摘要
本发明提供了一种基于深度学习的异常心电位置定位与疾病预测分类方法，属于人工智能与医疗健康交叉技术领域，解决了心电图信号对专业医生手动标注依赖性强、标注成本高、效率低下的技术问题。包括以下步骤：S1：对数据集进行预处理；S2：划分训练集和测试集；S3：针对MIT‑BIH数据构建CNN‑LSTM‑Attention深度学习模型；S4：针对PTB‑XL数据构建多层感知机MLPS模型；S5：采用早停策略避免模型过拟合；S6：将测试集数据输入训练好的深度学习模型中，输出异常心律位置与疾病预测结果。本发明的有益效果为：通过深度学习结构缓解了心电图依赖人工标注的问题。
