La classification des signaux ECG de manière manuelle ou traditionnelle est un domaine qui pourrait être amélioré grâce à un système de classification automatisé pour les signaux ECG. Dans ce travail, un logiciel de diagnostic assisté par ordinateur (CAD) amélioré est introduit pour la classification automatisée des signaux ECG cardiaques. Un total de 480 signaux ECG a été pris comme ensemble de données pour les besoins de cette étude à partir de la base de données MIT-BIH sur les arythmies; ces signaux comprennent 96 signaux ECG normaux, ainsi que 384 signaux ECG anormaux appartenant à quatre types d'anomalies cardiaques, à savoir le couple ventriculaire, la tachycardie ventriculaire, la bigéminie ventriculaire et la fibrillation ventriculaire, chacun de ces types comportant également 96 signaux ECG. Ensuite, le rééchantillonnage a été effectué pour tous les signaux donnés à 360 échantillons par seconde, à l'exception des signaux de FV, qui ont été rééchantillonnés à 250 échantillons par seconde. Ensuite, un processus itératif d'extraction des caractéristiques a été appliqué à l'aide de l'application Classification Learner qui existe dans MATLAB.