本技術(shù)涉及人工智能開發(fā)與數(shù)字醫(yī)療領(lǐng)域，尤其涉及基于人工智能的數(shù)據(jù)分析裝置、計(jì)算機(jī)設(shè)備及存儲介質(zhì)。

背景技術(shù)：

1、隨著人們的生活水平不斷提高，對自身健康越來越重視。心電圖是心臟疾病臨床醫(yī)學(xué)診斷的重要手段，能夠輔助醫(yī)療工作人員進(jìn)行診斷。

2、目前，在醫(yī)療領(lǐng)域，各種類型的心電圖儀已經(jīng)在臨床中廣泛使用了，通過對心電圖進(jìn)行是否異常的健康分析也是一項(xiàng)重要的醫(yī)療分析項(xiàng)目。然而，現(xiàn)有的心電圖數(shù)據(jù)的健康分析方式需要人工根據(jù)行醫(yī)經(jīng)驗(yàn)對心電圖儀器進(jìn)行判斷，來判斷患者的心電圖是屬于正常還是屬于異常，而人工排查心電圖是否異常非常耗時(shí)，處理效率低下，準(zhǔn)確性低，并且醫(yī)生花很多時(shí)間在判斷病人的心電圖是否異常，而分去了醫(yī)生去分析病人的心電圖異常的原因的精力。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)實(shí)施例的目的在于提出一種基于人工智能的數(shù)據(jù)分析裝置、計(jì)算機(jī)設(shè)備及存儲介質(zhì)，以解決現(xiàn)有的心電圖數(shù)據(jù)的健康分析方式需要人工根據(jù)行醫(yī)經(jīng)驗(yàn)對心電圖儀器進(jìn)行判斷，來判斷患者的心電圖是屬于正常還是屬于異常，而人工排查心電圖是否異常非常耗時(shí)，處理效率低下，準(zhǔn)確性低的技術(shù)問題。

2、為了解決上述技術(shù)問題，本技術(shù)實(shí)施例提供一種基于人工智能的數(shù)據(jù)分析裝置，采用了如下所述的技術(shù)方案：

3、第一處理模塊，用于獲取預(yù)先采集的初始心電圖數(shù)據(jù)，并對所述初始心電圖數(shù)據(jù)進(jìn)行預(yù)處理得到對應(yīng)的第一心電圖數(shù)據(jù)；

4、第二處理模塊，用于基于預(yù)設(shè)的融合增強(qiáng)策略對所述第一心電圖數(shù)據(jù)進(jìn)行數(shù)據(jù)增強(qiáng)處理，得到對應(yīng)的第二心電圖數(shù)據(jù)；

5、第三處理模塊，用于對所述第二心電圖數(shù)據(jù)進(jìn)行標(biāo)注處理，得到對應(yīng)的第三心電圖數(shù)據(jù)；

6、劃分模塊，用于將所述第三心電圖數(shù)據(jù)劃分為訓(xùn)練數(shù)據(jù)集與驗(yàn)證數(shù)據(jù)集；

7、訓(xùn)練模塊，用于基于所述訓(xùn)練數(shù)據(jù)集對預(yù)設(shè)的初始模型進(jìn)行訓(xùn)練，得到對應(yīng)的健康分析模型；

8、評估模塊，用于基于預(yù)設(shè)的模型評價(jià)指標(biāo)與所述驗(yàn)證數(shù)據(jù)集對所述健康分析模型進(jìn)行評估；

9、分析模塊，用于若所述健康分析模型通過評估，則通過所述健康分析模型對目標(biāo)用戶的目標(biāo)心電圖數(shù)據(jù)進(jìn)行分析處理，生成與所述目標(biāo)用戶對應(yīng)的健康分析結(jié)果。

10、進(jìn)一步的，所述第一處理模塊包括：

11、濾波子模塊，用于獲取預(yù)先采集的初始心電圖數(shù)據(jù)，并對所述初始心電圖數(shù)據(jù)進(jìn)行濾波處理，得到對應(yīng)的第一處理數(shù)據(jù)；

12、去噪子模塊，用于對所述第一處理數(shù)據(jù)進(jìn)行去噪處理，得到對應(yīng)的第二處理數(shù)據(jù)；

13、標(biāo)準(zhǔn)化子模塊，用于對所述第二處理數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，得到對應(yīng)的第三處理數(shù)據(jù)；

