《表1 网络分类整体性能:基于功率谱密度图和卷积神经网络的心律失常分类研究》
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
《基于功率谱密度图和卷积神经网络的心律失常分类研究》
本文提出的心律失常分类算法的整体分类性能如表1所示。分类的准确率为96%,精确度为98.82%,特异性为98.77%,召回率为97.11%。表2总结了近年来基于MIT-BIH数据库的心律失常分类算法,可以看出,在分类准确率上超过了大部分研究团队。相比Acharya[13]提出的对5秒长度的心电信号进行分类,与本文提出的短时信号长度十分接近,但本文算法的分类准确率高出1.1个百分点。与Zubair[15]同样使用CNN网络来进行分类的比较,本文的算法高出3.3个百分点,说明本文的算法更加有效。而Kallas[16]在其实验中,获得了97%的高分类准确率,但其使用了复杂的分析方法和分类器,需要手工对特征进行提取,使得网络耗时增加,不能实现端到端的信号识别方法。
图表编号 | XD00174769000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.05.25 |
作者 | 牟文锋、周登仕 |
绘制单位 | 四川大学电子信息学院、四川大学电子信息学院 |
更多格式 | 高清、无水印(增值服务) |