دراین پایان نامه سعی شده است درمرحله اول نحوه تولید سیگنال الکتروکاریوگراف ومحل تولید ونحوه ثبت وضبط بررسی گردد واثرات بیماریهای مختلف قلب روی فیچرهای مختلف (اجزا وشکل ظاهری )سیگنال قلب تشریح شده است درفصل سوم مهمترین روشهای استخراج اجزا مهم (فیچر های سیگنال ecg) از روی سیگنال بیان شده است . بعداز استخراج فیچرها با الگوریتمهای مختلف مقایسه ای صورت گرفته و روش بهینه وعملی انتخاب وبالاخره روش تشخیص پنج حالت یا بیماری از روی سیگنال قلب با استفاده از چهار نوع شبکه عصبی از نوع feedforward درمحیط نرم افزار مطلب کامل توضیح داده شده است و با مقایسه نتایج آزمایشات گوناگون مشخص گردید که شبکه عصبی با 25 ورودی و 5 خروجی با 8 نرون در لایه پنهان میتواند بعداز آموزش بروش backpropagation levenberg_marquardt با دقت تشخیص 91.8 درصد بیماری را از روی سیگنال ورودی متمایز کند. البته ورودیها ، هشت فیچر مربوط به شکل موج مثل مساحت زیر منحنی qrsو... و4 فیچر آماری مثل انرژیcopmlex qrs و 13 سیگنال فشرده شده ecg با ضریب cr:4 میباشد که بصورت یک بردار ورودی میتوان به شبکه طراحی شده داد.تمام دیتا بیس لازم بصورت رایگان از سایت دانشگاه mit به آدرس physionet .com داون لود شده است .