心不整は人間の生命を脅かす疾患である。したがって、心不整の早期診断は心疾患や突然死の予防において極めて重要である。本研究では、心拍活動のグローバルな時系列特徴を活用したBiLSTM-Attentionニューラルネットワークモデルを用いて、心拍分類の精度を効果的に向上させた。まず、連続ウェーブレット変換法によりノイズを除去した。次に、タグ付きデータベースを用いてR波のピークを検出し、その上でP-QRS-T波形の形状およびRR間隔を抽出した。この特徴セットは、単一心拍の形状と21連続RR間隔を統合した、心拍活動のグローバルな時系列特徴である。最後に、Bi-LSTMアルゴリズムおよびBiLSTM-Attentionアルゴリズムをそれぞれ用いて心拍分類を実行し、MIT-BIH心不整脈データベースを用いてアルゴリズムの有効性を検証した。その結果、心拍活動のグローバルな時系列特徴を組み合わせたBiLSTM-Attentionモデルは、本論文で検討された他の手法と比較して、より高い解釈可能性を示した。