@Article{, title={ECG SIGNAL CLASSIFICATION BASED ON DEEP LEARNING BY USING CONVOLUTIONAL NEURAL NETWORK (CNN) تصنيف إشارة تخطيط القلب بالإعتماد على التعلم العميق بواسطة استخدام الشبكة العصبية التقريبية}, author={Aqeel M.Hamad alhussainy عقيل محسن حامد and Ammar D. Jasim عمار داود جاسم}, journal={Iraqi Journal of Information and communication technology المجلة العراقية لتكنولجيا المعلومات والاتصالات}, volume={3}, number={3}, pages={12-22}, year={2020}, abstract={Cardiovascular Diseases (CVDs) are consider main cause of death today a according to World HealthOrganization (WHO). Because ECG signal is very important tool in monitoring and diagnosis of these disease ,different automatic methods are proposed based on this signal. The manual analysis of ECG signals is suffereddifferent challenges such as differeculty of detecting and classify waveform of this signal, So, many machine learningmethods are explored to describe the anomalies ECG signal accurately . Deep learning (DL) can be used in ECGclassification, it can improve the quality of the automatic classification system. In this paper , We have proposed adeep learning classification system using different layers of convolution, rectifier and pooling operations that can beused to increase feature extraction of ECG signal. We have proposed two models, one is used 1-D signal , in whichwe designed model for classification csv type of data for ECG signal, while in the second proposed system, we usedmodel for 2-D signal after convert it from its csv type . 2-D signal (ECG image) is used in order to augment thetwo dimensional signal with different methods to increase the accuracy of the model by training it with geometrictransformation of the original input images such as rotation, shearing etc. The results are compared with AlexNetand other models based on different metrics, which are used to measure performance of proposed work, the resultshow that, proposed models improves efficiency of the classification in the two systems.

تعتبر أمراض القلب والأوعية الدموية (CVDs) السبب الرئيسي للوفاة اليوم وفقًا للصحة العالمية منظمة (WHO). لأن إشارة تخطيط القلب أداة مهمة جدًا في مراقبة وتشخيص هذه الأمراض ،يتم اقتراح طرق تلقائية مختلفة بناءً على هذه الإشارة. تم إجراء التحليل اليدوي لإشارات تخطيط القلب تحديات مختلفة مثل اختلاف كلية اكتشاف وتصنيف شكل الموجة لهذه الإشارة ، لذلك ، العديد من التعلم الآلي يتم استكشاف الطرق لوصف الشذوذ إشارة تخطيط القلب بدقة. يمكن استخدام التعلم العميق (DL) في تخطيط القلب التصنيف ، يمكنه تحسين جودة نظام التصنيف التلقائي. في هذه الورقة ، اقترحنا نظام تصنيف التعلم العميق باستخدام طبقات مختلفة من عمليات الالتواء والمعدل والتجميع التي يمكن أن تكون تستخدم لزيادة استخراج ميزة إشارة تخطيط القلب. لقد اقترحنا نموذجين ، أحدهما يستخدم إشارة 1-D ، حيث قمنا بتصميم نموذج لتصنيف نوع بيانات csv لإشارة ECG ، بينما في النظام الثاني المقترح ، استخدمنا نموذج للإشارة ثنائية الأبعاد بعد تحويلها من نوع csv الخاص بها. يتم استخدام إشارة ثنائية الأبعاد (صورة ECG) من أجل زيادةإشارة ثنائية الأبعاد بأساليب مختلفة لزيادة دقة النموذج بتدريبه هندسيًاتحويل صور الإدخال الأصلية مثل الدوران والقص وما إلى ذلك. تتم مقارنة النتائج مع AlexNetونماذج أخرى مبنية على مقاييس مختلفة ، والتي تستخدم لقياس أداء العمل المقترح ، النتيجةتبين أن النماذج المقترحة تحسن كفاءة التصنيف في النظامين.} }