@Article{, title={LEARNING NEURAL NETWORKS FOR DETECTION AND CLASSIFCATION OF BIOMEDICAL SIGNAL SECTION (ECG)}, author={Ms.c. Hussain Karrem Khleaf and Assit. Prof. Dr. Hanan A. R. Akkar}, journal={IRAQI JOURNAL OF COMPUTERS, COMMUNICATIONS, CONTROL AND SYSTEMS ENGINEERING المجلة العراقية لهندسة الحاسبات والاتصالات والسيطرة والنظم}, volume={7}, number={1}, pages={97-110}, year={2007}, abstract={ABSTRACT:In this paper back-propagation neural network is presented for pattern recognition of ECG wave analysis and diagnosis, where training is applied for some common heart disease. Linear Predictive Coding (LPC) is used as a proposed method to compress the data, which were extracted from electrocardiogram, ECG paper. LPC method is tested before using it in this work, where it has succeeded in verifying coding operation to the signals. This method is efficient to reduce the ANN size used in this work. Data used are obtained from all currently available ECG databases, which were previously collected from different fields, such as Internet sites, different hospitals and some publications related with this field. The ECG samples were processed and normalized to produce a set of data that was applied to LPC and then to Artificial Neural Network (ANN). The results obtained are compared with the classifications made by a Doctor, where these results proved an efficient diagnosis with good performance and accuracy. Simulation results are obtained using technical (MATLAB) package implemented on IBM PC.

الملخص:- تم في هذا البحث استخدام أسلوب المعالجة المسبقة للمعلومات المستخرجة من إشارة تخطيط القلب (ECG) قبل اعتمادها كعناصر دخل إلى الشبكات العصبية. حيث تم استخدام طريقة تشفير التوقع الخطية (LPC)) Linear Predicative Coding ) كدالة لضغط البيانات المستخرجة مسبقا. لقد تم اختبار هذه الطريقة قبل أن تعتمد في هذا العمل, حيث أثبتت نجاحها في عملية التشفير للإشارات. مما عكست فائدة كبيرة في تقليص حجم الشبكة العصبية المستخدمة . وقد استخدمت طريقة الانتشار العكسي ((Back-propagation neural network كونها أحد الطرق الكفوءة في عملية تمييز الأشكال (pattern recognition) ضمن التدريب بوجود مشرف (supervised training ). تم تدريب هذه الشبكة على عدد من الأمراض الشائعة للقلب. حيث تم جمع عدد من هذه المعلومات من خلال المواقع المختصة في الانترنيت وكذلك من خلال المسح الميداني لعدد من المستشفيات وكذلك من خلال بعض المنشورات في هذا الحقل. حيث تم اختيار البيانات الجيدة منها بالاستعانة ببعض الأطباء والمختصون في هذا المجال. تمت مقارنة نتائج تشخيص الشبكة مع نتائج التشخيص من قبل الطبيب المختص وكانت نتائج التشخيص عالية جداً, من حيث أداء البرنامج في ترجمة الإشارة الكهربائية وتشخيص الحالة المرضية للقلب. حيث تم استخدام المختبر الرياضيMATLAB والتقنيات المتوفرة فيها لتنفيذ هذا العمل كأحد لغات البرمجة المستخدمة في تطبيقات ا لبحوث العلمية.} }