《表2 数据集划分情况:基于XGBoost模型的心律失常分类算法研究》
目前国内外评价心律失常分类算法的方式有两种:一种是被称为患者内的心律分类方式,另一种是患者间的心律分类方式。基于患者内的研究[2,4,16]往往在测试集上有较好的分类效果,但训练集和测试集中含有同一个患者的心电样本,忽略了不同患者间的心电信号存在差异性。为了解决这个问题,de Chazal等[3]提出了患者间的心律分类方式,使训练集和测试集的数据样本来自不同的患者个体。多项研究[3,5,7]表明,基于患者间的心律分类具有更好的临床价值和优秀的泛化能力。本研究考虑到患者间的个体差异,实现患者间的心律失常自动分类,将MIT-BIH数据库中受试者分成两组,分别为训练集和测试集,去掉数据库中含有起搏心拍的受试者(102、104、107、214),具体见表2。
图表编号 | XD0080641800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.07.10 |
作者 | 李云、吴水才、袁丽 |
绘制单位 | 北京工业大学生命科学与生物工程学院、北京工业大学生命科学与生物工程学院、北京工业大学生命科学与生物工程学院 |
更多格式 | 高清、无水印(增值服务) |