一种12导联深度脉冲神经网络心电多标签分类方法与系统

本申请涉及人工智能技术领域，特别涉及一种12导联深度脉冲神经网络心电多标签分类方法与系统，该方法包括：对12导联ECG样本进行数据预处理；以ECG Founder卷积基础模型作为教师模型，并以500 Hz、10秒12导联心电数据切分为输入，通过片段级概率平均构造教师软标签；以多尺度深度脉冲神经网络作为学生模型，并以100 Hz、10秒12导联心电数据未输入，输出各诊断标签的未归一化预测值；通过联合损失优化学生网络，采用学生模型推断部署。本申请通过多片段教师概率平均、跨采样率输入匹配、真实标签监督损失与教师软标签蒸馏损失联合优化，将ANN基础模型的判别知识迁移到深层SNN模型中，从而提高SNN在12导联心电多标签分类任务中的异常识别能力和临床辅助筛查价值。