技术特征：
1.一种单心拍分类方法，其特征在于，包括：获取连续心拍信号，根据所述连续心拍信号的r波位置将所述连续心拍信号分割，获得单心拍信号；提取每个单心拍信号的特征，将所述每个单心拍信号和所述每个单心拍信号的特征输入至第一分类网络中，通过所述第一分类网络逐步下采样学习相邻心拍信号之间的特征变化规律，输出所述每个单心拍信号的权重和类别；将所述每个单心拍信号的权重和类别进行合并，输出所述每个单心拍信号为非异常心拍或异常心拍的分类结果；将所述异常心拍和所述异常心拍的特征输入至第二分类网络中，通过所述第二分类网络逐步下采样学习所述异常心拍之间的特征变化规律，输出所述异常心拍为室上性异常心拍或室性异常心拍的分类结果。2.根据权利要求1所述的方法，其特征在于，所述获取连续心拍信号，根据所述连续心拍信号的r波位置将所述连续心拍信号分割，获得单心拍信号包括：获取所述连续心拍信号，利用带通滤波器对所述连续心拍信号进行去噪，根据所述连续心拍信号的r波位置将所述连续心拍信号进行分割，获得所述单心拍信号。3.根据权利要求1所述的方法，其特征在于，所述提取每个单心拍信号的特征包括：提取所述每个单心拍信号的r波前后间期、t波存在标志、p波存在标志和偏度值。4.根据权利要求3所述的方法，其特征在于，所述提取所述每个单心拍信号的t波存在标志和p波存在标志包括：将所述每个单心拍信号分别输入至t波存在标志提取网络和p波存在标志提取网络中，分别识别所述每个单心拍信号中的t波和p波，输出所述每个单心拍信号的t波识别结果和p波识别结果；对所述每个单心拍信号的t波识别结果和p波识别结果进行计算处理，获得计算后的t波结果值和p波结果值；若所述t波结果值大于第一阈值，则所述单心拍信号存在t波，否则不存在t波；若所述p波结果值大于第二阈值，则所述单心拍信号存在p波，否则不存在p波。5.根据权利要求3所述的方法，其特征在于，所述提取每个单心拍信号的特征，将所述每个单心拍信号和所述每个单心拍信号的特征输入至第一分类网络中，通过所述第一分类网络逐步下采样学习相邻心拍信号之间的特征变化规律，输出所述每个单心拍信号的权重和类别包括：将所述每个单心拍信号和所述每个单心拍信号的r波前后间期输入至所述第一分类网络的a网络中逐步下采样学习相邻心拍信号及其r波前后间期之间的变化规律，输出所述每个单心拍信号的权重ω；将所述每个单心拍信号和所述每个单心拍信号的r波前后间期输入至所述第一分类网络的b网络中逐步下采样学习所述相邻心拍信号及其r波前后间期之间的变化规律，输出所述每个单心拍信号的类别x1；将所述每个单心拍信号的r波前后间期输入至所述第一分类网络的c网络中逐步下采样学习所述相邻心拍信号之间r波前后间期的变化规律，输出所述每个单心拍信号的类别x2；
将所述每个单心拍信号的特征输入至所述第一分类网络的d网络中逐步下采样学习所述相邻心拍信号之间特征的变化规律，输出所述每个单心拍信号的类别x3。6.根据权利要求5所述的方法，其特征在于，所述将所述每个单心拍信号的权重和类别进行合并，输出所述每个单心拍信号的分类结果包括：根据y＝x1+x2+ωx3，将所述每个单心拍信号的类别x1、x2和x3和所述每个单心拍信号的权重ω进行合并，输出所述每个单心拍信号的分类结果。7.一种单心拍分类装置，其特征在于，包括：分割模块，用于获取连续心拍信号，根据所述连续心拍信号的r波位置将所述连续心拍信号分割，获得单心拍信号；提取模块，用于提取每个单心拍信号的特征，将所述每个单心拍信号和所述每个单心拍信号的特征输入至第一分类网络中，通过所述第一分类网络逐步下采样学习相邻心拍信号之间的特征变化规律，输出所述每个单心拍信号的权重和类别；合并模块，用于将所述每个单心拍信号的权重和类别进行合并，输出所述每个单心拍信号为非异常心拍或异常心拍的分类结果；分类模块，用于将所述异常心拍和所述异常心拍的特征输入至第二分类网络中，通过所述第二分类网络逐步下采样学习所述异常心拍之间的特征变化规律，输出所述异常心拍为室上性异常心拍或室性异常心拍的分类结果。8.根据权利要求7所述的装置，其特征在于，所述分割模块包括：去噪单元，用于获取所述连续心拍信号，利用带通滤波器对所述连续心拍信号进行去噪，根据所述连续心拍信号的r波位置将所述连续心拍信号进行分割，获得所述单心拍信号。9.一种单心拍分类设备，其特征在于，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现如权利要求1至6任一项所述一种单心拍分类方法的步骤。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述一种单心拍分类方法的步骤。
技术总结
本发明涉及一种单心拍分类方法，通过提取每个单心拍信号的特征，将每个单心拍信号和每个单心拍信号的特征输入至第一分类网络中，利用第一分类网络学习相邻心拍信号之间的特征变化规律，输出每个单心拍信号的权重和类别；将每个单心拍信号的权重和类别进行合并，输出每个单心拍信号为非异常心拍或异常心拍的分类结果；将异常心拍和异常心拍的特征输入至第二分类网络中，通过第二分类网络学习异常心拍之间的特征变化规律，输出异常心拍为室上性异常心拍或室性异常心拍的分类结果。本发明通过考虑每个单心拍信号和每个异常心拍之间的特征变化规律，能够有效提高心拍分类的准确性，提高基于人工智能系统的疾病检测性能。提高基于人工智能系统的疾病检测性能。提高基于人工智能系统的疾病检测性能。
技术研发人员：王丽荣 朱文亮 须金柯 张浚玮 陈宇杰 刘晶 周靖杰 刘星宇
受保护的技术使用者：苏州大学
技术研发日：2022.02.25
技术公布日：2022/6/24