《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》

  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XGBoost模型的心律失常分类算法研究》

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

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。