本发明提供了一种基于两阶段数据预处理和残差网络的房颤分类方法。本发明方案基于残差网络提出一种更具鲁棒性的多数据集房颤分类模型，即MD‑NET。模型结合残差网络和特征金字塔的思想，平衡模型对于浅层特征和深层特征的学习能力，利用MD‑block提高模型对于房颤的分类稳定性。同时本发明提出两阶段的数据预处理策略，其中第二阶段中的L‑ROS算法，对训练集中的异常值进行分析研究，结果表明L‑ROS算法能够进一步提高模型的泛化性。本发明所提出的方法与当前先进方法进行对比，取得了更具竞争力的结果，能够有效提高房颤分类的鲁棒性和泛化性，具有很好的应用前景。