《表5 SAHS严重程度预测的混淆矩阵》

  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》

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

表4所示为神经网络对正常、轻度、中度、重度患者的SAHS严重程度预测结果及失误情况，表5所示为WHO阈值判据下预测结果的混淆矩阵，平均预测敏感度、特异度、精准度、正确率分别达到了98.9%、90.1%、93.4%、96.3%，kappa系数达到了0.95。该结果表明，本方法对中度、重度患者（后期可能需要临床干预的患者）尤为有效，有应用于临床实时检测预警的潜在价值。