با توجه به ارتباط موثر بین سیگنال الکتروکاردیوگرام و فعالیت الکتریکی قلب، همچنین کم هزینه و غیرتهاجمی بودن آن، استفاده از این سیگنال در زمینه تشخیص بیماری های قلبی – عروقی توسط پزشکان متخصص افزایش یافته است. در این میان تشخیص به موقع ایسکمی میوکارد به عنوان یکی از عوامل اصلی سکته قلبی، از اهمیت ویژه ای برخوردار می باشد. دو دیدگاه اساسی در زمینه روشهای تشخیص ایسکمی وجود دارد که دیدگاه اول به تفکیک اپیزودهای ایسکمیک در سیگنال و دیدگاه دوم به تفکیک ضربان های ایسکمیک می پردازد. از آن جهت که تفکیک ضربان به ضربان پیش زمینه ای برای تفکیک اپیزود به اپیزود ایسکمی می باشد، دست یابی به روشی با دقت بالا در این مرحله بسیار حائز اهمیت است. همچنین با توجه به وجود عدم قطعیتهای زبانی، استفاده از روشهای تعبیرپذیر در زمینه تشخیص های پزشکی، نسبت به سایر روشها ارجحیت بالاتری خواهد داشت. در این پروژه، سیستمی اتوماتیک با دقت نسبی بالا، دارای قابلیت تعبیر پذیری به منظور دسته بندی و تفکیک ضربان های ایسکمیک از ضربان های سالم پیشنهاد شده است. در این الگوریتم، پس از حذف نویز و استخراج اطلاعات شکلی از سیگنال با استفاده از روش تبدیل موجک چند مقیاسی، دسته بندی این اطلاعات و استخراج دانش در زمینه تشخیص بیماری توسط سیستم فازی ممدانی انجام شده است. ارزیابی این الگوریتم بر روی سی ثبت ازسیگنال های پایگاه داده esc(st-t) انجام شده است. به منظور بررسی کارایی این سیستم در مقایسه با روشهای دیگر، دسته بندی این اطلاعات با دو دسته بندی کننده دیگر – شبکه های عصبی- احتمالاتی و ماشینهای بردار پشتیبان- نیز انجام شده است. نتایج بدست آمده بیانگر حساسیت و خصوصیت نسبی بالا این روش در مقایسه با روشهای عصبی – احتمالاتی و ماشینهای بردار پشتیبان بوده است در کنار این واقعیت که این الگوریتم قابلیت تعبیر پذیری را نیز داراست. پس از بررسی تعبیر پذیری سیستم، تعدادی از قواعد زبانی موثر در تشخیص ایسکمی از پایگاه قواعد استخراج و به قواعد موجود در زمینه تشخیص ایسکمی افزوده گردید که این عمل باعث بهبود الگوریتم شده است.