امروزه نظارت پیوسته بر ضربان قلب راهی موثر برای جلوگیری از حملات ناگهانی قلب می باشد. الکتروکاردیوگرام (ecg)، یکی از تکنیک های مفید برای نظارت بر قلب می باشد که از طریق آنالیز ویژگی های استخراج شده از سیگنال های ecg می توان به انواع نارسایی های قلبی پی برد. در این پایان نامه از شبکه عصبی (bbnn) برای طبقه بندی دو نوع سیگنال st و vt استفاده شده است که سیگنال اول، بی نظمی نرمال یا بی خطر و سیگنال دوم، سیگنال غیر نرمال یا نشان دهنده نارسایی قلبی می باشد. برای این کار ابتدا ساختار داخلی و کلی شبکه توسط الگوریتم تکاملی جدید بهینه سازی شده و درنهایت شبکه تعلیم یافته پیاده سازی مداری شده است. از آنجائیکه تاکنون پیاده سازی سخت افزاری این نوع شبکه تنها توسط fpga صورت گرفته است که مساحت اشغالی و توان مصرفی بالایی دارند، در این پایان نامه سعی بر طراحی مداراتی در تکنولوژی cmos شده است که نسبت به fpga ها، هم توان مصرفی کمتر دارند و هم فضای کمتری را اشغال می کنند. تمامی مدارات طراحی شده در پروسه 0.35µm توسط نرم افزار cadence، layout شده و توسط نرم افزار hspiceشبیه سازی شده اند. کل توان مصرفی سیستم ارائه شده 5mw بوده و کل مساحت اشغال شده بر روی چیپ کمتر از 0.5mm2 می باشد.