59、阻抗心电图自动分类与脑电情感识别的研究进展

阻抗心电图自动分类与脑电情感识别的研究进展

阻抗心电图自动分类

在阻抗心电图（ICG）的自动分类研究中，采用了不同的神经网络配置来实现对ABEXYOZ类型的分类，旨在提高在实际生理条件下对特征点的检测能力。

网络输出与分类流程

从PRANN1中可得到两个输出（P1C1和P1C2），而P1C3由于无法从中推断出信息，将不参与后续处理。分类工作通过两个子网络（SubPRANN1和SubPRANN2）对PIC1和PIC2的结果进行处理，每个子网络分别将P1C1和P1C2分类到相应的ICG亚型中。具体的输出结构如下表所示：
| 单阶段 | 分治方法 |
| — | — |
| PRANN (N = 6) | PRANN1 (N = 3) |
| | SubPRANN1 (N = 2) |
| | SubPRANN2 (N = 3) |
| C1 ABEXYOZ0 | P1C1 ABEXYOZ0 |
| | S1C1 ABEXYOZ0 |
| C2 ABEXYOZ1 | |
| ABEXYOZ2 | S1C2 ABEXYOZ2 |
| C3 ABEXYOZ2 | P1C2 ABEXYOZ1 |
| | S2C1 ABEXYOZ1 |
| C4 ABEXYOZ3 | ABEXYOZ3 |
| | S2C2 ABEXYOZ3 |
| C5 ABEXYOZ4 | ABEXYOZ4 |
| | S2C3 ABEXYOZ4 |
| C6 ABEXYOZu | P1C3 ABEXYOZu |

注：N表示输出层的数量；P1