基于电磁信号的心电监测方法、监测模型训练方法及装置

1.一种基于电磁信号的心电监测的方法，其特征在于，包括：获取初始电磁回波信号，其中，所述初始电磁回波信号表征与目标在预定时段内运动状态对应的彼此空间混叠的多个信号；根据与所述初始电磁回波信号对应的信号相位差，对所述初始电磁回波信号进行补偿，得到目标运动时序三维数据，其中，所述目标运动时序三维数据包含目标的时序运动状态在三维空间内映射得到的时序空间运动信息；利用心电监测模型的心电信号编码器对所述目标运动时序三维数据进行处理，得到多尺度时序特征，其中，所述多尺度时序特征表征至少两个尺度的目标机械运动的时序信息，所述心电信号编码器包括三维空间编码器和时序编码器；所述时序编码器包括第一卷积层、第二卷积层和自注意力层；利用心电监测模型的心电信号编码器对所述目标运动时序三维数据进行处理，得到多尺度时序特征，包括：将所述目标运动时序三维数据输入所述三维空间编码器进行编码，得到第一空间特征，其中，所述第一空间特征为预定维度的特征向量；将所述第一空间特征输入所述第一卷积层进行降采样处理，得到第一卷积尺度时序特征；将所述第一卷积尺度时序特征输入所述第二卷积层进行降采样处理，得到第二卷积尺度时序特征；将所述第一卷积尺度时序特征和所述第二卷积尺度时序特征输入自注意力层进行增强处理，得到所述多尺度时序特征；利用心电监测模型的心电信号解码器对所述多尺度时序特征进行处理，得到十二导联心电图像，其中，所述十二导联心电图像用于表征所述目标在预定时间内的运动状态变化。 2.根据权利要求1所述的方法，其特征在于，所述根据与所述初始电磁回波信号对应的信号相位差，对所述初始电磁回波信号进行补偿，得到目标运动时序三维数据，包括：基于天线接收阵列的位置信息和所述初始电磁回波信号的带宽，得到所述信号相位差；根据所述信号相位差，对所述初始电磁回波信号进行相位补偿，得到目标电磁回波信号，其中，所述目标电磁回波信号包括彼此空间分离的多个信号；对所述目标电磁回波信号进行滤波处理，得到所述目标运动时序三维数据。 3.根据权利要求2所述的方法，其特征在于，所述目标电磁回波信号包括在所述三维空间内与每一个空间点对应的电磁回波信号；所述对所述目标电磁回波信号进行滤波处理，得到所述目标运动时序三维数据，包括：对所述与每一个空间点对应的电磁回波信号进行拆分，得到与每一个空间点对应的多通道电磁回波数据，其中，所述多通道电磁回波数据包括实部通道电磁回波数据、虚部通道电磁回波数据和相位通道电磁回波数据；对所述与每一个空间点对应的多通道电磁回波数据进行时序差分处理，得到与每一个空间点对应的多通道运动时序数据；根据在所述三维空间内与全部空间点对应的多通道运动时序数据，得到所述目标运动时序三维数据。 4.根据权利要求1所述的方法，其特征在于，所述多尺度时序特征包括第一尺度时序特征和第二尺度时序特征；所述利用心电监测模型的心电信号解码器对所述多尺度时序特征进行处理，得到十二导联心电图像，包括：将所述第二尺度时序特征输入所述心电信号解码器中进行逆卷积处理，得到第一中间尺度时序特征；将所述第一尺度时序特征输入所述心电信号解码器中，与所述第一中间尺度时序特征进行拼接，得到第二中间尺度时序特征，其中，所述第一尺度时序特征的维度与所述第一中间尺度时序特征的维度一致；对所述第二中间尺度时序特征进行逆卷积处理，得到所述十二导联心电图像。 5.一种心电监测模型的训练方法，其特征在于，所述心电监测模型包括心电信号编码器和心电信号解码器，包括：获取第一样本数据集，其中，所述第一样本数据集包括训练时序三维数据和十二导联心电单模态标签数据；将所述训练时序三维数据输入待训练的心电信号编码器进行处理，得到第一多尺度样本时序特征，其中，所述第一多尺度样本时序特征表征至少两个尺度的目标机械运动的时序信息，所述待训练的心电信号编码器包括待训练的三维空间编码器和待训练的时序编码器；所述待训练的时序编码器包括第一卷积层、第二卷积层和自注意力层；将所述训练时序三维数据输入待训练的心电信号编码器进行处理，得到第一多尺度样本时序特征，包括：将所述训练时序三维数据输入所述待训练的三维空间编码器进行编码，得到第一训练空间特征，其中，所述第一训练空间特征为预定维度的特征向量；将所述第一训练空间特征输入所述待训练的时序编码器的所述第一卷积层进行降采样处理，得到第一训练卷积尺度时序特征；将所述第一训练卷积尺度时序特征输入所述第二卷积层进行降采样处理，得到第二训练卷积尺度时序特征；将所述第一训练卷积尺度时序特征和所述第二训练卷积尺度时序特征输入自注意力层进行增强处理，得到所述第一多尺度样本时序特征；将所述第一多尺度样本时序特征输入待训练的心电信号解码器进行处理，得到第一重构十二导联心电数据；基于损失函数，根据所述第一重构十二导联心电数据和所述十二导联心电单模态训练数据，得到第一损失值；根据所述第一损失值，通过调整所述心电监测模型的模型参数，得到经训练的心电监测模型。 