近年來，深度神經網絡（DNNs）已廣泛應用于心電圖（ECG）信號分類領域，但是以往的模型從原始 ECG 數據中提取特征信息受限。因此，本文提出了一種基于金字塔型卷積層的深度殘差網絡（PC-DRN）算法，該算法中包含的金字塔型卷積（PC）層可以從原始 ECG 數據中同時提取多尺度特征，并采用深度殘差網絡訓練 ECG 信號分類模型，可以實現對 ECG 信號的分類。本文使用 2017 心臟病學挑戰賽（CinC2017）提供的公開數據集，驗證本文提出方法對 4 類 ECG 數據的分類效果。本文選取精度和召回率之間的諧波均值 F1 作為主要評價指標。實驗結果表明，PC-DRN 的平均序列級別 F1（SeqF1）從 0.857 提升到了 0.920，平均集合級別 F1（SetF1）從 0.876 提升到了 0.925。因此，本文提出的 PC-DRN 算法為 ECG 信號的特征提取和分類提供了一種新的思路，為心律失常的分類診斷提供了有效的手段。