批处理ECG信号序列可为心脏病患者群体提供实时，动态的测量结果，作为特殊的生物医学大数据集。 为了提取各种疾病信息，我们提出了一种使用多种统计概率分布的新方法来处理变异图上的批处理ECG信号序列。 使用此方法，可以更方便地在不同的分布上识别正常的ECG数据集和异常的ECG数据集。 举例说明了案例。

ECG数据序列是经典且最可靠的临床数据，可为患者提供诊断各种心脏病的复杂生理和病理信息。 从心电图信号时间序列中提取动态信息，庞加莱图已经发展成为经典的辅助工具，使用二维图作为重要的基础，为医生诊断多种心血管疾病奠定了基础。 由于人的心脏仿真系统在混沌行为方面可能会非常复杂，因此基于配对测量的Poincare映射在挖掘特殊生理和病理信息上的ECG数据序列方面存在一定的局限性。使用变体图进行多维测量，以精致的视觉表示形式处理ECG数据序列。 讨论了该模型的系统架构及其核心组件。 在这种构造下，可以