心血管疾病已成为威胁全人类生命和健康的头号杀手,如何有效地诊断和治疗心血管疾病,降低心血管疾病发病率与死亡率,已经成为一个当前迫切需要解决的重大公共卫生问题。心电图(electrocardiogram,ECG)直接记录了心脏搏动过程微弱电流的有规律的变化,是心血管疾病诊断的主要工具,以其无创、快速、准确的特点在临床诊断中发挥了不可替代的作用。如何借助计算机强大分析和数据处理能力实现心电图的快速自动分析,对于提高临床诊断的效率和准确性有着十分重要的意义,日益受到广大学者的关注。本文在前人研究的基础上,引入了异常心电节律分析,并结合心拍模板分类和形态参数分析,实现了三种心拍的自动分类。本文的主要内容包括:1.从心电信号预处理、波形检测及相关参数提取和心律失常自动诊断三个方面介绍了心电自动分析技术的研究方法和研究现状,对部分现有算法作了简要阐述,并对其临床实际应用现状和前景作了相应探讨。2.在已有的QRS波检测结果的基础上,应用心拍模板分类法检测异常非窦性心拍,并结合QRS波形态特征参数的提取结果实现了部分参数阈值的自动判断。3.通过心率特征和特殊波形分析检测心电异常节律,实现了三种异常节律(房颤、房扑和室上性心动过速)的自动分析,提高了处于异常节律下心拍分类的效果。4.在上述分析结果的基础上,通过一系列逻辑分支判断实现三种心拍(室性早搏心拍、房性早搏心拍和正常窦性心拍)的自动分类,并使用MIT-BIH数据库评估算法分类结果。5.设计并实现了相关心电算法分析平台和心电自动分析系统软件。经过MIT-BIH心律失常数据库检验,算法对三类心拍的整体分类效果较好,对房性早搏和室性早搏心拍分类结果的灵敏度分别达到了96.9%和99.7%。通过异常心电节律分析,算法显著降低了因特殊节律造成心拍误判,提高了分类结果的准确性和可靠性。