《表2 不同分类器对应的结果》
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LS-MEMD的sEEG高频振荡自动识别方法》
表2为不同分类器对应的结果,各分类器参数已测试为最优。由表中数据可见,基于本文所提的特征,无论用何种分类器,识别效果均可。但是,SVM分类器具有最高准确率和较低误检率。具体而言,SVM分类结果的准确率和灵敏度都明显优于其他三种分类器,但其特异性(99.03%)略低于BLDA(99.81%)和K-means(100%)。同时,SVM的误检率(0.83%)低于KNN算法(1.5%),但未达最优,BLDA的误检率为0.25%,而K-means则为0,即没有错把高频伪迹归为痫样脑电的情况发生。尽管如此,BLDA和K-means灵敏度低到了无法接受(小于80%)的程度,即它们正确识别HFOs的概率较低。因此,SVM在HFOs识别方面综合性能最佳,本文使用SVM进行HFOs的自动精准识别。
图表编号 | XD00181386100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.25 |
作者 | 刘燕、周渊峰、胡莹、郎恂、张龑囧、郑潜、张丽、汤继宏、戴亚康 |
绘制单位 | 中国科学院苏州生物医学工程技术研究所、苏州市医疗健康信息技术重点实验室、济南国科医工科技发展有限公司、苏州国科康成医疗科技有限公司、复旦大学附属儿科医院、中国科学院苏州生物医学工程技术研究所、云南大学、复旦大学附属儿科医院、浙江大学、南京脑科医院、苏州大学附属儿童医院、中国科学院苏州生物医学工程技术研究所、苏州市医疗健康信息技术重点实验室、济南国科医工科技发展有限公司、苏州国科康成医疗科技有限公司 |
更多格式 | 高清、无水印(增值服务) |