肥厚型心肌病（HCM）的早期診斷，對于心源性猝死的早期風險分級、家族遺傳病的篩查具有重要意義。本文以單導聯心電（ECG）信號為研究對象，提出了一種基于卷積神經網絡（CNN）模型的HCM自動檢測方法。首先定位單導聯ECG信號的R波峰值位置，再以心拍為單位對ECG信號進行分段和重采樣，然后搭建CNN模型自動提取ECG信號中的深層特征并進行自動分類和HCM檢測。本文實驗數據來源于PhysioNet提供的三個公開數據庫中提取的108條ECG記錄，所建立的HCM心電數據庫由14 459個心拍構成，每個心拍包含128個采樣點。實驗結果顯示，優化后的CNN模型能夠有效地對HCM進行自動檢測，其準確率、靈敏度和特異度分別為95.98%、98.03%和95.79%。本文通過將深度學習方法引入HCM單導聯心電分析中，對于克服常規多導聯心電檢測方法的技術限制和協助臨床醫生進行快速、便捷的大范圍HCM初篩都具有重要的應用價值。