心肌梗塞（Myocardial infarction）是心血管常见疾病，严重威胁人民生命健康。在我国，约25%人口患各类心血管疾病，心血管疾病死亡率占据首位。体表心电图具有无创、简单、诊断快速等特点，是心肌梗塞最常用的诊断方法，具有重要的研究价值，但是仅仅从常规的心电图数据来看，很难发现早期心肌梗塞，因此对于新的早期心肌梗塞检测方法的研究是非常重要的。确定学习理论是以神经网络为基础，利用控制领域的概念和工具研究未知动态环境下的知识获取、表达与再利用等问题，针对产生周期性或回归轨迹的连续非线性系统，确定学习可以对未知系统动态进行局部准确建模。动态模式识别方法以确定学习理论为基础，涉及动态模式的表达、相似性定义和对未知动态模式的快速识别。心电数据就是这种类型的数据，对心电数据的分析及得出结果实质上是一个动态模式识别的过程。利用确定学习和动态模式识别方法对早期心肌梗塞进行检测是对心肌梗塞检测的一个新的尝试。在工程实现中，利用确定学习理论和动态模式识别方法进行早期心梗检测需要解决算法中包含的巨大数据量的计算问题，需要做神经网络内部计算和多模式识别中的残差计算。针对算法加速问题，本文采用基于GPU大规模并行计算方案实现对算法的细粒度并行化分解，算法并行化移植基于MATLAB与Jacket Engine结合的软件环境。在算法实现的基础上，本文利用Matlab GUI搭建了早期心肌梗塞辅助诊断系统，其中包括心电数据采集系统，心电数据管理系统，学习系统和识别系统。基于Matlab开发的这四个系统，做到了系统的统一性。心电采集系统与SQL SERVER连接，通过Matlab开发的心电采集系统可以实时将采集的数据存储到心电管理系统中，同时也可以立刻对刚采集的心电数据进行检测。心电数据管理系统是通过Matlab与SQLSERVER连接完成设计，实现对某一个或一个类型的数据有效的查看、管理。识别系统可实现对心电数据的检测，可得出相应的检测结果。基于Maltab软件开发的早期心肌梗塞辅助诊断系统可以作为临床上早期心肌梗塞诊断的有效工具，为医生诊断提供了帮助，同时，此系统经过进一步的优化、完善，有望成为快速检测早期心梗的有效产品。