基于人工神经网络的心电心音诊断方法、装置及设备与流程

本技术涉及医疗数据处理，尤其涉及一种基于人工神经网络的心电心音诊断方法、装置、电子设备及存储介质。

背景技术：

1、心电图及心音图检查是诊断心脏疾病的基础途径：心电图可提供心率、心律及部分心脏结构的信息，但对疾病的鉴别诊断能力较弱。主要表现在：不同诱因的心脏疾病可呈现相似的心电图表征，如心电图提示左心室肥大，其病因可能为高血压、二尖瓣反流或狭窄、主动脉瓣狭窄等病因导致，此时若能结合患者心音信号的变化情况，则可对上述疾病的鉴别提供更多参数依据。

2、目前，主要通过医生根据心电图和心音图对患者出现的问题进行诊断，即现有技术主要依赖于医生的行业经验，而由于医务能力的参差不齐，将会导致病人的诊断效率及诊断准确度低。

技术实现思路

1、有鉴于此，本技术提供一种基于人工神经网络的心电心音诊断方法、装置、电子设备及存储介质，用于通过训练好的心脏识别模型得到预测数据标签，提高数据标签预测的准确度以及预测效率。

2、第一方面，本技术实施例提供一种基于人工神经网络的心电心音诊断方法，该方法包括：

3、基于样本数据对应的第一训练数据及实际数据标签训练第一神经网络模型，基于样本数据对应的第二训练数据及实际数据标签训练第二神经网络模型；直至所述第一神经网络模型和所述第二神经网络模型均收敛；所述样本数据包括用户基础数据以及基于同一时间频率获取的心电图和心音图；

4、通过训练好的所述第一神经网络模型获取所述第一训练数据对应的第一训练数据特征，基于训练好的所述第二神经网络模型获取所述第二训练数据对应的第二训练数据特征；

5、根据所述第一训练数据特征和所述第二训练数据特征对所述心脏识别模型进行训练，直至所述心脏识别模型的损失值满足预置条件；

6、根据训练好的心脏识别模型得到待识别用户的用户数据对应的预测数据标签。

7、可选的，所述通过训练好的所述第一神经网络模型获取所述第一训练数据对应的第一训练数据特征，基于训练好的所述第二神经网络模型获取所述第二训练数据对应的第二训练数据特征，包括：

8、将所述第一训练数据输入到训练好的所述第一神经网络模型得到待选第一训练数据特征以及第一预测数据标签；

9、将所述第二训练数据输入到训练好的所述第二神经网络模型得到待选第二训练数据特征以及第二预测数据标签；

10、基于属于同一样本数据对应的实际数据标签、所述第一预测数据标签和所述第二预测数据标签，确定所述第一训练数据特征和所述第二训练数据特征。

11、可选的，所述基于属于同一样本数据对应的实际数据标签、所述第一预测数据标签和所述第二预测数据标签，确定所述第一训练数据特征和所述第二训练数据特征，包括：

12、获取属于同一样本数据对应的实际数据标签、所述第一预测数据标签和所述第二预测数据标签；

13、若属于同一样本数据对应的实际数据标签、所述第一预测数据标签和所述第二预测数据标签均相同，则将所述待选第一训练数据特征确定为第一训练数据特征，将所述待选第二训练数据特征确定为第二训练数据特征。

