خلال العقد الماضي، أظهر الذكاء الاصطناعي إمكانية تصنيف التشخيصات المرتبطة بالقلب من خلال تخطيط القلب الكهربائي (ECG). ركزت الدراسات السابقة بشكل رئيسي على تخطيطات القلب ذات 12 و2 قطب، لكننا نهدف في هذه الدراسة إلى تصنيف 26 تشخيصًا مختلفًا باستخدام تخطيطات قلبية ذات 12 و6 و4 و3 و2 قطب. تم تدريب نموذج مراقب على مجموعة بيانات تتضمن 88,253 تخطيطًا قلبيًا، مع 26 تشخيصًا مختلفًا كمصدر حقيقة أرضية (ground truth). يمكن تقسيم خطوات التدريب والتصنيف إلى ثلاث مراحل: (1) تم استخدام خوارزمية بان تومبينز (Pan Tompkins) لتحديد القمم وحساب معدل ضربات القلب المتوسط. (2) استُخدم معدل ضربات القلب المتوسط مع الإشارة المحوّلة فورييه (Fourier transformed ECG signal) لتدريب نظام من الشبكات العصبية التلافيفية (CNN) لتصنيف تخطيطات القلب إلى أنماط منتظمة أو غير منتظمة. تم تصنيف 9 من أصل 26 فئة في هذه المرحلة. (3) أخيرًا، تم تدريب نماذج CNN ضمن سلسلة تصنيف (classifier chain) لتصنيف الـ17 تشخيصًا المتبقية. تم استخدام نتائج التصنيف من المرحلة الثانية والإشارة الخام لتخطيط القلب كمدخلات لسلسلة التصنيف في المرحلة الثالثة. حقق فريقنا، CardiOUS، درجة مسابقة PhysioNet قدرها -0.63 على جميع مجموعات الأقطاب في مجموعة الاختبار المخفية. ووفقًا للنتيجة، احتل فريقنا المرتبة 38 من أصل 39 فريقًا في التصنيف الرسمي.