در این پروژه تمرکز ما بر ارائه رویکردی برای تشخیص آریتمی های بطنی بود. این روش شامل مرحله پیش پردازش برای حذف نویزهای مختلف و افزایش کیفیت سیگنال، استخراج ویژگی و مرحله کلاس بندی است. برای حذف نویزهای سیگنال از تبدیل موجک استفاده شد. در ادامه قسمت های مهم سیگنال شامل کمپلکس QRS، قطعه T و قطعه P تعیین شد. سپس پارامتر های مهم در تشخیص عملکرد قلب از جمله فاصله زمانی RR، فاصله ی PR، فاصله ی QT، فاصله ی کمپلکس QRS، شیب QR و RS و همچنین دامنه ی موج P و ضربان قلب محاسبه شده و با استفاده از یک طبقه بندی کننده سیگنال ها در کلاس نرمال، دارای آریتمی SVT، آریتمی VT و یا آریتمی PVC قرار میگیرند. و مدل کلاس بندی را در روش های مختلف آموزش می دهیم. در نهایت، مدل به دست آمده با بیشترین دقت، برای کلاس بندی داده های آزمایشی مورد استفاده قرار می‌گیرد. از روش هایSVM،Ensemble، Naïve Bayes ، درخت تصمیم و SVM قابل بهینه سازی برای کلاس بندی استفاده شده است که در میان این طبقه بندی کننده ها، روش Ensemble دارای دقت بالاتری نسبت به سایر روش ها بود. نام دانشجو: کیمیا حدیدی استاد راهنما: آقای دکتر حسین حسینی نژاد