《表3 国内外相关分类模型的结果对比》

  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

《基于心率变异性分析的睡眠分期算法研究和验证》

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

本研究从RR时间序列中提取了包括时域、频域和非线性的86个特征，基于SVM分类器，实现了基于心率变异性的睡眠自动分期。本研究提出了4个新特征，用于提升分类的准确性，尤其是sc1和sc2特征，对于准确检测睡眠中觉醒和睡眠阶段转换起到很重要的作用。另外，本研究提出了概率修正模型，将睡眠规律的先验知识和分类器的分类结果结合起来，进一步提升了算法的准确性。本研究提出的算法在训练集和测试集上都有很好的表现，939例大样本人群测试说明，该模型在不同人群上具有较好的泛化能力。相比国内外研究状况，本研究的准确率和测试样本数量均高于同类其他研究的结果，同类研究的比较如表3所示。综合而言，目前三分类研究的结果准确率大都在70%～80%之间，四分类研究的结果就更低。从临床应用的角度，基于心率变异性睡眠分期的准确率还需要进一步提升，才能满足临床应用的需要。