《表1 PCinCC2017数据库和AFDB数据库上进行房颤数据和正常数据分类的实验结果》

  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

《基于时域特征的房颤识别方法》

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

%

从表1可知，在AFDB和PCinCC2017上房颤识别的灵敏度分别达到了99%和98.12%，特异性分别达到了98.44%和98%，证实了该方法的有效性.对比表1中数据筛选和未经过筛选的实验结果，筛选后实验灵敏度比未筛选时灵敏度增高了1.41%，特异性增高了6.44%，未筛选数据组中判定错误的数据共计448条，其中319条正常数据由于数据中包含奇异波形导致R点识别错误，误判为房颤，说明了本文提出的筛选机制能够去除奇异波形，排除奇异波形对房颤识别的影响.