典型心拍识别方法、装置、计算机设备和存储介质与流程

本技术涉及心电信号，特别是涉及一种典型心拍识别方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术：

1、心电信号可以综合反映心脏的电活动的情况，对于心脏疾病的诊断以及心脏功能的评估都有着重要作用。而心拍则是心电信号的基本组成。一段正常的心电信号会包含若干个心拍，每个心拍(一个完整的心动周期)包括一组顺序发生的p波、qrs博群、t波和u波。而心拍分类的准确性对心脏疾病的诊断和心脏功能的评估有着重大意义。

2、在相关技术中，通过自动化心拍识别算法，可以有效识别心拍的类型，但是，由于个人之间的差异性很大，现有的心拍识别算法，只能保证心拍识别的整体性能，即在大量的人群数据中得到整体效果，而对于具体的患者，算法的整体效果经常与个人应用效果差别很大。这就需要获取个人心电数据建立针对具体患者的个性化心拍分类模型。

3、相关技术中在获取个人心电数据过程中，医生往往只会对个人的前5分钟的心电数据进行标注，利用前5分钟的标注过的心电数据建立针对个人的个性化心拍分类模型。然而，这种方法比较死板，没有针对性，前5分钟的标注过的心电数据的数据量有限，无法高效地全面识别出个人的典型心拍，因此，相关技术中存在着典型心拍的识别效率低的问题。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够提高典型心拍的识别效率的典型心拍识别方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

2、第一方面，本技术提供了一种典型心拍识别方法。所述方法包括：

3、获取目标对象的心拍数据；

4、根据所述心拍数据对应的至少两种心拍描述特征，对各所述心拍数据进行聚类，得到与各所述心拍描述特征对应的心拍聚类结果；

5、在所述心拍聚类结果中，筛选出满足预设典型性条件的目标典型心拍数据。

6、在其中一个实施例中，所述在所述心拍聚类结果中，筛选出满足预设典型性条件的目标典型心拍数据，包括：

7、在与各所述心拍描述特征对应的心拍聚类结果中，筛选出满足预设候选条件的心拍数据，得到与各所述心拍描述特征对应的候选心拍数据集；

8、对各所述心拍描述特征对应的候选心拍数据集进行去重处理，得到所述目标典型心拍数据。

9、在其中一个实施例中，所述对各所述心拍描述特征对应的候选心拍数据集进行去重处理，得到所述目标典型心拍数据，包括：

10、对各所述心拍描述特征对应的候选心拍数据集进行去重处理，得到去重后的典型心拍数据集；

11、确定所述典型心拍数据集中的各典型心拍数据对应的典型值；所述典型值为根据对应的典型心拍数据与其他典型心拍数据之间的相关性确定得到的；所述其他典型心拍数据为所述典型心拍数据集中，除所述对应的典型心拍数据以外的典型心拍数据；

12、在所述典型心拍数据集中筛选出对应的典型值大于预设典型值阈值的典型心拍数据，作为所述目标典型心拍数据。

13、在其中一个实施例中，所述方法还包括：

14、将所述典型心拍数据集中对应的典型值小于所述预设典型值阈值的典型心拍数据，作为备用典型心拍数据；

15、响应于心拍数据补充请求，在所述备用典型心拍数据中选取满足所述心拍数据补充请求的数据补充到所述目标典型心拍数据中。

16、在其中一个实施例中，所述确定所述典型心拍数据集中的各典型心拍数据对应的典型值，包括：

17、针对所述典型心拍数据集中的任一典型心拍数据，确定所述任一典型心拍数据与除所述任一典型心拍数据以外的各典型心拍数据之间的相关性，得到所述任一典型心拍数据对应的各相关性；

18、确定所述任一典型心拍数据对应的各相关性的和的倒数，得到所述任一典型心拍数据对应的典型值。

19、在其中一个实施例中，所述对各所述心拍数据进行聚类所采用的算法为密度聚类算法；每个所述心拍聚类结果中包括若干数据簇和若干噪音点；所述数据簇中包括若干核心点和若干边界点；所述在与各所述心拍描述特征对应的心拍聚类结果中，筛选出满足预设候选条件的心拍数据，得到与各所述心拍描述特征对应的候选心拍数据集，包括：

20、在每个所述心拍聚类结果的若干噪音点中筛选出满足第一预设候选数量的噪音点，以及在每个所述心拍聚类结果对应的各数据簇中筛选出满足第二预设候选数量的核心点，以及满足第三预设候选数量的边界点；

21、根据针对每个所述心拍聚类结果筛选出的噪音点、核心点以及边界点，确定与各所述心拍描述特征对应的候选心拍数据集。

22、在其中一个实施例中，所述方法还包括：

23、确定用于描述所述心拍数据的波形形态的一维数组，得到所述心拍数据对应的波形形态特征；

24、确定每个所述心拍数据的r波与相邻的两个心拍数据的r波在时间上的距离，得到所述心拍数据对应的心拍间期特征；

25、根据所述波形形态特征和所述心拍间期特征确定所述至少两种心拍描述特征。

26、第二方面，本技术还提供了一种典型心拍识别装置。所述装置包括：

27、获取模块，用于获取目标对象的心拍数据；

28、聚类模块，用于根据所述心拍数据对应的至少两种心拍描述特征，对各所述心拍数据进行聚类，得到与各所述心拍描述特征对应的心拍聚类结果；

29、筛选模块，用于在所述心拍聚类结果中，筛选出满足预设典型性条件的目标典型心拍数据。

30、第三方面，本技术还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

31、获取目标对象的心拍数据；

32、根据所述心拍数据对应的至少两种心拍描述特征，对各所述心拍数据进行聚类，得到与各所述心拍描述特征对应的心拍聚类结果；

33、在所述心拍聚类结果中，筛选出满足预设典型性条件的目标典型心拍数据。

34、第四方面，本技术还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

35、获取目标对象的心拍数据；

36、根据所述心拍数据对应的至少两种心拍描述特征，对各所述心拍数据进行聚类，得到与各所述心拍描述特征对应的心拍聚类结果；

37、在所述心拍聚类结果中，筛选出满足预设典型性条件的目标典型心拍数据。

38、第五方面，本技术还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

39、获取目标对象的心拍数据；

40、根据所述心拍数据对应的至少两种心拍描述特征，对各所述心拍数据进行聚类，得到与各所述心拍描述特征对应的心拍聚类结果；

41、在所述心拍聚类结果中，筛选出满足预设典型性条件的目标典型心拍数据。

42、上述典型心拍识别方法、装置、计算机设备、存储介质和计算机程序产品，通过获取目标对象的心拍数据；根据心拍数据对应的至少两种心拍描述特征，从至少两个方面对各心拍数据进行聚类，得到与各心拍描述特征对应的心拍聚类结果；如此，在对心拍数据进行聚类时所参考的心拍描述特征更加全面，从而可以在针对大量心拍数据的心拍聚类结果中，快速准确筛选出满足预设典型性条件，且能代表与不同心拍聚类结果对应的不同心拍数据类型的目标典型心拍数据，使得筛选出来的目标典型心拍数据对于目标对象的整体心拍数据更具代表性，更加全面地包含了目标对象的整体心拍数据中的典型心拍数据，实现了在目标对象的心拍数据中，高效地识别出目标对象的典型心拍。