CHÚC MỪNG NHÓM SINH VIÊN KHOA HỆ THỐNG THÔNG TIN CÓ BÀI BÁO ĐƯỢC CHẤP NHẬN TẠI HỘI NGHỊ KHOA HỌC QUỐC TẾ TIBS 2026
TIBS 2026 (The International Conference on Technological Intelligence and Business Strategies) là hội nghị khoa học quốc tế do Global Knowledge Research Foundation và G R Scholastic phối hợp tổ chức, với sự đồng hành của nhiều trường đại học và tổ chức học thuật tại Philippines.
Hội nghị được tổ chức theo hình thức kết hợp (Hybrid), bao gồm phiên trực tiếp vào ngày 22/06/2026 tại AIM Conference Center, Makati City, Manila, Philippines và các phiên trực tuyến từ 23 – 24/06/2026 thông qua nền tảng Zoom.
Các bài báo được trình bày tại hội nghị sẽ được xuất bản trong bộ sách Springer Lecture Notes in Networks and Systems (LNNS) (ISSN: 2367-3370) và được lập chỉ mục trên Scopus, EI Compendex, INSPEC, WTI Frankfurt eG, zbMATH, SCImago, đồng thời được đề xuất xem xét lập chỉ mục trên Web of Science. Hội nghị tập trung vào nhiều lĩnh vực nghiên cứu như Trí tuệ nhân tạo, Hệ thống thông minh, Phân tích dữ liệu, Chuyển đổi số, Công nghệ tài chính, Blockchain, Công nghiệp 4.0 và Quản trị công nghệ.
Thông tin chi tiết về hội nghị có thể tham khảo tại: https://tibsconf.com/index.php
Tên bài báo: “ECG-Based Cardiac Arrhythmia Detection and Classification”
Sinh viên thực hiện:
- Lý Tấn Phát (MSSV: 21522444) – Lớp CTTT2021
- Nguyễn Kiều My (MSSV: 21522350) – Lớp CTTT2021
Giảng viên hướng dẫn: ThS. Nguyễn Thị Kim Phụng
Abstract: This paper presents an automated approach for cardiac arrhythmia detection using ECG signals from the CPSC2018 database. The proposed pipeline includes band-pass filtering, normalization, and segmentation of raw ECG recordings, conversion of ECG segments into 2D grayscale images, and multi-label arrhythmia classification using CNN based on a DenseNet architecture. According to the official CPSC2018 labeling scheme, ECG segments are categorized into multiple clinically relevant rhythm types, including normal sinus rhythm and major arrhythmias such as first-degree atrioventricular block, atrial fibrillation, right bundle branch block, left bundle branch block, ventricular ectopic beat, premature atrial contraction, ST-segment elevation, and ST-segment depression. The DenseNet-based architecture combines an oversampling training strategy to alleviate class imbalance. Experimental results on the CPSC2018 database demonstrate the effectiveness of the proposed image-based ECG classification approach, highlighting its potential to assist clinicians in ECG interpretation and early diagnosis of cardiac disorders.
