Disclosed is a multi-lead electrocardiogram signal classification method and system, comprising: S1, processing multi-lead electrocardiogram signals by means of a multi-branch convolution residual neural network to extract signal characteristics of each of the multi-lead electrocardiogram signals； S2, merging the extracted signal characteristics of the multi-lead electrocardiogram signals； and S3, classifying the merged multi-lead electrocardiogram signals on the basis of a Softmax function. The present invention also relates to a multi-lead electrocardiogram signal classification system. In the multi-lead electrocardiogram signal classification method and system of the present invention, a multi-branch convolution residual neural network is used to capture synchronous electrocardiogram signal characteristics of different leads before the signals are merged, and finally classified, thereby increasing the accuracy of classifying multi-lead electrocardiogram signals. Different merging methods can also be selected according to actual requirements, thereby increasing the flexibility and adaptability of the multi-lead electrocardiogram signal classification method and system.L'invention concerne un procédé et un système de classification de signaux d'électrocardiogramme à dérivations multiples, comprenant les étapes consistant à : S1, traiter des signaux d'électrocardiogramme à dérivations multiples au moyen d'un réseau neuronal résiduel à convolution multibranche pour extraire des caractéristiques de signaux de chacun des signaux d'électrocardiogramme à dérivations multiples ； S2, fusionner les caractéristiques de signaux extraites des signaux d'électrocardiogramme à dérivations multiples ； et S3, classifier les signaux d'électrocardiogramme à dérivations multiples fusionnés sur la base d'une fonction Softmax. La présente invention porte aussi sur un système de classification de signaux d'électrocardiogramme à dérivations multiples. Dans le procédé et le système de clas
