《表3 层次聚类算法的性能》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《一种改进的用于心率估计的峰值提取方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

此外，本文还使用相同的数据集评估了Choi等[5]所提出传统峰值检测方法的性能，如表2所示，和Brüser等[2]所提出层次聚类算法的性能，如表3所示。Choi等[5]提出的方法可以在一段时间内找到4个子区间内的局部峰值，并从这些局部峰值中选择最大峰值作为J峰，同时还附加了一些额外的规则；Brüser等[2]使用层次聚类，先从记录中推断出心跳模板，然后根据该模板选择出信号中最适的位置作为心跳位置，进而确定心跳间隔。从平均假阴率来看，改进的峰值检测方法为3.29%，而忽略掉伪影的Choi等[5]为5.92%，表明伪影占比大概在5.92%左右，这说明了改进的峰值检测方法通过重建部分伪影数据用于心跳间隔的估计。从平均假阳率来看，Brüser等[2]几乎为0，但平均覆盖率只有89.39%，可以看出这种对波形要求较高的算法，提高了对心跳位置的识别率而降低了覆盖率。改进的峰值检测方法的覆盖率、平均假阳率、平均误差和绝对误差分别为96.71%、1.01%、0.86%和6.79 ms，这表明与Choi等[5]和Brüser等[2]相比，该方法获得的J-J间期偏差更小，具有更高的覆盖率和更好的整体准确性。总体来说，改进的峰值检测方法要优于Choi等[5]和Brüser等[2]的方法。