Notre étude porte sur la prédiction automatisée de l'insuffisance cardiaque congestive (ICC) par l'analyse des signaux d'électrocardiographie (ECG). Nous avons introduit et utilisé une nouvelle approche d'apprentissage automatique, la machine d'apprentissage extrême basée sur la décomposition de Hessenberg régularisée (R-HessELM), ainsi que des modèles de caractéristiques : mesure d'entropie carrée, circulaire, inclinée et en grille. Cette étude a démontré que les caractéristiques de mesure d'entropie inclinée représentent bien les caractéristiques des signaux ECG et, associées à l'approche R-HessELM, ont permis d'atteindre une précision globale de 98,49 %.