一种针对含有噪声标签的心电图智能分析方法及心电仪

摘要

本发明提供了一种针对含有噪声标签的心电图智能分析方法及心电仪，首先搭建一个轻量级卷积神经网络作为分类任务的基础，并将含有噪声标签的心电数据集输入，并进行基础的数据学习训练，训练后保存模型。由于网络特性，卷积神经网络很容易与错误标记的训练数据过拟合，导致明显的性能下降。本发明提出一种基于数据清理与抗噪声标签损失函数构建的分类算法，能有效缓解噪声标签带来的心电诊断准确率下降问题，在10％到50％的噪声程度都可以达到明显的效果。除此之外，它的计算量较小，可以适用于各种心电仪。