目的　提出一种基于一维卷积神经网络的患者特异性心电分类方法,提升心拍自动分类性能,特别是室上性早搏(Superventricular　Premature　Beat,SVEB)分类性能,为临床心电诊断提供辅助依据.方法　将多层一维卷积神经网络自动学习的心电特征和心电的RR间期特征进行融合,送入多层感知器,再通过softmax分类器进行分类;选择少量公共心拍数据加上患者特定的心拍数据用于训练分类模型,实现患者特异性心拍识别.结果　采用麻省理工学院提供的标准心律失常数据库(MIT-BIH　Arrhythmia　Database)评估算法的分类性能,与已有研究结果相比,分类性能得到提升,其中SVEB识别的灵敏度达到88.7%.结论　该方法可为医护人员诊断心脏疾病提供可靠的辅助依据.