处理的心电图数据包括：左右手接反心电数据、噪声过大心电数据、房颤房扑和室颤心电数据、各种心脏起搏器用户的心电数据、不属于以上特征的心电数据；
所述异常数据为左右手接反心电数据、噪声过大心电数据、房颤房扑和室颤心电数据、各种心脏起搏器用户的心电数据。
7.根据权利要求1所述的基于12导联静息心电图的多级联人工智能排阴方法，其特征在于，所述残差结构的深度神经网络的模型深度为130层，数量为8个；
每个所述残差结构的深度神经网络的结构相同，每个所述残差结构的深度神经网络模型的输入训练数据不同，每个所述残差结构的深度神经网络模型推理的输出类别不同。
8.根据权利要求7所述的基于12导联静息心电图的多级联人工智能排阴方法，其特征在于，步骤s3包括：利用8个结构相同但是训练系数不同的残差结构的深度神经网络，对心电图波形的8个特征段进行推理，得到每个特征段的阳性或者阴性结果；所述8个特征段为：p波段、q波段、qrs波段的预激特征、qrs波段的阻滞变化、st波段、t波段、pr间期、qt间期。
9.根据权利要求8所述的基于12导联静息心电图的多级联人工智能排阴方法，其特征在于，所述qrs波段的阻滞变化包含左右束支阻滞、左前后分支阻滞、左束支阻滞。