目的 基于十二导联穿戴式心电设备，探索室上性心动过速（SVT）机制鉴别的智能分类模型。方法 选取356份SVT的穿戴式心电图，通过五折交叉验证的方式随机分为训练集、验证集建立智能分类模型，选取2021年10月～2023年3月诊断为SVT并行电生理检查及射频消融术的患者共101例作为测试集。对比心动过速诱发前后的心电图参数改变，基于多尺度深度神经网络，并加入窦性心律对比图增强训练，建立SVT机制分类的智能分类模型并验证诊断效能。进一步提取II,III,V₁三导联心电信号建立分类模型，并对比其与十二导联智能分类模型的效能。结果 101例测试集中68例为房室结折返性心动过速，33例为房室折返性心动过速。预训练模型在验证集中识别房室结折返性心动过速的最高精确率-召回率曲线下面积达到0.9492,F1评分为0.8195。最终II导联，III导联，V₁导联，三导联与十二导联智能分类模型于测试集中的总F1评分分别为0.5597,0.6061,0.3419,0.6003与0.6136。对比十二导联，III导联的净重新分类指数与综合判别改善指数分别为-0.029（P=0.714）与-0.005（P=0.817）。结论 基于多尺度深度神经网络，初步建立了穿戴式心电图对SVT机制分类的智能分类模型，并具有一定的准确性。