ECG Heartbeat Classification Using Machine Learning

تم تطوير نظام Machine Learning وDeep Learning لتحليل وتصنيف إشارات ECG بهدف تصنيف أنواع مختلفة من ضربات القلب.

تم استخدام ECG datasets مثل MIT-BIH/PTB، ثم تجهيز البيانات من خلال Data Preprocessing وتهيئتها لتناسب نماذج Machine Learning وDeep Learning.

تم تطبيق ومقارنة أكثر من Model، من ضمنها:

* Random Forest

* Convolutional Neural Network (CNN / Conv1D)

تم التعامل مع مشكلة عدم توازن الفئات باستخدام Class Weights، بالإضافة إلى استخدام Early Stopping أثناء تدريب نموذج الـ CNN للمساعدة في تحسين عملية التدريب وتقليل Overfitting.

يقوم النظام بتصنيف ضربات القلب إلى خمس Classes، وتم تقييم أداء النماذج باستخدام مجموعة من المقاييس مثل Accuracy وPrecision وRecall وF1-Score.

حقق المشروع Accuracy وصلت إلى 93.98%، مما يوضح إمكانية استخدام Machine Learning وDeep Learning في تحليل إشارات ECG وتصنيف أنماط ضربات القلب.

Developed a machine learning and deep learning system for ECG heartbeat classification using the MIT-BIH/PTB dataset. Implemented Random Forest and CNN models to classify heartbeats into five classes, achieving 93.98% accuracy. The project included data preprocessing, class balancing, model training, and performance evaluation using Precision, Recall, and F1-score.