在心血管疾病的診斷中，心電信號的分析一直起到至關重要的作用。目前如何利用算法有效識別出信號中的異常心拍，仍然是心電信號分析領域中的難點。本文將深度殘差網絡與自注意力機制相結合，提出了一種能夠自動識別出異常心拍的分類模型，該模型首先基于殘差結構設計了18層卷積神經網絡，用來充分提取信號中的局部特征，之后再結合雙向門控循環單元，用于提高網絡對于時序特征的挖掘能力，最后引入自注意力機制為提取到的每一個特征賦予區分化的權重，協助模型在訓練的過程中更有效地關注重要特征，以此來獲得較高的分類精度。本研究采用多種方式進行數據增強，緩解了由于數據不平衡問題對模型效果帶來的影響。本研究實驗數據來源于麻省理工學院與貝斯以色列醫院（MIT-BIH）構建的心律失常數據庫，最終結果表明，研究提出的模型在原始數據集上達到了98.33%的總體準確率，在優化后的數據集中達到了99.12%的總體準確率，證明了該模型在心電信號分類方面擁有良好的效果，具備應用到便攜式心電檢測設備的潛在價值。