《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》
%
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.
图表编号 | XD0076806400 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.01 |
作者 | 孟丹阳、戴敏 |
绘制单位 | 天津理工大学计算机科学与工程学院天津市智能计算与软件新技术重点实验室、天津理工大学计算机科学与工程学院天津市智能计算与软件新技术重点实验室 |
更多格式 | 高清、无水印(增值服务) |