《表5 3种模型实验结果：基于机器学习的心律失常检测模型研究》

  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

《基于机器学习的心律失常检测模型研究》

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

该模型在测试集上的分类混淆矩阵如图7所示。5种类别识别率均高于支持向量机模型，N、S、V、Q类别识别准确率均高于随机森林模型。其实验结果对比如表5所示，传统模型SVM和RF检测的准确率、特异性和敏感性均没有1D-CNN高。以上实验结果及分析表明，1D-CNN模型在心律失常检测问题上，其能更新神经元解决非线性问题，自动提取心律数据的特征信息，并且其模型比较容易建立、具有较高的准确率及较好的泛化能力。因此，1D-CNN模型已可应用于心律失常检测实践。