نظام معتمد على الذكاء الاصطناعي للكشف التلقائي عن أمراض اختلال ضربات القلب (ECG Arrhythmia Detection)

قمت بتطوير خط إنتاج (Pipeline) متكامل ومتطور يعتمد على التعلم العميق (Deep Learning) لتصنيف إشارات رسم القلب (ECG) بدقة عالية، بهدف المساعدة في التشخيص المبكر لأمراض القلب. أهم ما تم إنجازه في المشروع:تصميم نماذج هجينة ومتطورة: قمت ببناء ومقارنة عدة معماريات برمجية تشمل CNN-LSTM لدمج التحليل المكاني والزمني، و Self-Attention Mechanisms لتركيز النموذج على الأجزاء الأكثر أهمية في الإشارة. معالجة البيانات الضخمة (Big Data): تعاملت مع قاعدة بيانات MIT-BIH العالمية، ونجحت في حل مشكلة عدم توازن البيانات (Class Imbalance) باستخدام تقنية SMOTE والـ Data Augmentation. تحسين الأداء (Optimization): استخدمت Bayesian Optimization (Optuna) للوصول لأفضل الإعدادات، مما أدى لتحقيق دقة تصل إلى 98.6% باستخدام نظام الـ Ensemble. تجهيز النموذج للنشر (Deployment): قمت بتقليل حجم النموذج بنسبة 4 أضعاف وتسريعه 2.5 مرة عبر تقنية الـ Quantization، مع تصديره بصيغة ONNX ليعمل بكفاءة على الأجهزة الضعيفة. واجهة مستخدم تفاعلية: قمت بتطوير تطبيق ويب باستخدام Streamlit لعرض النتائج وتحليل إشارات القلب لحظياً.