技术特征：
1.一种心电数据的多标签分类方法，其特征在于，所述方法包括：获取心电数据知识图谱，其中，所述心电数据知识图谱的节点为心电数据的分类标签，所述心电数据知识图谱的边为分类标签之间的属性关系；通过预训练的标签特征提取模型，提取出所述心电数据知识图谱的每个节点的特征向量，并根据每两个节点的特征向量之间的距离信息，构建分类标签关联矩阵；利用所述分类标签关联矩阵，对预训练的心电数据分类处理模型的参数进行更新，得到更新后的心电数据分类处理模型；获取待处理的心电数据，并将所述心电数据输入到所述更新后的心电数据分类处理模型中，得到所述心电数据的多标签分类结果。2.根据权利要求1所述的方法，其特征在于，所述标签特征提取模型的训练方法，包括：获取心电数据知识图谱和多组心电数据样本，其中，每组所述心电数据样本包含多个分类标签，所述多个分类标签是所述心电数据知识图谱的一个子集；根据所述心电数据知识图谱和多组心电数据样本，构建一个图注意力网络和一个多层感知机预测模型；通过所述图注意力网络，对所述心电数据知识图谱的每个节点的初始特征向量进行提取，并根据所述心电数据知识图谱的每个节点的初始特征向量，得到每组心电数据样本的多个分类标签的特征向量组合；以每组所述心电数据样本的多个分类标签的特征向量组合为输入，以所述每组所述心电数据样本的多个分类标签为输出，对所述图注意力网络和所述多层感知机预测模型进行同步迭代训练，得到所述标签特征提取模型。3.根据权利要求2所述的方法，其特征在于，所述根据所述心电数据知识图谱的每个节点的初始特征向量，得到每组心电数据样本的多个分类标签的特征向量组合，包括：提取出每组所述心电数据样本中分类结果为第一分类结果的分类标签，其中，所述第一分类结果为心电数据样本属于所述分类标签的分类结果；根据所述心电数据知识图谱的每个节点的初始特征向量，确定每组所述心电数据样本中分类结果为第一分类结果的分类标签的初始特征向量；对每组所述心电数据样本中分类结果为第一分类结果的分类标签的初始特征向量进行拼接，得到每组心电数据样本的多个分类标签的特征向量组合。4.根据权利要求1所述的方法，其特征在于，所述心电数据分类处理模型的训练方法，包括：获取多组心电数据样本，并根据所述多组心电数据样本构建一组卷积神经网络和一个多层感知机分类模型，其中，每组所述心电数据样本包含多个分类标签；根据所述多组心电数据样本，通过所述卷积神经网络，得到所述多组心电数据样本的特征向量组合；以所述多组心电数据样本的特征向量组合为输入，以所述多组心电数据样本的多个分类标签为输出，对所述卷积神经网络模型和所述多层感知机分类模型进行同步迭代训练，得到所述心电数据分类处理模型。5.根据权利要求4所述的方法，其特征在于，所述一组卷积神经网络包括与所述心电数据样本的多个导联数据一一对应的多个卷积神经网络；则所述根据所述多组心电数据样
本，通过所述卷积神经网络，得到所述多组心电数据样本的特征向量组合，包括：将所述多组心电数据样本的多个导联数据分别输入到对应的多个卷积神经网络中，得到每组所述心电数据样本的多个特征向量；分别对每组所述心电数据样本的多个特征向量进行拼接，得到每组所述心电数据样本的特征向量组合。6.根据权利要求1所述的方法，其特征在于，所述利用所述分类标签关联矩阵，对预训练的心电数据分类处理模型的参数进行更新，得到更新后的心电数据分类处理模型，包括：获取多组心电数据样本，并根据所述多组心电数据样本，通过所述心电数据分类处理模型，得到所述多组心电数据样本的多标签预测概率；利用所述分类标签关联矩阵，将所述多组心电数据样本的多标签预测概率转换为多标签关联性预测概率；根据所述多组心电数据样本的多标签关联性预测概率，计算所述多组心电数据样本的交叉熵损失函数，并通过所述交叉熵损失函数对所述心电数据分类处理模型的参数进行更新，得到更新后的心电数据分类处理模型。7.根据权利要求1所述的方法，其特征在于，所述将所述心电数据输入到所述更新后的心电数据分类处理模型中，得到所述心电数据的多标签分类结果，包括：将所述心电数据的多个导联数据分别输入到所述更新后的心电数据分类处理模型的多个卷积神经网络中，得到所述心电数据的多个特征向量；对所述心电数据的多个特征向量进行拼接，得到所述心电数据的特征向量组合；将所述心电数据的特征向量组合输入到所述更新后的心电数据分类处理模型的多层感知机分类模型中，得到所述心电数据的多标签分类结果。8.一种心电数据的多标签分类装置，其特征在于，所述装置包括：知识图谱获取模块，用于获取心电数据知识图谱，其中，所述心电数据知识图谱的节点为心电数据的分类标签，所述心电数据知识图谱的边为分类标签之间的属性关系；关联矩阵构建模块，用于通过预训练的标签特征提取模型，提取出所述心电数据知识图谱的每个节点的特征向量，并根据每两个节点的特征向量之间的距离信息，构建分类标签关联矩阵；分类模型更新模块，用于利用所述分类标签关联矩阵，对预训练的心电数据分类处理模型的参数进行更新，得到更新后的心电数据分类处理模型；心电数据处理模块，用于获取待处理的心电数据，并将所述心电数据输入到所述更新后的心电数据分类处理模型中，得到所述心电数据的多标签分类结果。9.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
技术总结
本发明涉及人工智能及数字医疗技术领域，并提供了一种心电数据的多标签分类方法、装置及存储介质。其中方法包括：获取心电数据知识图谱，其中，心电数据知识图谱的节点为分类标签，心电数据知识图谱的边为分类标签之间的属性关系；通过标签特征提取模型，提取出心电数据知识图谱的每个节点的特征向量，并根据每两个节点的特征向量之间的距离信息，构建分类标签关联矩阵；利用分类标签关联矩阵，对心电数据分类处理模型的参数进行更新，得到更新后的心电数据分类处理模型；获取待处理的心电数据，并将心电数据输入到更新后的心电数据分类处理模型中，得到心电数据的多标签分类结果。上述方法能够有效的提高心电数据的多标签分类的准确性。类的准确性。类的准确性。
技术研发人员：徐啸
受保护的技术使用者：平安科技（深圳）有限公司
技术研发日：2022.03.09
技术公布日：2022/6/10