基于人工智能的数据分析装置、计算机设备及存储介质的制作方法

本技术涉及人工智能开发与数字医疗领域，尤其涉及基于人工智能的数据分析装置、计算机设备及存储介质。

背景技术：

1、随着人们的生活水平不断提高，对自身健康越来越重视。心电图是心脏疾病临床医学诊断的重要手段，能够辅助医疗工作人员进行诊断。

2、目前，在医疗领域，各种类型的心电图仪已经在临床中广泛使用了，通过对心电图进行是否异常的健康分析也是一项重要的医疗分析项目。然而，现有的心电图数据的健康分析方式需要人工根据行医经验对心电图仪器进行判断，来判断患者的心电图是属于正常还是属于异常，而人工排查心电图是否异常非常耗时，处理效率低下，准确性低，并且医生花很多时间在判断病人的心电图是否异常，而分去了医生去分析病人的心电图异常的原因的精力。

技术实现思路

1、本技术实施例的目的在于提出一种基于人工智能的数据分析装置、计算机设备及存储介质，以解决现有的心电图数据的健康分析方式需要人工根据行医经验对心电图仪器进行判断，来判断患者的心电图是属于正常还是属于异常，而人工排查心电图是否异常非常耗时，处理效率低下，准确性低的技术问题。

2、为了解决上述技术问题，本技术实施例提供一种基于人工智能的数据分析装置，采用了如下所述的技术方案：

3、第一处理模块，用于获取预先采集的初始心电图数据，并对所述初始心电图数据进行预处理得到对应的第一心电图数据；

4、第二处理模块，用于基于预设的融合增强策略对所述第一心电图数据进行数据增强处理，得到对应的第二心电图数据；

5、第三处理模块，用于对所述第二心电图数据进行标注处理，得到对应的第三心电图数据；

6、划分模块，用于将所述第三心电图数据划分为训练数据集与验证数据集；

7、训练模块，用于基于所述训练数据集对预设的初始模型进行训练，得到对应的健康分析模型；

8、评估模块，用于基于预设的模型评价指标与所述验证数据集对所述健康分析模型进行评估；

9、分析模块，用于若所述健康分析模型通过评估，则通过所述健康分析模型对目标用户的目标心电图数据进行分析处理，生成与所述目标用户对应的健康分析结果。

10、进一步的，所述第一处理模块包括：

11、滤波子模块，用于获取预先采集的初始心电图数据，并对所述初始心电图数据进行滤波处理，得到对应的第一处理数据；

12、去噪子模块，用于对所述第一处理数据进行去噪处理，得到对应的第二处理数据；

13、标准化子模块，用于对所述第二处理数据进行标准化处理，得到对应的第三处理数据；

14、确定子模块，用于将所述第三处理数据作为所述第一心电图数据。

15、进一步的，所述第二处理模块包括：

16、第一处理子模块，用于基于预设的旋转策略对所述第一心电图数据进行增强处理，得到对应的第四处理数据；

17、第二处理子模块，用于基于预设的属性变换策略对所述第一心电图数据进行增强处理，得到对应的第五处理数据；

18、第三处理子模块，用于基于预设的裁剪策略对所述第一心电图数据进行增强处理，得到对应的第六处理数据；

19、构建子模块，用于基于所述第四处理数据、所述第五处理数据以及所述第六处理数据构建得到所述第二心电图数据。

20、进一步的，所述划分模块包括：

21、第一获取子模块，用于获取预设的多种特征提取算法；

22、筛选子模块，用于从所述多种特征提取算法中筛选出符合预设的处理需求的目标特征提取算法；其中，所述目标特征提取算法至少包括第一特征提取算法与第二特征提取算法；

23、第一提取子模块，用于基于所述第一特征提取算法对所述第三心电图数据进行特征提取处理，得到对应的第一特征数据；

24、第二提取子模块，用于基于所述第二特征提取算法对所述第三心电图数据进行特征提取处理，得到对应的第二特征数据；

25、生成子模块，用于基于所述第一特征数据与所述第二特征数据生成指定心电图数据；

26、划分子模块，用于将所述指定心电图数据划分为训练数据集与验证数据集。

27、进一步的，所述生成子模块包括：

28、调用单元，用于调用预设的相似度量算法；

29、筛选单元，用于基于所述相似度量算法对所述第一特征数据与所述第二特征数据进行重复筛选处理，从所述第一特征数据与所述第二特征数据中筛选出重复出现的第三特征数据；

