心肌梗塞（MI）是致死率较高的常见的心血管疾病之一，具有起病急、病情发展快、急性期死亡率高的特点。因此，心肌梗塞的早期诊断一直是心血管疾病研究的热点。体表心电图具有无创、简单、诊断快速等特点，是心肌梗塞最常用的诊断方法，具有重要的研究价值。随着医学的发展，临床上产生的医疗数据与新知识越来越多，如何对这些医学资料进行保存和管理是一个重要的问题。心电数据库作为医学数据库的一个重要组成部分，在心肌梗塞诊断领域中能够发挥着重要的作用。同时，开发临床心电图数据库也是近年来国内医学信息的主要方向之一。确定学习以神经网络为基础，研究的是在未知动态环境下知识的获取、表达、存储和再利用的问题，在一定程度上模拟了人类学习知识、运用知识的能力。针对产生周期或回归轨迹的连续非线性系统，确定学习可以对其未知系统动态进行局部准确建模。对心电数据的自动分析并得出诊断结果的过程实质上是一个动态模式识别过程。针对传统心电图在用于诊断心肌梗塞过程中的准确性和灵敏性不高的问题，本文介绍了基于确定学习的心肌梗塞早期诊断方法。本文首先介绍了确定学习理论及其在心肌梗塞早期辅助诊断系统中的应用，同时详细介绍了心肌梗塞早期辅助诊断系统的主要构成及心电数据的采集和处理方法。在早期心肌梗塞辅助诊断系统的诊断过程中，系统需要对大量的心电数据进行处理。为有效地管理大量的心电数据，我们将数据库技术引入辅助诊断系统中。在本文中，作者搭建了基于SQLServer的心电数据库，并建立了视图、触发器等以增强数据库的可管理性以及应用程序的健壮性，简化应用程序的开发步骤。本文利用LabSQL建立LabVIEW与SQL Server之间的连接，使采集系统与心电数据库连接起来，将采集的心电数据直接添加入心电数据库中。利用MATLAB GUI为心电数据库设计数据库管理系统，该心电数据管理系统的界面功能全面、操作简单使管理人员能够更方便地实现对数据进行查看和管理。