《表4 SAHS严重程度预测结果》
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LSTM-CNN的睡眠呼吸暂停与低通气事件实时检测算法研究》
在片段预测结果中,神经网络预测结果的敏感度略低于特异度,这主要是因为神经网络只使用腹部位移信号进行预测分类,而对睡眠呼吸低通气事件进行判别时需要额外的血氧饱和度信号或者觉醒信息,造成预测结果中的一部分假阳性错误。除此以外,预测结果中的错误多出现在AH事件边缘分界不清晰的地方。在图4所示的AHI预测结果中可以看出,LSTM-CNN在所有被试中表现出良好的一致性;由拟合直线斜率以及偏置可以看出,神经网络预测出的AHI通常略高于人工标注出的AHI。在表4所示的SAHS严重程度预测结果中,一共有5名被试的病情被高估,同时有1名被试的病情被低估,这同样是由于输入中缺少血氧饱和度与觉醒信息所导致的预测不准确。
图表编号 | XD00181296900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.20 |
作者 | 余辉、王硕、李心蕊、邓晨阳、孙敬来、张力新、曹玉珍 |
绘制单位 | 天津大学生物医学工程系、天津大学生物医学工程系、天津市中西医结合医院、天津大学生物医学工程系、天津大学生物医学工程系、天津大学生物医学工程系、天津大学生物医学工程系 |
更多格式 | 高清、无水印(增值服务) |