起搏心电图的分析是评价起搏系统工作的一个重要而有效的工具，而起搏器功能的增强使得起搏心电图的表现非常复杂。当前起搏心电图的自动分析，特别是双腔起搏心电图的自动分析一直没有得到较好地解决，其中缺少信号源的支持是阻碍起搏心电图自动分析水平提高的一个重要原因．本文采取了到医院采集起搏样本的方法，建立了一个起搏心电数据库．在分析方法的研究方面，本文首次提出了基于神经网络的起搏心电图的分析方法，把心搏波的波形(称为PQRST)作为网络的输入进行聚类分析，并实现了网络功能的算法。PQRST包含了P波、QRS复合波、部分T波以及起搏脉冲(如果有的话)的信息。由于快速和慢速的学习算法有可能使网络不能稳定地工作，提出了中速学习算法，并获得了稳定地聚类结果．心搏类型的确定是根据起搏器的工作模式及其程控参数，由综合分析聚类得到的结果、心搏波和起搏脉冲的发生时间而来。经MIT-BIH和SDMU心电数据库及本文建立的数据库的样本的评估，表明该方法可以用于双腔起搏心电图的分析。在减轻起搏心电图读图压力方面，本文还研究了用于辅助起搏心电图解释的诊断图的作图方法。该方法可以把起搏器的工作逻辑清楚地表述出来，并绘出了心电激动传导的时序。