本發(fā)明涉及醫(yī)學(xué)信號(hào)處理，特別涉及一種心電數(shù)據(jù)質(zhì)量評(píng)估方法、裝置、設(shè)備及介質(zhì)。

背景技術(shù)：

1、心電圖（electrocardiogram，ecg）信號(hào)在多個(gè)領(lǐng)域中發(fā)揮著至關(guān)重要的作用，應(yīng)用系統(tǒng)對(duì)心電圖信號(hào)基準(zhǔn)點(diǎn)（或特征點(diǎn)）的精確確定提出了嚴(yán)格要求，因?yàn)檫@是確保局部波形（例如p波、qrs復(fù)合波、t波和u波）的形態(tài)特征（包括幅度、持續(xù)時(shí)間、極性和形狀）以及間隔特征（包括pr段、qt段、st段、rr間隔）能夠被準(zhǔn)確可靠測(cè)量基礎(chǔ)。為了提高測(cè)量的準(zhǔn)確性和可靠性，大多數(shù)ecg分析系統(tǒng)都要求輸入相對(duì)無(wú)噪聲的心電信號(hào)。然而，在實(shí)際應(yīng)用中，心電圖信號(hào)常常會(huì)受到各種噪聲的干擾，諸如基線漂移（常由電極接觸噪聲和電極運(yùn)動(dòng)偽影引起）、電力線干擾、肌電圖噪聲以及儀器噪聲等。這些噪聲的存在嚴(yán)重干擾了心電圖信號(hào)的形態(tài)分析，使得直接對(duì)受污染的信號(hào)進(jìn)行精確分析變得極為困難。傳統(tǒng)心電信號(hào)數(shù)據(jù)評(píng)價(jià)方法可分為基于規(guī)則的方法和基于機(jī)器學(xué)習(xí)的方法。基于規(guī)則的方法應(yīng)用啟發(fā)式規(guī)則來(lái)評(píng)價(jià)心電信號(hào)數(shù)據(jù)，該方法具有簡(jiǎn)單易用、計(jì)算量少的優(yōu)點(diǎn)，但準(zhǔn)確率較低?；跈C(jī)器學(xué)習(xí)的方法準(zhǔn)確率比基于規(guī)則的方法高，但需要根據(jù)專家知識(shí)對(duì)具體波形特征進(jìn)行人工提取，然后將評(píng)價(jià)特征輸入到后續(xù)的分類器中，完成對(duì)心電信號(hào)數(shù)據(jù)的質(zhì)量評(píng)價(jià)，相對(duì)復(fù)雜。

2、綜上，如何實(shí)現(xiàn)對(duì)心電圖信號(hào)進(jìn)行有效的自動(dòng)評(píng)估，減少因不可接受的噪聲水平而導(dǎo)致的誤報(bào)情況，從而確保心電圖分析系統(tǒng)的效果和可靠性是本領(lǐng)域有待解決的技術(shù)問(wèn)題。

技術(shù)實(shí)現(xiàn)思路

1、有鑒于此，本發(fā)明的目的在于提供一種心電數(shù)據(jù)質(zhì)量評(píng)估方法、裝置、設(shè)備及介質(zhì)，能夠?qū)π碾妶D信號(hào)進(jìn)行有效的自動(dòng)評(píng)估，減少因不可接受的噪聲水平而導(dǎo)致的誤報(bào)情況，從而確保心電圖分析系統(tǒng)的效果和可靠性。其具體方案如下：

2、第一方面，本技術(shù)公開(kāi)了一種心電數(shù)據(jù)質(zhì)量評(píng)估方法，包括：

3、獲取待評(píng)估心電序列數(shù)據(jù)；

4、將所述待評(píng)估心電序列數(shù)據(jù)輸入至目標(biāo)心電數(shù)據(jù)質(zhì)量評(píng)估模型，以便通過(guò)所述目標(biāo)心電數(shù)據(jù)質(zhì)量評(píng)估模型對(duì)所述待評(píng)估心電序列數(shù)據(jù)中的各單時(shí)間點(diǎn)的心電信號(hào)信息集成，以得到用于反映心臟節(jié)律、振幅變化趨勢(shì)的目標(biāo)密集語(yǔ)義信息；

