《表3 国内外相关分类模型的结果对比》
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。
图表编号 | XD00160946300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.08.20 |
作者 | 郑捷文、张悦舟、兰珂、刘晓莉、张政波、俞梦孙 |
绘制单位 | 北京海思瑞格科技有限公司、空军特色医学中心、北京海思瑞格科技有限公司、北京海思瑞格科技有限公司、北京航空航天大学生物与医学工程学院、解放军总医院医学工程保障中心、空军特色医学中心 |
更多格式 | 高清、无水印(增值服务) |