14、可选的，所述基于属于同一样本数据对应的实际数据标签、所述第一预测数据标签和所述第二预测数据标签，确定所述第一训练数据特征和所述第二训练数据特征，包括：

15、获取属于同一样本数据对应的实际数据标签、所述第一预测数据标签和所述第二预测数据标签；

16、确定所述第一预测数据标签和所述第二预测数据标签中与所述实际数据标签相同的第一标签概率值、第二标签概率值；

17、对所述第一标签概率值和所述第二标签概率值进行加权计算得到加权值；

18、若所述加权值大于预置数值，则将所述待选第一训练数据特征确定为第一训练数据特征，将所述待选第二训练数据特征确定为第二训练数据特征。

19、可选的，所述根据所述第一训练数据特征和所述第二训练数据特征对所述心脏识别模型进行训练，直至所述心脏识别模型的损失值满足预置条件，包括：

20、将所述第一训练数据特征和所述第二训练数据特征输入到所述心脏识别模型中，得到预测数据标签；

21、根据所述预测数据标签和对应的实际数据标签计算所述心脏识别模型的损失值；

22、确定所述心脏识别模型的损失值是否满足预置条件；

23、若所述损失值满足预置条件，则停止所述心脏识别模型进行训练；若所述损失值不满足预置条件，则继续对所述心脏识别模型进行训练。

24、可选的，所述方法还包括：

25、将所述样本数据对应的心电特征图、心音特征图、心电参数值、心音参数值及用户基础数据确定为第三训练数据；

26、基于所述样本数据对应的第三训练数据及实际数据标签训练第三神经网络模型，直至所述第三神经网络模型均收敛；

27、通过训练好的第一神经网络模型、第二神经网络模型和第三神经网络模型确定待识别用户的用户数据对应的预测数据标签。

28、可选的，所述通过训练好的第一神经网络模型、第二神经网络模型和第三神经网络模型确定待识别用户的用户数据对应的预测数据标签，包括：

29、从所述待识别用户的用户数据中确定待识别用户的心电特征图、心音特征图、心电参数值、心音参数值及用户基础数据；

30、将所述待识别用户的心电特征图、心音特征图及用户基础数据输入到训练好的第一神经网络模型，得到第一预测数据标签；

31、将所述待识别用户的心电参数值、心音参数值及用户基础数据输入到训练好的第二神经网络模型，得到第二预测数据标签；

32、将待识别用户的心电特征图、心音特征图、心电参数值、心音参数值及用户基础数据输入到训练好的第三神经网络模型，得到第三预测数据标签；

33、根据所述第一预测数据标签、所述第二预测数据标签和所述第三预测数据标签，确定待识别用户的用户数据对应的预测数据标签。

34、第二方面，本技术实施例还提供一种基于人工神经网络的心电心音诊断装置，该装置包括：

35、训练模块，用于基于样本数据对应的第一训练数据及实际数据标签训练第一神经网络模型，基于样本数据对应的第二训练数据及实际数据标签训练第二神经网络模型；直至所述第一神经网络模型和所述第二神经网络模型均收敛；所述样本数据包括用户基础数据以及基于同一时间频率获取的心电图和心音图；

36、所述获取模块，还用于通过训练好的所述第一神经网络模型获取所述第一训练数据对应的第一训练数据特征，基于训练好的所述第二神经网络模型获取所述第二训练数据对应的第二训练数据特征；

37、所述训练模块，还用于根据所述第一训练数据特征和所述第二训练数据特征对所述心脏识别模型进行训练，直至所述心脏识别模型的损失值满足预置条件；

38、预测模块，用于根据训练好的心脏识别模型得到待识别用户的用户数据对应的预测数据标签。

39、第三方面，本技术实施例还提供一种电子设备，包括：处理器、存储器和总线，存储器存储有处理器可执行的机器可读指令，当电子设备运行时，处理器与存储器之间通过总线进行通信，机器可读指令被所述处理器运行时执行第一方面的基于人工神经网络的心电心音诊断方法的步骤。

40、第四方面，本技术实施例还提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器运行时执行上述第一方面中的基于人工神经网络的心电心音诊断方法的步骤。

41、本技术实施例提供的一种基于人工神经网络的心电心音诊断方法、装置、电子设备及存储介质，获取训练心脏识别模型的样本数据及样本数据对应的实际数据标签；将所述心电图和所述心音图转换为心电特征图、心音特征图，并从心电图和心音图中分别提取心电参数值、心音参数值；将样本数据对应的心电特征图、心音特征图及用户基础数据确定为第一训练数据，将样本数据对应的心电参数值、心音参数值及用户基础数据确定为第二训练数据；基于样本数据对应的第一训练数据及实际数据标签训练第一神经网络模型，基于样本数据对应的第二训练数据及实际数据标签训练第二神经网络模型；直至第一神经网络模型和所述第二神经网络模型均收敛；通过训练好的第一神经网络模型获取第一训练数据对应的第一训练数据特征，基于训练好的第二神经网络模型获取第二训练数据对应的第二训练数据特征；根据第一训练数据特征和第二训练数据特征对心脏识别模型进行训练，直至心脏识别模型的损失值满足预置条件；根据训练好的心脏识别模型得到待识别用户的用户数据对应的预测数据标签。本实施例通过第一神经网络模型和第二神经网络模型得到训练心脏识别模型所需要的样本数据，然后通过训练好的心脏识别模型得到预测数据标签，即本实施例无需医护人员介入便可以通过训练好的心脏识别模型得到预测数据标签，从而通过本实施例可以提高数据标签预测的准确度以及预测效率。

42、为使本技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。