5、通過(guò)所述目標(biāo)心電數(shù)據(jù)質(zhì)量評(píng)估模型對(duì)所述目標(biāo)密集語(yǔ)義信息進(jìn)行上下文感知處理，以得到相應(yīng)的目標(biāo)輸出序列，并根據(jù)所述目標(biāo)輸出序列的預(yù)測(cè)概率分布結(jié)果獲取所述待評(píng)估心電序列數(shù)據(jù)的質(zhì)量評(píng)估結(jié)果。

6、可選的，所述將所述待評(píng)估心電序列數(shù)據(jù)輸入至目標(biāo)心電數(shù)據(jù)質(zhì)量評(píng)估模型之前，還包括：

7、獲取攜帶相應(yīng)質(zhì)量評(píng)估真實(shí)標(biāo)簽的心電數(shù)據(jù)訓(xùn)練集，其中，所述質(zhì)量評(píng)估真實(shí)標(biāo)簽包括優(yōu)秀質(zhì)量評(píng)估標(biāo)簽、良好質(zhì)量評(píng)估標(biāo)簽、合格質(zhì)量評(píng)估標(biāo)簽、較差質(zhì)量評(píng)估標(biāo)簽和不可接受質(zhì)量評(píng)估標(biāo)簽；

8、利用所述心電數(shù)據(jù)訓(xùn)練集對(duì)初始心電數(shù)據(jù)質(zhì)量評(píng)估模型進(jìn)行心電數(shù)據(jù)質(zhì)量評(píng)估訓(xùn)練，以得到用于輸出對(duì)應(yīng)質(zhì)量評(píng)估結(jié)果的目標(biāo)心電數(shù)據(jù)質(zhì)量評(píng)估模型。

9、可選的，所述利用所述心電數(shù)據(jù)訓(xùn)練集對(duì)初始心電數(shù)據(jù)質(zhì)量評(píng)估模型進(jìn)行心電數(shù)據(jù)質(zhì)量評(píng)估訓(xùn)練之前，還包括：

10、構(gòu)建包含依次連接的一維卷積神經(jīng)網(wǎng)絡(luò)編碼器、transformer譯碼器、多分類頭的初始心電數(shù)據(jù)質(zhì)量評(píng)估模型；其中，所述多分類頭基于多層感知機(jī)構(gòu)建。

11、可選的，所述transformer譯碼器包括多頭注意力機(jī)制層、殘差連接層和前饋層。

12、可選的，所述利用所述心電數(shù)據(jù)訓(xùn)練集對(duì)初始心電數(shù)據(jù)質(zhì)量評(píng)估模型進(jìn)行心電數(shù)據(jù)質(zhì)量評(píng)估訓(xùn)練，包括：

13、將所述心電數(shù)據(jù)訓(xùn)練集輸入至初始心電數(shù)據(jù)質(zhì)量評(píng)估模型，以便通過(guò)所述初始心電數(shù)據(jù)質(zhì)量評(píng)估模型的一維卷積神經(jīng)網(wǎng)絡(luò)編碼器根據(jù)時(shí)間序列信息對(duì)心電序列訓(xùn)練數(shù)據(jù)進(jìn)行每個(gè)時(shí)間步長(zhǎng)的信號(hào)值推斷，以獲取單時(shí)間點(diǎn)下的心電信號(hào)訓(xùn)練信息作為稀疏訓(xùn)練信息；

14、通過(guò)所述一維卷積神經(jīng)網(wǎng)絡(luò)編碼器將所述稀疏訓(xùn)練信息進(jìn)行集成處理，以得到用于反映心臟節(jié)律、振幅變化趨勢(shì)的密集語(yǔ)義訓(xùn)練信息；

15、將所述密集語(yǔ)義訓(xùn)練信息輸入至所述transformer譯碼器，以便通過(guò)所述transformer譯碼器的多頭注意力機(jī)制層將所述密集語(yǔ)義訓(xùn)練信息轉(zhuǎn)換到不同的隱空間，以分別得到不同頭的基于查詢信息、鍵信息和值信息計(jì)算的注意力得分；

