《表2 DRN、PC3-DRN以及PC6-DRN的SeqF1和SetF1对比》

  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

《基于金字塔卷积结构的深度残差网络心电信号分类方法研究》

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

如表2所示，随着PC层金字塔层数的增加，算法分类效果明显提升。同时，PC6-DRN相较于DRN[12]，性能有更加明显的提升。就SeqF1而言，正常心律从0.793提升到了0.906，房颤心律从0.719提升到了0.823，其他心律从0.703提高到了0.789，噪声从0.965提升到了0.985。PC6-DRN的类加权平均SeqF1为0.920，相较于DRN[12]提升了0.063，可见PC6-DRN分类性能得到显著提升。就SetF1而言，PC6-DRN对于4类ECG信号的分类性能也均有提升，其中特别显著的是其他心律的SetF1从0.503提升到了0.794，噪声的SetF1从0.876提升到了0.999。因此，在网络中构建PC层，能够增强网络提取融合的多尺度特征的能力，提升网络对样本分类的判别能力。