摘要
本发明提供一种心电图自动分类方法和装置,包括:对心电图数据进行预处理,得到预处理结果;将所述预处理结果输入至预先构建的特征提取组合模型中,得到综合特征向量;将所述综合特征向量输入至预先构建的分类模型中,得到目标类别;其中,所述特征提取模型是基于卷积神经网络和长短期记忆网络组合构建得到的;所述分类模型是基于深度神经网络利用海量心脏病预测相关特征进行训练得到的。本发明通过预处理提升特征提取的准确性,通过卷积神经网络和长短期记忆网络进行特征提取,更好地捕捉心电图波形中的时序和形态信息,将深度学习提取的特征与传统心电图特征进行融合,采用训练好的分类模型进行分类,从而提高了心电图分类的准确性和效率。
技术关键词
自动分类方法
特征提取模块
长短期记忆网络
随机森林模型
深度神经网络
特征提取模型
非暂态计算机可读存储介质
自动分类装置
时序特征
处理器
数据
计算机程序产品
记忆单元
存储器
电子设备
重构
波形
形态
噪声
系统为您推荐了相关专利信息
鲕状赤铁矿
磨矿设备
超细磨
设备健康管理
设备故障概率
定位系统
优化卷积神经网络
刀具参数
格式化图像
图像边缘检测
音频特征提取方法
残差信息
残差矩阵
频率
数学模型
图像识别方法
图像纹理特征
大语言模型
特征提取模块
文本编码器
滑坡预测方法
随机森林模型
样本
场景
地下工程技术