换一批基于人工智能的心率失常分类算法性能评价方法
Performance Evaluation Method for Arrhythmia Classification Algorithms Based on Artificial Intelligence
摘要心率失常的心拍分类对心血管疾病预测至关重要.目前有很多基于人工智能的心拍分类算法的研究,但是尚未建立算法指标评估体系来评价算法性能.基于心电信号的心拍分类,建立了一种心拍分类算法评价方法,用于评估算法模型的性能.在MIT-BIH标准数据库上,采用传统机器学习、神经网络、集成学习模型等 11 种心拍算法进行训练验证.基于实验研究建立了一套评价方法,包含 12 项指标,用于评估算法性能.结果表明,集成学习的模型整体表现较好(准确度大于 98%),其中Light GBM表现最好,准确度、AUC、精确度和特异性都在 98.8%之上,且拟合和泛化能力较好,训练时间相对较短(6.3s);此外,在同一模型上,AUC、精确度、敏感性、F1 分数与准确度表现出很强的线性关系.建立的评价方法能够客观、全面地评估心率失常心拍分类算法,具有优化诊断效果和推动临床应用的意义.
更多相关知识
关键词
计量学人工智能机器学习神经网络心率失常心拍算法评价方法metrologyartificial intelligencemachine learningneural networksarrhythmiaheartbeat algorithmevaluation method
栏目名称
DOI
10.12338/j.issn.2096-9015.2024.0343
发布时间
2025-08-21（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家重点研发计划（2022YFF0606102）
- 浏览2
- 被引0
- 下载1
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