30、确定单元，用于将所述第三特征数据作为所述指定心电图数据。

31、进一步的，所述模型评价指标的数量包括多个；所述评估模块包括：

32、验证子模块，用于基于所述验证数据集对所述健康分析模型进行验证处理，得到与各所述模型评价指标分别对应的评价指标数值；

33、第二获取子模块，用于获取与各所述模型评价指标分别匹配的预设评价指标阈值；

34、判断子模块，用于判断所有所述评价指标数值是否均大于对应的预设评价指标阈值；

35、第一判定子模块，用于若是，判定所述健康分析模型通过评估；

36、第二判定子模块，用于若否，判定所述健康分析模型未通过评估。

37、进一步的，所述基于人工智能的数据分析装置还包括：

38、调用模块，用于若所述健康分析模型未通过评估，则调用预设的改进策略；

39、改进模块，用于基于所述改进策略对所述健康分析模型进行改进处理，直至得到符合预设的改进需求的目标健康分析模型；

40、存储模块，用于对所述目标健康分析模型进行存储处理。

41、进一步的，所述基于人工智能的数据分析装置还包括：

42、获取模块，用于获取与所述健康分析结果对应的目标健康建议；

43、生成模块，用于基于所述目标健康建议与所述健康分析结果生成对应的健康反馈报告；

44、推送模块，用于将所述健康反馈报告推送至所述目标用户。

45、为了解决上述技术问题，本技术实施例还提供一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现上述基于人工智能的数据分析装置中的各模块的功能。

46、为了解决上述技术问题，本技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现上述基于人工智能的数据分析装置中的各模块的功能。

47、与现有技术相比，本技术实施例主要有以下有益效果：

48、本技术中，基于人工智能的数据分析装置首先获取预先采集的初始心电图数据，并对所述初始心电图数据进行预处理得到对应的第一心电图数据；然后基于预设的融合增强策略对所述第一心电图数据进行数据增强处理，得到对应的第二心电图数据；之后对所述第二心电图数据进行标注处理，得到对应的第三心电图数据；并将所述第三心电图数据划分为训练数据集与验证数据集；后续基于所述训练数据集对预设的初始模型进行训练，得到对应的健康分析模型；最后基于预设的模型评价指标与所述验证数据集对所述健康分析模型进行评估；若所述健康分析模型通过评估，则通过所述健康分析模型对目标用户的目标心电图数据进行分析处理，生成与所述目标用户对应的健康分析结果。本技术通过对预先采集的初始心电图数据进行预处理、数据增强以及标注处理得到第三心电图数据，进而基于第三心电图数据中的训练数据集对预设的初始模型进行训练得到对应的健康分析模型，并基于模型评价指标与第三心电图数据中的验证数据集对健康分析模型进行评估，若健康分析模型通过评估，则后续通过健康分析模型对目标用户的目标心电图数据进行分析处理，生成与所述目标用户对应的健康分析结果。不同于现有的心电图数据的健康分析方式需要人工根据行医经验对心电图仪器进行判断，判断患者的心电图是属于正常还是属于异常的方式，本技术基于采用健康分析模型对目标用户的目标心电图数据进行分析处理的方式，可以有效提高对于目标用户进行目标心电图数据的健康分析的处理效率，以及提高了生成的与目标用户对应的健康分析结果的准确性。