基于模式识别和集成CNN-LSTM的阵发性房颤预测模型

杨萍,王丹,康子健,李童,付利华,余悦任

Prediction model of paroxysmal atrial fibrillation based on pattern recognition and ensemble CNN-LSTM

Ping YANG,Dan WANG,Zi-jian KAGN,Tong LI,Li-hua FU,Yue-ren YU

表 5 模型在跨患者模式下的实验结果

Tab.5 Experimental results of models under inter-patient paradigm

文献 训练集 测试集 ACC/% SEN/% SPE/% Thong等[28] − − 76.0 68.0 86.0 Zong等[29] − − 80.0 − − 本研究方法 P06~P25，n11~n50 P01~p05，n01~n10 86.9 82.4 90.0 P01~P05，P11~P25，n01~n10，n21~n50 P06~P10，n11~n20 70.6 60.0 73.1 P01~p10，p16~p25，n01~n20，n31~n50 P11~p15，n31~n30 77.9 76.9 78.2 P01~p15，P21~p25，n01~n30，n41~n50 P16~p20，n31~n40 89.9 89.7 89.9 P01~p20，n01~n40 P21~p25，n41~n50 78.5 67.2 83.1 平均值 80.6 75.7 82.7