14、確定子模塊，用于將所述第三處理數(shù)據(jù)作為所述第一心電圖數(shù)據(jù)。

15、進(jìn)一步的，所述第二處理模塊包括：

16、第一處理子模塊，用于基于預(yù)設(shè)的旋轉(zhuǎn)策略對所述第一心電圖數(shù)據(jù)進(jìn)行增強(qiáng)處理，得到對應(yīng)的第四處理數(shù)據(jù)；

17、第二處理子模塊，用于基于預(yù)設(shè)的屬性變換策略對所述第一心電圖數(shù)據(jù)進(jìn)行增強(qiáng)處理，得到對應(yīng)的第五處理數(shù)據(jù)；

18、第三處理子模塊，用于基于預(yù)設(shè)的裁剪策略對所述第一心電圖數(shù)據(jù)進(jìn)行增強(qiáng)處理，得到對應(yīng)的第六處理數(shù)據(jù)；

19、構(gòu)建子模塊，用于基于所述第四處理數(shù)據(jù)、所述第五處理數(shù)據(jù)以及所述第六處理數(shù)據(jù)構(gòu)建得到所述第二心電圖數(shù)據(jù)。

20、進(jìn)一步的，所述劃分模塊包括：

21、第一獲取子模塊，用于獲取預(yù)設(shè)的多種特征提取算法；

22、篩選子模塊，用于從所述多種特征提取算法中篩選出符合預(yù)設(shè)的處理需求的目標(biāo)特征提取算法；其中，所述目標(biāo)特征提取算法至少包括第一特征提取算法與第二特征提取算法；

23、第一提取子模塊，用于基于所述第一特征提取算法對所述第三心電圖數(shù)據(jù)進(jìn)行特征提取處理，得到對應(yīng)的第一特征數(shù)據(jù)；

24、第二提取子模塊，用于基于所述第二特征提取算法對所述第三心電圖數(shù)據(jù)進(jìn)行特征提取處理，得到對應(yīng)的第二特征數(shù)據(jù)；

25、生成子模塊，用于基于所述第一特征數(shù)據(jù)與所述第二特征數(shù)據(jù)生成指定心電圖數(shù)據(jù)；

26、劃分子模塊，用于將所述指定心電圖數(shù)據(jù)劃分為訓(xùn)練數(shù)據(jù)集與驗(yàn)證數(shù)據(jù)集。

27、進(jìn)一步的，所述生成子模塊包括：

28、調(diào)用單元，用于調(diào)用預(yù)設(shè)的相似度量算法；

29、篩選單元，用于基于所述相似度量算法對所述第一特征數(shù)據(jù)與所述第二特征數(shù)據(jù)進(jìn)行重復(fù)篩選處理，從所述第一特征數(shù)據(jù)與所述第二特征數(shù)據(jù)中篩選出重復(fù)出現(xiàn)的第三特征數(shù)據(jù)；

30、確定單元，用于將所述第三特征數(shù)據(jù)作為所述指定心電圖數(shù)據(jù)。

31、進(jìn)一步的，所述模型評價(jià)指標(biāo)的數(shù)量包括多個(gè)；所述評估模塊包括：

32、驗(yàn)證子模塊，用于基于所述驗(yàn)證數(shù)據(jù)集對所述健康分析模型進(jìn)行驗(yàn)證處理，得到與各所述模型評價(jià)指標(biāo)分別對應(yīng)的評價(jià)指標(biāo)數(shù)值；

33、第二獲取子模塊，用于獲取與各所述模型評價(jià)指標(biāo)分別匹配的預(yù)設(shè)評價(jià)指標(biāo)閾值；

34、判斷子模塊，用于判斷所有所述評價(jià)指標(biāo)數(shù)值是否均大于對應(yīng)的預(yù)設(shè)評價(jià)指標(biāo)閾值；

35、第一判定子模塊，用于若是，判定所述健康分析模型通過評估；

36、第二判定子模塊，用于若否，判定所述健康分析模型未通過評估。

37、進(jìn)一步的，所述基于人工智能的數(shù)據(jù)分析裝置還包括：

38、調(diào)用模塊，用于若所述健康分析模型未通過評估，則調(diào)用預(yù)設(shè)的改進(jìn)策略；

39、改進(jìn)模塊，用于基于所述改進(jìn)策略對所述健康分析模型進(jìn)行改進(jìn)處理，直至得到符合預(yù)設(shè)的改進(jìn)需求的目標(biāo)健康分析模型；

