心电图(Electrocardiogram, ECG)是一种简单、有效、低成本的心脏电位活动的记录与检测技术。将计算机用于心电图的疾病诊断是模式识别领域中的一项经典任务。本文中,将有经验的医生采用的心电图形态特征引入到心电图自动分析的研究中。没有能够有效利用这种特征集合该是目前心电图自动诊断结果不理想的一个重要原因。标准心电图数据库是一种用于验证心电图特征提取和模式分类算法性能的测试数据库。目前主要有麻省理工学院(MIT)心率失常数据库、QT数据库、欧共体(CSE)多导联数据库和美国心脏协会(AHA)数据库这四种常用的标准数据库。随着采集设备和诊断方法的不断改进,这些数据库已逐步不能适应研究和应用的需要。为了验证面向临床应用的研究结果,构建了中国心血管疾病数据库(Chinese Cardiovascular Disease Database, CCDD or CCD Database)。该数据库包含了的12导联心电图记录、特征标注信息和心拍诊断结果,更重要的是引入了极具诊断价值的形态特征参数。CCDD是本文测试工作的基础。随后,提出了两种形态特征的识别方法。第一种基于一阶邻近-动态时间规整算法进行设计。依靠这种有效的时间序列相似度比较算法,结合系统模板库中的心电图数据段对比,实现了形态的识别。采用模板选择与压缩方法在原模板库中选择具有代表性的模板实例,减少了模板库中模板的数量,从而提高了算法的处理速度。系统最终运用原模板库中较少比例的模板实例,达到90.7%的识别准确率。在第二种识别方法中,将算法的实时性作为研究的重点。该方法的核心思想是模拟医生识别形态特征的思维过程,并运用动态时间规整算法进行辅助检查,识别准确率达到了91.7%。针对“为什么要使用形态特征”以及“如何使用形态特征”这两个问题,本文提出了四种形态特征表示方法,并作对比实验。五种经典分类器在使用形态特征与不使用形态特征情况下的实验结果变化表明,形态特征在心电图模式分类中确实起到了积极作用,经过特征选择算法的优化,分类的准确率有了进一步的提高。心电图形态特征的识别方法需要有待进一步研究和改进,并以其对实际分类效果的改善为最终目标。