1.基于深度学习模型的房室传导阻滞识别装置，其特征在于，包括：
2.如权利要求1所述的基于深度学习模型的房室传导阻滞识别装置，其特征在于，定标特征识别模块中，通过transformer网络模型进行特征提取，包括如下步骤：
3.如权利要求1所述的基于深度学习模型的房室传导阻滞识别装置，其特征在于，通过波形特征提取模块提取qrs波的波形特征的步骤，包括如下：
4.如权利要求1所述的基于深度学习模型的房室传导阻滞识别装置，其特征在于，时序特征判别模块，被配置为执行以下过程：
5.如权利要求4所述的基于深度学习模型的房室传导阻滞识别装置，其特征在于，还包括解码模块，将预测分类结果矩阵进行解码，具体的：将预测分类结果矩阵，沿矩阵第一维找最大值，最大值的位置所对应阻滞类型认定为当前qrs波的阻滞类型。
6.如权利要求1所述的基于深度学习模型的房室传导阻滞识别装置，其特征在于，还包括第一训练模块，被配置为对transformer网络模型进行训练，训练过程如下：
7.如权利要求1所述的基于深度学习模型的房室传导阻滞识别装置，其特征在于，基于lstm网络构建时序特征判别模型，还设置有第二训练模块，用于对时序特征判别模型进行训练，训练方法包括如下步骤：
8.基于深度学习模型的房室传导阻滞识别方法，其特征在于，包括如下步骤：
9.一种电子设备，其特征在于，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成权利要求8所述的基于深度学习模型的房室传导阻滞识别方法中的步骤。
10.一种计算机可读存储介质，其特征在于，用于存储计算机指令，所述计算机指令被处理器执行时，完成权利要求8所述的基于深度学习模型的房室传导阻滞识别方法中的步骤。