心血管疾病已成为人类健康的“第一杀手”,如何有效预防和及时诊断、治疗心血管疾病已经成为当前迫切需要解决的问题。动态心电图(AECG)可以记录24小时心电改变,有利于捕捉到初期的或潜在的心血管疾病的心电信息,为临床诊断和治疗提供依据。如何快速准确地进行AECG自动分析一直是国内外学者关注的焦点。论文阐述了AECG自动分析的重要临床意义以及相关技术的国内外现状。为了提高AECG自动分析技术的抗干扰能力和心拍模板分类速度,论文提出了一种基于数学形态学和自组织映射(SOM)神经网络的心电分析算法,实现AECG在噪声干扰条件下的心拍准确识别和快速模板分类。主要研究内容包括：1.基于数学形态学的QRS波差位波峰提取算法(PDE算法),实现在噪声干扰条件下QRS波检测的快速准确。2.基于SOM网络快速心拍模板分类算法,以QRS波的形态学特征作为输入向量,在心电信号快速分类基础上结合凝聚聚类方法,合并SOM网络输出中过分细化的聚类,实现无导师心拍模板自学习分类。3.结合课题组现有研究,算法初步应用于商业化AECG自动分析系统,并进行了临床心电数据评估。经过MIT-BIH心律失常数据库数据测试,算法对心拍检测和分类都具有较好的效果。PDE算法对QRS波检测的灵敏度和特异性分别达99.85%和99.84%,SOM网络快速心拍模板分类算法对48条数据快速准确分类,仅耗时5023ms,与其他算法相比,具有一定的优势。