我々は、心電図（ECG）分類のための専門家特徴量と深層ニューラルネットワーク（DNN）を統合する手法としてENCASEを提案する。まず、統計分野、信号処理分野、医学分野から得られる専門家特徴量を検討し、実装する。次に、深層特徴量を自動的に抽出できるDNNを構築する。さらに、長時間のECG記録から最も代表的な波形（通称：centerwave）を同定する新しいアルゴリズムを提案し、このcenterwaveから特徴量を抽出する。最終的に、これらの異なる種類の特徴量を統合し、アンサンブル分類器に投入する。4クラスのECGデータ分類に関する実験では、0.84のF1スコアを達成し、単一モデルのいずれよりも顕著な性能向上を示した。