L’arythmie est une maladie qui menace la vie humaine. Un diagnostic précoce de l’arythmie revêt donc une grande importance pour prévenir les maladies cardiaques et les décès soudains liés au cœur. Le modèle neuronal BiLSTM-Attention, qui exploite les caractéristiques globales de séquence des activités cardiaques, permet d’améliorer efficacement l’exactitude de la classification des battements cardiaques. Premièrement, le bruit est supprimé à l’aide de la méthode de transformation en ondelettes continues. Deuxièmement, le pic du complexe QRS est détecté à partir d’une base de données annotée, puis les morphologies des ondes P-QRS-T ainsi que l’intervalle RR sont extraits. L’ensemble de ces caractéristiques constitue les caractéristiques globales de séquence des activités cardiaques, combinant la morphologie d’un battement cardiaque unique et les 21 intervalles RR consécutifs. Enfin, les algorithmes Bi-LSTM et Bi-LSTM-Attention sont respectivement appliqués pour identifier la catégorie du battement cardiaque, et l’algorithme est validé à l’aide de la base de données MIT-BIH d’arythmies. Les résultats montrent que le modèle BiLSTM-Attention combiné aux caractéristiques globales de séquence des activités cardiaques présente une meilleure interprétabilité par rapport aux autres méthodes examinées dans cet article.