主要观点总结
本文旨在使用Tsetlin Machine（TM）对数据集进行分类，并对分类结果作出解释。通过对中国生理信号挑战赛2020数据集的心拍图片进行分类，实验结果显示TM的平均识别准确率达到了84.3%，并且能够通过位模式解释图展示分类判别的依据。讨论部分对TM的分类结果进行了生理信号的解读和验证，证明TM的分类结果具有理论支持，并通过实例说明了其临床应用价值。
关键观点总结
关键观点1: 使用Tsetlin Machine对数据集进行分类
采用TM对CPSC 2020数据库中的心拍图片进行三分类，包括正常心拍、室性早搏心拍和室上性早搏心拍。
关键观点2: TM分类结果及解释性分析
实验结果显示，TM的平均识别准确率为84.3%。通过位模式解释图，可以展示分类判别的依据，使得分类结果得到解释。
关键观点3: 与生理信号的解读和验证
讨论部分将TM的分类结果与生理信号知识进行解读和验证，证明TM的分类结果具有理论支持，并通过实例说明了其临床应用价值。
文章预览
点击上方 蓝字 关注我们 了解更多资讯 张金宝 1 ，何培宇 1 ，田翩 1 ，蔡建民 1 ，潘帆 1 ，钱永军 2 ，赵启军 3 1. 四川大学 电子信息学院（成都 610065） 2. 四川大学华西医院 心脏大血管外科（成都 610041） 3. 四川大学 计算机学院（软件学院）（成都 610065） 通信作者： 潘帆，Email：panfan@scu.edu.cn；钱永军，Email：qianyongjun@scu.edu.cn 关键词 ： 机器学习；Tsetlin Machine；心拍分类；可解释性；人工智能 引用本文： 张金宝, 何培宇, 田翩, 等. 一种用于心拍分类的可解释机器学习方法. 中国胸心血管外科临床杂志, 2023, 30(2): 185-190. doi: 10.7507/1007-4848.202204067 Zhang JB, He PY, et al. An interpretable machine learning method for heart beat classification. Chin J Clin Thorac Cardiovasc Surg, 2023, 30(2): 185-190. doi: 10.7507/1007-4848.202204067 摘 要 目的 探讨Tsetlin Machine（TM）在心拍分
………………………………
