Mehaouet ZiadBen Aoun Ibrahim2024-09-112024-09-112024https://dspace.univ-eloued.dz/handle/123456789/34087Master's theses: specializing in wired and non-wired communications"The research focuses on the development and improvement of a model for classifying (ECG) signals, with the aim of enhancing the accuracy and reliability of medical diagnosis for various heart diseases. The study involves analyzing data extracted from ECG signals and processing it using machine learning models, with an emphasis on achieving precise results in classifying different cardiac patterns. The model was trained and evaluated on the MIT-BIH arrhythmia dataset, with attention to improving the model's overall performance to ensure its capability to operate in real medical environments. The research includes collecting heart signal data from reliable sources, processing it, and developing a machine learning model using libraries like TensorFlow to classify these signals. The model's performance will be accurately evaluated, and a system will be developed to transfer the results securely and swiftly via email. The research results have shown high effectiveness in analyzing ECG data using the developed model, with classification accuracy exceeding 90% for all studied categories. This research is of great importance in the medical field due to the urgent need for more accurate and faster diagnostic systems. The innovative device can reduce the likelihood of incorrect diagnoses and provide a reliable means for doctors to make more precise therapeutic decisions. ""يتمحور البحث حول تطوير وتحسين نموذج لتصنيف إشارات القلب الكهربائية (ECG) ، بهدف تحسين دقة وموثوقية التشخيص الطبي لأمراض القلب المختلفة. يتناول البحث تحليل البيانات المستخلصة من إشارات ECG ومعالجتها باستخدام نماذج تعليم الالة ، مع التركيز على تحقيق نتائج دقيقة في تصنيف الأنماط القلبية المختلفة. تم العمل على مجموعة بيانات MIT-BIH للاضطرابات القلبية لتدريب وتقييم النموذج، مع الاهتمام بتحسين الأداء العام للنموذج لضمان قدرته على العمل في بيئات طبية حقيقية. يتضمن البحث جمع بيانات إشارات القلب من مصادر معتمدة، ومعالجتها، وتطوير نموذج تعلم الي باستخدام مكتبات مثل TensorFlow لتصنيف هذه الإشارات. سيتم تقييم أداء النموذج بدقة، وتطوير نظام لنقل النتائج بشكل آمن وسريع عبر البريد الإلكتروني. أظهرت نتائج البحث فعالية عالية في تحليل بيانات إشارات القلب الكهربائية (ECG) باستخدام النموذج المطوّر، حيث تجاوزت دقة التصنيف 90% لجميع الفئات المدروسة. يكتسب هذا البحث أهمية كبيرة في مجال الطب نظراً للحاجة الملحة إلى أنظمة تشخيص أكثر دقة وسرعة. يمكن للجهاز المبتكر أن يقلل من احتمالية التشخيصات الخاطئة ويوفر وسيلة موثوقة للأطباء لاتخاذ قرارات علاجية أكثر دقة. "enECG - Electrocardiogram - Heart disorders - Machine learning - Heart rhythm classificationECG تخطيط القلب الكهربائي – اضطرابات القلب – التعلم الالي – تصنيف ضربات القلبmaster