La classificazione dei segnali ECG in modo manuale o tradizionale è un'area che potrebbe essere migliorata disponendo di un sistema di classificazione automatizzato per i segnali ECG. In questo lavoro, è stato introdotto un sistema software di diagnosi assistita da computer (CAD) per la classificazione automatica dei segnali ECG cardiaci. Ai fini di questo studio, sono stati presi come set di dati 480 segnali ECG dal database delle aritmie del MIT-BIH; questi segnali includono 96 segnali ECG normali e 384 segnali ECG anormali appartenenti a quattro tipi di anomalie cardiache: accoppiamento ventricolare, tachicardia ventricolare, bigeminia ventricolare e fibrillazione ventricolare, ognuno dei quali ha 96 segnali ECG. Quindi, il ricampionamento è stato effettuato per tutti i segnali dati a 360 campioni al secondo, ad eccezione dei segnali VF, che sono stati ricampionati a 250 campioni al secondo. Successivamente, è stato applicato un processo di estrazione iterativa delle caratteristiche con l'aiuto dell'applicazione Classification Learner presente in MATLAB.