我们提出ENCASE方法，旨在将专家特征与深度神经网络（Deep Neural Networks, DNNs）相结合，用于心电图（ECG）分类。首先，我们系统地探索并实现了来自统计学、信号处理及医学领域的专家特征。随后，构建深度神经网络以自动提取深层特征。此外，我们提出一种新算法，用于从长时程ECG记录中识别最具代表性的波形（称为中心波，centerwave），并从中提取特征。最后，将上述各类特征进行融合，并输入集成分类器进行分类。在四类ECG数据分类的实验中，该方法取得了0.84的F1分数，显著优于任一单一模型的表现。