摘要
本申请公开了一种基于多分支加权注意力的心电信号分类方法、设备、介质,方法包括:获取多组心电数据,每组心电数据包括多个第一多导联心电信号,不同组心电数据的第一心电信号对应的分类标签互不相同;对全部的第一心电信号进行去噪处理,得到第二多导联心电信号;划分第二多导联心电信号,得到训练集和测试集;利用训练集对预设的多分支加权注意力网络进行训练,得到心电信号分类模型;将测试集输入至心电信号分类模型,得到对应的目标心电信号分类结果。本申请通过多分支加权注意力网络对多导联心电信号进行充分的特征提取,相较于现有的人工分析或深度学习分析方案,保障心电信号分类结果的准确性。
技术关键词
多导联心电信号
心电信号分类
多分支
分类方法
注意力
拼接模块
计算机可执行指令
去噪算法
深度学习分析
标签
深度神经网络
可读存储介质
分块
加权特征
处理器
积层
系统为您推荐了相关专利信息
三维重建模型
双块式轨枕
裂缝检测方法
超声波
特征金字塔网络
文本
图像
多模态特征融合
通道注意力机制
融合特征
三维分割方法
文本特征向量
跨模态
三维点云数据
网格特征
地物分类方法
特征窗口
频域特征
卷积特征
特征提取网络