6.根据权利要求5所述的方法，其特征在于，所述根据所述第一损失值，通过调整所述心电监测模型的模型参数，得到经训练的心电监测模型，包括：根据所述第一损失值，固定所述心电监测模型的所述心电信号编码器的模型参数，调整所述心电监测模型的所述心电信号解码器的模型参数，得到中间模型；将所述第一样本数据集输入所述中间模型，输出第二重构十二导联心电数据；基于损失函数，根据所述第二重构十二导联心电数据和所述十二导联心电单模态标签数据，得到第二损失值；基于所述第二损失值，固定所述心电监测模型的所述心电信号解码器的模型参数，调整所述心电监测模型的所述心电信号编码器的模型参数，得到所述经训练的心电监测模型。 7.一种基于电磁信号的心电监测的装置，其特征在于，包括：第一获取模块，用于获取初始电磁回波信号，其中，所述初始电磁回波信号表征与目标在预定时段内运动状态对应的彼此空间混叠的多个信号；补偿模块，用于根据与所述初始电磁回波信号对应的信号相位差，对所述初始电磁回波信号进行补偿，得到目标运动时序三维数据，其中，所述目标运动时序三维数据包含目标的时序运动状态在三维空间内映射得到的时序空间运动信息；第一处理模块，用于利用心电监测模型的心电信号编码器对所述目标运动时序三维数据进行处理，得到多尺度时序特征，其中，所述多尺度时序特征表征至少两个尺度的目标机械运动的时序信息，所述心电信号编码器包括三维空间编码器和时序编码器；所述时序编码器包括第一卷积层、第二卷积层和自注意力层；利用心电监测模型的心电信号编码器对所述目标运动时序三维数据进行处理，得到多尺度时序特征，包括：将所述目标运动时序三维数据输入所述三维空间编码器进行编码，得到第一空间特征，其中，所述第一空间特征为预定维度的特征向量；将所述第一空间特征输入所述第一卷积层进行降采样处理，得到第一卷积尺度时序特征；将所述第一卷积尺度时序特征输入所述第二卷积层进行降采样处理，得到第二卷积尺度时序特征；将所述第一卷积尺度时序特征和所述第二卷积尺度时序特征输入自注意力层进行增强处理，得到所述多尺度时序特征；第二处理模块，用于利用心电监测模型的心电信号解码器对所述多尺度时序特征进行处理，得到十二导联心电图像，其中，所述十二导联心电图像用于表征所述目标在预定时间内的运动状态变化。 8.一种心电监测模型的训练装置，其特征在于，所述心电监测模型包括心电信号编码器和心电信号解码器，包括：第二获取模块，用于获取第一样本数据集，其中，所述第一样本数据集包括训练时序三维数据和十二导联心电单模态标签数据；编码模块，用于将所述训练时序三维数据输入待训练的心电信号编码器进行处理，得到第一多尺度样本时序特征，其中，所述第一多尺度样本时序特征表征至少两个尺度的目标机械运动的时序信息，所述待训练的心电信号编码器包括待训练的三维空间编码器和待训练的时序编码器；所述待训练的时序编码器包括第一卷积层、第二卷积层和自注意力层；将所述训练时序三维数据输入待训练的心电信号编码器进行处理，得到第一多尺度样本时序特征，包括：将所述训练时序三维数据输入所述待训练的三维空间编码器进行编码，得到第一训练空间特征，其中，所述第一训练空间特征为预定维度的特征向量；将所述第一训练空间特征输入所述待训练的时序编码器的所述第一卷积层进行降采样处理，得到第一训练卷积尺度时序特征；将所述第一训练卷积尺度时序特征输入所述第二卷积层进行降采样处理，得到第二训练卷积尺度时序特征；将所述第一训练卷积尺度时序特征和所述第二训练卷积尺度时序特征输入自注意力层进行增强处理，得到所述第一多尺度样本时序特征；解码模块，用于将所述第一多尺度样本时序特征输入待训练的心电信号解码器进行处理，得到第一重构十二导联心电数据；损失模块，用于基于损失函数，根据所述第一重构十二导联心电数据和所述十二导联心电单模态训练数据，得到第一损失值；训练模块，用于根据所述第一损失值，通过调整所述心电监测模型的模型参数，得到经训练的心电监测模型。