量子神经网络发展至今,已取得了显著的研究成果。由于量子神经网络结合了量子计算的并行特性和神经网络的分类能力,克服了传统人工神经网络收敛速度慢、易陷入局部极小值的缺陷,收敛速度更快,分类效果更好,因此将量子神经网络应用于心电分类识别领域将具有重大意义。本文首先研究了量子神经元模型及其特性。神经元是神经网络的基本运算单元,本文在研究经典神经元的基础上,重点研究了现有的量子神经元,并提出了一种改进的量子神经元,研究了改进的量子神经元的特性,并与已有的神经元作对比分析。其次研究了量子神经网络模型及其特性。采用本文提出的改进的量子神经元构造了三层前向量子神经网络模型,该改进的量子神经网络采用双曲正切函数的变式作为激励函数,将改进的量子神经网络应用于函数逼近,并与以往的量子神经网络和经典BP神经网络进行比较分析。最后研究了改进的量子神经网络模型在心电图分类实际问题中的应用。通过采用小波变换技术提取出心电图特征数据,提出了一种基于量子神经网络的心电图特征分类方法,对所提取的心电图特征参数进行分类识别,使得心电图的分类结果更加准确。