تفسیر نوار قلب با هوش مصنوعی

طراحی سیستم تشخیص نوار قلب (ECG) از روی عکس با هوش مصنوعی توضیحات پروژه: سلام، ما در حال راه‌اندازی یک پروژه هوش مصنوعی در حوزه سلامت دیجیتال هستیم. هدف این پروژه طراحی یک سامانه تحت وب است که در آن کاربر (بیمار) بتواند عکس نوار قلب (ECG) خود را آپلود کند و سیستم به‌صورت خودکار تصویر را تحلیل کرده، سیگنال دیجیتال را بازسازی کند و سپس از طریق یک مدل یادگیری ماشین، تشخیص اولیه اختلالات قلبی را ارائه دهد. مراحل و نیازمندی‌های پروژه: 1. ایجاد فرم آپلود تصویر در سایت • امکان دریافت عکس ECG از کاربر (jpg، png، pdf) • ذخیره‌سازی امن فایل در سرور 2. پردازش تصویر و استخراج خطوط موج ECG • حذف نویز و زمینه تصویر • شناسایی و استخراج خطوط موج از طریق الگوریتم‌های پردازش تصویر (OpenCV) • تبدیل نمودار موج به سیگنال عددی 3. بازسازی سیگنال دیجیتال ECG • تعیین محورهای زمان/ولتاژ بر اساس خطوط شبکه ECG • استخراج مقدار عددی ولتاژ در هر زمان • خروجی به‌صورت آرایه عددی یا فایل CSV 4. تشخیص آریتمی از سیگنال بازسازی‌شده • استفاده از یک مدل از پیش آموزش‌دیده (مبتنی بر دیتاست MIT-BIHیا دیتاست های پیشنهادی شما) • اعمال مدل روی سیگنال و دریافت خروجی تشخیصی 5. نمایش نتایج به کاربر • نمایش نوع آریتمی یا وضعیت طبیعی • نمودار سیگنال بازسازی‌شده • درج هشدار: “نتیجه فقط جنبه آموزشی دارد و جایگزین نظر پزشک نیست” تکنولوژی‌های پیشنهادی: • Backend: Python (Flask یا Django) • پردازش تصویر: OpenCV، NumPy • مدل ML: PyTorch یا TensorFlow (امکان استفاده از مدل آماده) • Frontend: HTML/CSS/JavaScript یا React • دیتاست مرجع: MIT-BIH Arrhythmia Database نیازمندی نیروی متخصص: ما به یک یا چند متخصص در یکی از زمینه‌های زیر نیاز داریم: • پردازش تصویر (استخراج سیگنال از عکس) • توسعه مدل یادگیری ماشین یا اعمال مدل آماده • توسعه بک‌اند (آپلود فایل + مدیریت API) • فرانت‌اند ساده برای نمایش خروجی لطفاً اگر در یکی از بخش‌های پروژه تخصص دارید و توانایی اجرای مرحله‌ای پروژه را دارید، پیشنهاد خود را ثبت کنید. همکاری بلندمدت در صورت موفقیت نسخه اولیه (MVP) امکان‌پذیر است