基于心电信号的自动心率失常检测在心血管疾病早期预防和诊断中起着十分重要的作用，准确的自动心率失常检测是一项重要的辅助诊断方法。多导联动态心电信号属于典型的时空数据，信号采集过程中不可避免的会引入噪声，同时由于波形的个体差异导致不同心律失常疾病的经验特征设计难度较大。如何利用数据时间和空间特性，有效的改善特征提取的过程，对提升诊断的准确率十分关键。本文利用12导联心电信号，通过深度学习方法，针对性构建特定的神经网络结构，充分发挥神经网络数据表达的能力，从时间、空间两个层面进行信号的挖掘与建模，实现细粒度的心率失常辅助诊断。