《表4 分类结果性能比较：基于CNN和BiGRU-Attention模型的心律异常判别研究》

  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CNN和BiGRU-Attention模型的心律异常判别研究》

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3为本实验结果的混淆矩阵。根据混淆矩阵即可计算出模型的评价指标，本实验先使用CNN提取特征，再使用Bi GRU-Attention模型进行学习，最后使用softmax完成分类，该模型与其他实验的分类结果性能比较如表4所示。可以看出，本实验的分类准确率较高，达到了99.53%；N、S、V、F四类心跳的灵敏度分别为99.80%、96.35%、98.23%，92.01%，阳性预测值分别为99.74%、96.87%、99.24%、90.37%。