40、存儲模塊，用于對所述目標(biāo)健康分析模型進(jìn)行存儲處理。

41、進(jìn)一步的，所述基于人工智能的數(shù)據(jù)分析裝置還包括：

42、獲取模塊，用于獲取與所述健康分析結(jié)果對應(yīng)的目標(biāo)健康建議；

43、生成模塊，用于基于所述目標(biāo)健康建議與所述健康分析結(jié)果生成對應(yīng)的健康反饋報(bào)告；

44、推送模塊，用于將所述健康反饋報(bào)告推送至所述目標(biāo)用戶。

45、為了解決上述技術(shù)問題，本技術(shù)實(shí)施例還提供一種計(jì)算機(jī)設(shè)備，包括存儲器和處理器，所述存儲器中存儲有計(jì)算機(jī)可讀指令，所述處理器執(zhí)行所述計(jì)算機(jī)可讀指令時(shí)實(shí)現(xiàn)上述基于人工智能的數(shù)據(jù)分析裝置中的各模塊的功能。

46、為了解決上述技術(shù)問題，本技術(shù)實(shí)施例還提供一種計(jì)算機(jī)可讀存儲介質(zhì)，所述計(jì)算機(jī)可讀存儲介質(zhì)上存儲有計(jì)算機(jī)可讀指令，所述計(jì)算機(jī)可讀指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述基于人工智能的數(shù)據(jù)分析裝置中的各模塊的功能。

47、與現(xiàn)有技術(shù)相比，本技術(shù)實(shí)施例主要有以下有益效果：

48、本技術(shù)中，基于人工智能的數(shù)據(jù)分析裝置首先獲取預(yù)先采集的初始心電圖數(shù)據(jù)，并對所述初始心電圖數(shù)據(jù)進(jìn)行預(yù)處理得到對應(yīng)的第一心電圖數(shù)據(jù)；然后基于預(yù)設(shè)的融合增強(qiáng)策略對所述第一心電圖數(shù)據(jù)進(jìn)行數(shù)據(jù)增強(qiáng)處理，得到對應(yīng)的第二心電圖數(shù)據(jù)；之后對所述第二心電圖數(shù)據(jù)進(jìn)行標(biāo)注處理，得到對應(yīng)的第三心電圖數(shù)據(jù)；并將所述第三心電圖數(shù)據(jù)劃分為訓(xùn)練數(shù)據(jù)集與驗(yàn)證數(shù)據(jù)集；后續(xù)基于所述訓(xùn)練數(shù)據(jù)集對預(yù)設(shè)的初始模型進(jìn)行訓(xùn)練，得到對應(yīng)的健康分析模型；最后基于預(yù)設(shè)的模型評價(jià)指標(biāo)與所述驗(yàn)證數(shù)據(jù)集對所述健康分析模型進(jìn)行評估；若所述健康分析模型通過評估，則通過所述健康分析模型對目標(biāo)用戶的目標(biāo)心電圖數(shù)據(jù)進(jìn)行分析處理，生成與所述目標(biāo)用戶對應(yīng)的健康分析結(jié)果。本技術(shù)通過對預(yù)先采集的初始心電圖數(shù)據(jù)進(jìn)行預(yù)處理、數(shù)據(jù)增強(qiáng)以及標(biāo)注處理得到第三心電圖數(shù)據(jù)，進(jìn)而基于第三心電圖數(shù)據(jù)中的訓(xùn)練數(shù)據(jù)集對預(yù)設(shè)的初始模型進(jìn)行訓(xùn)練得到對應(yīng)的健康分析模型，并基于模型評價(jià)指標(biāo)與第三心電圖數(shù)據(jù)中的驗(yàn)證數(shù)據(jù)集對健康分析模型進(jìn)行評估，若健康分析模型通過評估，則后續(xù)通過健康分析模型對目標(biāo)用戶的目標(biāo)心電圖數(shù)據(jù)進(jìn)行分析處理，生成與所述目標(biāo)用戶對應(yīng)的健康分析結(jié)果。不同于現(xiàn)有的心電圖數(shù)據(jù)的健康分析方式需要人工根據(jù)行醫(yī)經(jīng)驗(yàn)對心電圖儀器進(jìn)行判斷，判斷患者的心電圖是屬于正常還是屬于異常的方式，本技術(shù)基于采用健康分析模型對目標(biāo)用戶的目標(biāo)心電圖數(shù)據(jù)進(jìn)行分析處理的方式，可以有效提高對于目標(biāo)用戶進(jìn)行目標(biāo)心電圖數(shù)據(jù)的健康分析的處理效率，以及提高了生成的與目標(biāo)用戶對應(yīng)的健康分析結(jié)果的準(zhǔn)確性。