一种基于深度学习的心电数据异常识别方法、装置、设备及存储介质

本申请提供一种基于深度学习的心电数据异常识别方法、装置、设备及存储介质。其中，采集患者的原始心电图信号，并通过多级预处理得到目标心电图信号。利用深度融合学习模型识别出目标心电图信号中的异常信号，生成初步识别结果。随后，将初步识别结果与预训练的机器学习模型结合，通过堆叠泛化的融合方法进行混合模型处理，并基于患者详细信息构建贝叶斯网络，获取带有上下文感知的推理结果，最终生成目标识别结果。根据目标识别结果，生成异常报告，按照预定义标准分类存储并展示给用户。这种方法确保了异常检测的高精度和个性化诊断，提高了心电图分析的可靠性和效率。