Search

One of the main reasons for human death is diseases caused by the heart. Detecting heart diseases in the early stage can stop heart failure or any damage related to the heart muscle. One of the main signals that can be beneficial in the diagnosis of diseases of the heart is the electrocardiogram (ECG). This paper concentrates on the diagnosis of four types of ECG records such as myocardial infarction (MYC), normal (N), variances in the ST-segment (ST), and supraventricular arrhythmia (SV). The methodology captures the data from six main datasets, and then the ECG records are filtered using a pre-processing chain. Afterward, a proposed 1D CNN model is applied to extract features from the ECG records. Then, two different classifiers are applied to test the extracted features’ performance and obtain a robust diagnosis accuracy. The two classifiers are the softmax and random forest (RF) classifiers. An experiment is applied to diagnose the four types of ECG records. Finally, the highest performance was achieved using the RF classifier, reaching an accuracy of 98.3%. The comparison with other related works showed that the proposed methodology could be applied as a medical application for the early detection of heart diseases. Однією з основних причин смерті людини є захворювання серця. Виявлення серцевих захворювань на ранній стадії може запобігти серцевій недостатності або будь-якому пошкодженню серцевого м’яза. Одним з основ- них сигналів, які можуть бути корисними в діагностиці захворювань серця, є електрокардіограма (ЕКГ). Розглянуто діагностику чотирьох типів записів ЕКГ, таких як інфаркт міокарда (MYC), норма (N), відхилення сегмента ST (ST) і надшлуночкова аритмія (SV). Методологія збирає дані з шести основних наборів даних, а потім записи ЕКГ фільтруються за допомогою ланцюжка по- переднього оброблення. Після цього запропонована модель 1D CNN використовується для вилучення ознак із записів ЕКГ. Потім застосовуються два різні класифікатори, щоб перевірити ефективність виділених ознак і отри- мати надійну точність діагностики. Два класифікатори – це softmax і класифікатор випадкового лісу (RF). Застосовується експеримент для діагностики чотирьох типів записів ЕКГ. Зрештою найвищої продуктивності досягнуто за допомогою радіочастотного класифікатора з точністю 98,3%. Порівняння з іншими суміжними роботами показало, що запропоновану мето- дику можна застосовувати для раннього виявлення захворювань серця.