《表2 基于MIT-BIH数据库的心律失常分类算法总结》

  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》

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。