الرجفان الأذيني هو اضطراب في نبضات القلب يؤثر على حوالي 33.5 مليون شخص حول العالم، وقد يكون السبب المحتمل لواحد من كل ثلاثة جلطات دماغية لدى الأشخاص الذين تزيد أعمارهم عن 60 عامًا. يتم الكشف عن الرجفان الأذيني (AFIB) وتشخيصه بطريقة غير جراحية في البيئة السريرية من خلال تقييم كروت القلب الكهربائي (ECGs). ركزت البحوث المبكرة في مجال الأساليب الآلية للكشف عن AFIB في إشارات ECG على التحليل التقليدي للإشارات الحيوية الطبية لاستخراج الخصائص الهامة لاستخدامها في نماذج التصنيف الإحصائي. تم استخدام نماذج الذكاء الاصطناعي مؤخرًا والتي تعتمد على هياكل الشبكات التلافيفية و/أو المتكررة. في هذا العمل، تم استخراج الخصائص الزمنية والترددية الهامة لإشارة ECG من خلال تطبيق تحويل فورييه قصير المدى ومن ثم تقديم المعلومات بشكل بصرى في طيف الترددات (Spectrogram). تم دراسة طريقتين مختلفتين للتصنيف استخدمتا خصائص عميقة في الطيفيات التي تم بناؤها من أقسام ECG. استخدمت الطريقة الأولى نموذج DenseNet معدًا مسبقًا لاستخراج الخصائص التي تم تصنيفها بعد ذلك باستخدام آلات المتجهات الداعمة (Support Vector Machines)، بينما استخدمت الطريقة الثانية الطيفيات كمدخل مباشر إلى شبكة تلافيفية. تم تقييم كلا الطريقتين باستخدام مجموعة بيانات MIT-BIH AFIB، حيث حققت الطريقة التي تعتمد على الشبكة التلافيفية دقة تصنيف بلغت 93.16%. رغم أن هذه النتائج لا تتفوق على الأساليب الآلية المعترف بها للكشف عن الرجفان الأذيني، إلا أنها واعدة وتستحق المزيد من البحث بالنظر إلى أنها لم تتطلب أي تصفيح للضوضاء، أو خصائص مصممة يدويًا، أو اعتمادًا على الكشف عن النبضات.