L'électrocardiogramme (ECG) peut être utilisé de manière fiable pour surveiller la fonctionnalité du système cardiovasculaire. Récemment, une grande attention a été portée à la catégorisation précise des battements de cœur. Bien que de nombreuses similitudes existent entre différentes conditions d'ECG, l'accent a principalement été mis sur la classification d'un ensemble de conditions dans un jeu de données annoté pour cette tâche, plutôt que sur l'apprentissage et le transfert d'une connaissance transposable entre différentes tâches. Dans cet article, nous proposons une méthode basée sur les réseaux neuronaux convolutifs profonds pour la classification des battements de cœur, capable de classer avec précision cinq types différents d'arythmies conformément à la norme AAMI EC57. De plus, nous suggérons une méthode pour transférer les connaissances acquises lors de cette tâche à la classification de l'infarctus du myocarde (MI). Nous avons évalué la méthode proposée sur les ensembles de données diagnostiques MIT-BIH et PTB de PhysioNet. Selon les résultats, la méthode suggérée est capable de faire des prédictions avec des taux de précision moyens respectivement de 93,4 % pour la classification des arythmies et de 95,9 % pour la classification des infarctus du myocarde (MI).