![](/images/graphics-bg.png)
تشخيص أمراض القلب باستخدام تقنيات التعلم العميق
العناوين الأخرى
Diagnosing heart disease using deep learning techniques
المؤلفون المشاركون
المصدر
مجلة جامعة دمشق للعلوم الهندسية
العدد
المجلد 38، العدد 2 (s) (30 يونيو/حزيران 2022)، ص ص. 105-114، 10ص.
الناشر
تاريخ النشر
2022-06-30
دولة النشر
سوريا
عدد الصفحات
10
التخصصات الرئيسية
الملخص AR
تعد إشارة القلب الكهربائية من أهم الإشارات الحيوية لجسم الإنسان، حيث تستطيع من خلالها الكشف عن أمراض القلب و أمراض الدورة الدموية، لذلك ظهرت دراسات و بحوث عديدة في هذا المجال تضمنت أبحاث علمية و أنظمة برمجية تم من خلالها قراءة و تحليل هذه الإشارة باستخدام تقنيات الذكاء الصناعي.
يهدف البحث المقترح إلى إنشاء «شبكة عصبية التفافية-CNN» أحادية البعد تقوم بمعالجة الإشارات القلبية التي حصلنا عليها من قاعدة البيانات «MIT-BHA» و التي تحوي على 87554 عينة من الإشارات القلبية.
تضم قاعدة البيانات 5 أصناف و هي : الإشارة الطبيعية، الانقباض الأذيني غير المنتظم، الانقباض البطيني السابق لأوانه، النبضة المدمجة و التي تنتج عن تراكب عدة أمواج في حالات وجود ناظم الخطى القلبية بالإضافة لصنف يحتوي إشارات قلبية باسم إشارات غير معروفة تمت معالجة البيانات و تدريب الشبكة العصبية عليها و التي أعطت دقة وصلت إلى 96.64% بالنسبة لبيانات التدريب و96.64% بالنسبة لبيانات الاختبار و قد بينت «Confusion Matrix» أن دقة التشخيص للحالة الأولى كانت 97% و للحالة الثانية كانت 85% و للحالة الثالثة كانت %95، للحالة الرابعة 88% وللحالة الخامسة كانت 98 %.
الملخص EN
The electrocardiogram (ECG) is one of the most important body bio-signals, through which many heart and blood circulations disorders and abnormalities can be detected.
So that, many studies in this field have been done like making systems that read and analyze ECG signals using artificial intelligence algorithms.
this project proposes a convolutional neural network that we build from scratch.
this CNN read and process ECG signals that we get from the MIT-BHA dataset.
this dataset contains about 87554 ECG samples.
samples are sorted in 5 classes, normal beats, supraventricular ectopic beats, ventricular ectopic beats, fusion beats and unknown beats.
signals were processed and used in our CNN training and testing procedure.
the confusion matrix derived from the testing dataset indicated 97% accuracy for 'normal' class.
for the "supraventricular ectopic beats" class, ECG segments were correctly classified 85% of the time.
for the "ventricular ectopic beats" class, ECG segments were correctly classified 95% of the time.
for the "fusion beats" class, ECG segments were correctly classified 88% of the time.
finally for the "Unknown Beats" class, ECG segments were correctly classified 98% of the time.
in total, there was an average classification accuracy of 96.64%.
نمط استشهاد جمعية علماء النفس الأمريكية (APA)
غادة سعد وحسن عبد الرحمن. 2022. تشخيص أمراض القلب باستخدام تقنيات التعلم العميق. مجلة جامعة دمشق للعلوم الهندسية،مج. 38، ع. 2 (s)، ص ص. 105-114.
https://search.emarefa.net/detail/BIM-1513535
نمط استشهاد الجمعية الأمريكية للغات الحديثة (MLA)
غادة سعد وحسن عبد الرحمن. تشخيص أمراض القلب باستخدام تقنيات التعلم العميق. مجلة جامعة دمشق للعلوم الهندسية مج. 38، ع. 2 (عدد خاص) (2022)، ص ص. 105-114.
https://search.emarefa.net/detail/BIM-1513535
نمط استشهاد الجمعية الطبية الأمريكية (AMA)
غادة سعد وحسن عبد الرحمن. تشخيص أمراض القلب باستخدام تقنيات التعلم العميق. مجلة جامعة دمشق للعلوم الهندسية. 2022. مج. 38، ع. 2 (s)، ص ص. 105-114.
https://search.emarefa.net/detail/BIM-1513535
نوع البيانات
مقالات
لغة النص
العربية
الملاحظات
يتضمن مراجع ببليوجرافية : ص. 114
رقم السجل
BIM-1513535
قاعدة معامل التأثير والاستشهادات المرجعية العربي "ارسيف Arcif"
أضخم قاعدة بيانات عربية للاستشهادات المرجعية للمجلات العلمية المحكمة الصادرة في العالم العربي
![](/images/ebook-kashef.png)
تقوم هذه الخدمة بالتحقق من التشابه أو الانتحال في الأبحاث والمقالات العلمية والأطروحات الجامعية والكتب والأبحاث باللغة العربية، وتحديد درجة التشابه أو أصالة الأعمال البحثية وحماية ملكيتها الفكرية. تعرف اكثر
![](/images/kashef-image.png)