A method of detecting abnormalities in ECG signals, comprising: providing an ECG signal to a neural network； within a first subset of layers (210, 220) of the neural network, performing a first series of convolution operations； in a final layer (222) of the first subset of layers (210, 220), determining a preliminary classification comprising a plurality of preliminary classification estimates, each preliminary classification estimate corresponding with a time segment of the ECG signal； determining input data for a second subset of layers of the neural network by concatenating the preliminary classification with the output of a layer of the first subset of layers (210, 220) that precedes the final layer (222) of the first subset of layers (210, 220)； within the second subset of layers (240, 250) of the neural network, performing a second series of convolution operations； in a final layer (252) of the second subset of layers (240, 250), determining a final classification comprising a plurality of final classification estimates, each final classification estimate corresponding with a time segment of the ECG signal.L'invention concerne un procédé de détection d'anomalies dans des signaux ECG, comprenant les étapes consistant à : fournir un signal ECG à un réseau neuronal ； à l'intérieur d'un premier sous-ensemble de couches (210, 220) du réseau neuronal, réaliser une première série d'opérations de convolution ； dans une couche finale (222) du premier sous-ensemble de couches (210, 220), déterminer une classification préliminaire comprenant une pluralité d'estimations de classification préliminaires, chaque estimation de classification préliminaire correspondant à un segment temporel du signal ECG ； déterminer des données d'entrée pour un second sous-ensemble de couches du réseau neuronal par concaténation de la classification préliminaire avec la sortie d'une couche du premier sous-ensemble de couches (210, 220) qui précède la couche finale (222) du premier sous-ensemb