16、通過(guò)所述殘差連接層和所述前饋層對(duì)各所述注意力得分拼接后目標(biāo)注意力得分與對(duì)應(yīng)的權(quán)重矩陣相乘，以得到相應(yīng)的輸出訓(xùn)練序列；

17、將所述輸出訓(xùn)練序列輸入至所述多分類頭，以便通過(guò)所述多分類頭分別計(jì)算所述輸出訓(xùn)練序列在不同質(zhì)量評(píng)估真實(shí)標(biāo)簽下的對(duì)應(yīng)的預(yù)測(cè)概率分布；

18、根據(jù)各所述預(yù)測(cè)概率分布中的最大概率值對(duì)應(yīng)的質(zhì)量評(píng)估預(yù)測(cè)標(biāo)簽與所述心電序列訓(xùn)練數(shù)據(jù)的質(zhì)量評(píng)估真實(shí)標(biāo)簽之間的偏離程度反向更新所述初始心電數(shù)據(jù)質(zhì)量評(píng)估模型的模型參數(shù)，以得到更新后的目標(biāo)心電數(shù)據(jù)質(zhì)量評(píng)估模型。

19、可選的，所述根據(jù)各所述預(yù)測(cè)概率分布中的最大概率值對(duì)應(yīng)的質(zhì)量評(píng)估預(yù)測(cè)標(biāo)簽與所述心電序列訓(xùn)練數(shù)據(jù)的質(zhì)量評(píng)估真實(shí)標(biāo)簽之間的偏離程度反向更新所述初始心電數(shù)據(jù)質(zhì)量評(píng)估模型的模型參數(shù)，以得到更新后的目標(biāo)心電數(shù)據(jù)質(zhì)量評(píng)估模型，包括：

20、構(gòu)建以輸出質(zhì)量評(píng)估預(yù)測(cè)標(biāo)簽與質(zhì)量評(píng)估真實(shí)標(biāo)簽之間的概率分布最小的為優(yōu)化目標(biāo)的目標(biāo)損失函數(shù)；

21、利用所述目標(biāo)損失函數(shù)分別計(jì)算各質(zhì)量評(píng)估預(yù)測(cè)標(biāo)簽與對(duì)應(yīng)的質(zhì)量評(píng)估真實(shí)標(biāo)簽之間的損失值；

22、若根據(jù)所述損失值選擇啟動(dòng)反向更新所述初始心電數(shù)據(jù)質(zhì)量評(píng)估模型的模型參數(shù)，則利用當(dāng)前梯度信息沿所述多分類頭、所述transformer譯碼器、所述一維卷積神經(jīng)網(wǎng)絡(luò)編碼器反向執(zhí)行梯度下降參數(shù)更新步驟，以優(yōu)化所述初始心電數(shù)據(jù)質(zhì)量評(píng)估模型的模型參數(shù)，得到更新后的目標(biāo)心電數(shù)據(jù)質(zhì)量評(píng)估模型。

23、可選的，所述利用所述目標(biāo)損失函數(shù)分別計(jì)算各質(zhì)量評(píng)估預(yù)測(cè)標(biāo)簽與對(duì)應(yīng)的質(zhì)量評(píng)估真實(shí)標(biāo)簽之間的損失值之后，還包括：

24、若當(dāng)前損失值滿足預(yù)設(shè)損失值條件時(shí)，則停止反向更新操作，并將當(dāng)前模型參數(shù)作為目標(biāo)心電數(shù)據(jù)質(zhì)量評(píng)估模型的模型參數(shù)。

