1.一种数据长度自适应的心电图分类方法，其特征在于，包括以下步骤：步骤1：对原始数据进行动态分割和连接获得标准时间长度的心电图段数据集；步骤2：对步骤1中获得的标准时间长度的心电图段数据集利用神经网络进行识别和分类；所述步骤1的具体步骤为：步骤1.1：记录原始心电图数据并设定心电图的标准时间长度；步骤1.2：对步骤1.1中长度小于标准时间长度的心电图数据切取部分段，将部分段合并为标准时间长度的心电图段，对步骤1.1中长度大于标准时间长度的心电图数据切取标准时间长度的心电图段，对步骤1.1中长度为标准时间长度的心电图段直接进行保留；步骤1.3：集合步骤1.2中标准时间长度的心电图段获得标准时间长度的心电图段数据集；所述步骤1.2中对步骤1.1中长度小于标准时间长度的心电图数据切取标准时间长度的部分段，将部分段合并为标准时间长度的心电图段具体为：选择长度小于标准时间长度的心电图数据；将长度小于标准时间长度的心电图数据切取部分段；规范部分段得到标准化后的平均段；将标准化后的平均段根据R的峰值合并成标准时间长度的心电图段。
2.如权利要求1所述的一种数据长度自适应的心电图分类方法，其特征在于，所述规范部分段的具体公式为：X norm 为标准化后的平均段；X为向量表示的部分段；Xmax是部分段中的最大值，Xmin是部分段中的最小值。
3.如权利要求1所述的一种数据长度自适应的心电图分类方法，其特征在于，所述标准时间长度为24s或32s。
4.如权利要求1所述的一种数据长度自适应的心电图分类方法，其特征在于，所述步骤1.1中的记录原始心电图数据包括正常心电数据、心房颤动数据、其他数据和噪音数据；其记录比例为2∶14∶4∶35。
5.如权利要求1所述的一种数据长度自适应的心电图分类方法，其特征在于，所述步骤2的采用卷积神经网络的输出使用全局平均池化并输入到多层感知器网络获得心电图段数据集的分类概率。
6.如权利要求4所述的一种数据长度自适应的心电图分类方法，其特征在于，所述步骤2的具体步骤为：步骤2.1：对心电图段数据集进行预处理，滤波器将每段心电图段分解成四个频带，即1-70Hz、5-90Hz、20-120Hz和原始记录得到四通道数据输入段；步骤2.2：将步骤2.1中的四通道数据输入段输入至一维卷积层获得特征图，并选取特征图的最大值作为区域池化特征图；步骤2.3：对区域池化特征图进行全局平均池化获得特征图的平均池化特征图；步骤2.4：加入Highway网络层对平均池化特征图处理得到Highway网络层输出；步骤2.5：加入softmax层对Highway网络层输出处理并获得四通道数据输入段的分类概率。
7.如权利要求1所述的一种数据长度自适应的心电图分类方法，其特征在于，还包括步骤3：对步骤2中的分类结果进行准确率评估。
