هدفت هذه الدراسة إلى تصنيف 27 حالة من الحالات القلبية غير الطبيعية بناءً على مجموعة بيانات تتكون من 43101 تسجيلًا للكهرباء القلبية (ECG). تم تطوير نموذج هجين يجمع بين خوارزمية تعتمد على القواعد ومختلف هياكل الشبكات العصبية العميقة.قمنا بمقارنة نوعين مختلفين من الشبكات العصبية التلافيفية (Convolutional Neural Networks): شبكة عصبية تلافيفية كاملة (Fully Convolutional Neural Network) وشبكة مشفرة (Encoder Network)، بالإضافة إلى تجميع كلا النموذجين معًا، ثم أُضيفت شبكة عصبية أخرى كُلفت بمعالجة متغيرات العمر والجنس كمدخلات. وتم في النهاية دمج نموذجين من هذه التجميعات مع نموذج قائم على القواعد، باستخدام ميزات مشتقة من تسجيلات ECG. تم تقييم أداء النماذج خلال عملية تطوير النموذج باستخدام طريقة التحقق بالاحتفاظ (hold-out validation) على بيانات التحقق. وبعد ذلك، تم نشر النماذج في صورة صورة دوكسر (Docker image)، وتم تدريبها على بيانات التطوير المقدمة، ثم اختبارها على مجموعة التحقق الخاصة بالتحدي. وأخيرًا، تم نشر النموذج الأفضل أداءً على مجموعة التحقق الخاصة بالتحدي، واختباره على مجموعة الاختبار الكاملة للتحدي. تم تقييم الأداء بناءً على درجة التحدي المحددة.حقق فريقنا، فريق UIO، درجة تحقق تحدٍ قدرها 0.377، ودرجة اختبار كاملة قدرها 0.206 لنموذجنا الأفضل. واحتلّت درجتنا على مجموعة الاختبار الكاملة المرتبة 20 من أصل 41 فريقًا في التصنيف الرسمي.