25、第二方面，本技術(shù)公開(kāi)了一種心電數(shù)據(jù)質(zhì)量評(píng)估裝置，包括：

26、數(shù)據(jù)獲取模塊，用于獲取待評(píng)估心電序列數(shù)據(jù)；

27、第一評(píng)估模塊，用于將所述待評(píng)估心電序列數(shù)據(jù)輸入至目標(biāo)心電數(shù)據(jù)質(zhì)量評(píng)估模型，以便通過(guò)所述目標(biāo)心電數(shù)據(jù)質(zhì)量評(píng)估模型對(duì)所述待評(píng)估心電序列數(shù)據(jù)中的各單時(shí)間點(diǎn)的心電信號(hào)信息集成，以得到用于反映心臟節(jié)律、振幅變化趨勢(shì)的目標(biāo)密集語(yǔ)義信息；

28、第二評(píng)估模塊，用于通過(guò)所述目標(biāo)心電數(shù)據(jù)質(zhì)量評(píng)估模型對(duì)所述目標(biāo)密集語(yǔ)義信息進(jìn)行上下文感知處理，以得到相應(yīng)的目標(biāo)輸出序列，并根據(jù)所述目標(biāo)輸出序列的預(yù)測(cè)概率分布結(jié)果獲取所述待評(píng)估心電序列數(shù)據(jù)的質(zhì)量評(píng)估結(jié)果。

29、第三方面，本技術(shù)公開(kāi)了一種電子設(shè)備，包括：

30、存儲(chǔ)器，用于保存計(jì)算機(jī)程序；

31、處理器，用于執(zhí)行所述計(jì)算機(jī)程序，以實(shí)現(xiàn)前述公開(kāi)的心電數(shù)據(jù)質(zhì)量評(píng)估方法的步驟。

32、第四方面，本技術(shù)公開(kāi)了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，用于存儲(chǔ)計(jì)算機(jī)程序；其中，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)前述公開(kāi)的心電數(shù)據(jù)質(zhì)量評(píng)估方法的步驟。

33、可見(jiàn)，本技術(shù)公開(kāi)了一種心電數(shù)據(jù)質(zhì)量評(píng)估方法，包括：獲取待評(píng)估心電序列數(shù)據(jù)；將所述待評(píng)估心電序列數(shù)據(jù)輸入至目標(biāo)心電數(shù)據(jù)質(zhì)量評(píng)估模型，以便通過(guò)所述目標(biāo)心電數(shù)據(jù)質(zhì)量評(píng)估模型對(duì)所述待評(píng)估心電序列數(shù)據(jù)中的各單時(shí)間點(diǎn)的心電信號(hào)信息集成，以得到用于反映心臟節(jié)律、振幅變化趨勢(shì)的目標(biāo)密集語(yǔ)義信息；通過(guò)所述目標(biāo)心電數(shù)據(jù)質(zhì)量評(píng)估模型對(duì)所述目標(biāo)密集語(yǔ)義信息進(jìn)行上下文感知處理，以得到相應(yīng)的目標(biāo)輸出序列，并根據(jù)所述目標(biāo)輸出序列的預(yù)測(cè)概率分布結(jié)果獲取所述待評(píng)估心電序列數(shù)據(jù)的質(zhì)量評(píng)估結(jié)果。由此可見(jiàn)，通過(guò)模型將待評(píng)估心電序列數(shù)據(jù)的稀疏信息集成為密集語(yǔ)義信息，從而能更加高效地評(píng)價(jià)心電信號(hào)數(shù)據(jù)，無(wú)需因單個(gè)時(shí)間點(diǎn)信息不足導(dǎo)致需要人工提取數(shù)據(jù)中心臟節(jié)律和振幅變化趨勢(shì)等重要特征，本發(fā)明通過(guò)稀疏信息集成的方式，可以綜合考慮多個(gè)時(shí)間點(diǎn)的特征，更全面地反映心臟的狀態(tài)，從而提高對(duì)心電數(shù)據(jù)質(zhì)量評(píng)估的準(zhǔn)確性。并且通過(guò)對(duì)目標(biāo)密集語(yǔ)義信息進(jìn)行上下文感知處理，能夠充分考慮心電信號(hào)的前后關(guān)系和整體語(yǔ)境。這有助于發(fā)現(xiàn)潛在的異常模式和趨勢(shì)，進(jìn)一步提高評(píng)估的準(zhǔn)確性。