La arritmia es una causa significativa de muerte, y es esencial analizar las señales de electrocardiograma (ECG) ya que generalmente se utilizan para diagnosticar la arritmia. Sin embargo, los métodos tradicionales de clasificación de series temporales basados en ECG ignoran la no linealidad, temporalidad u otras características dentro de estas señales. Este artículo propone un método de clasificación de electrocardiograma que codifica las señales de ECG unidimensionales en imágenes de tres canales, llamado Clasificación de ECG basada en Imágenes de Mezcla de Series Temporales (EC-MTSI). Específicamente, este método de transformación híbrida combina el campo angular de Gramian (GAF), el gráfico recurrente (RP) y el enladrillado, preservando la dependencia temporal y correlación originales de la serie temporal de ECG. Utilizamos una variedad de redes neuronales para extraer características y realizar fusión y clasificación de características. Esto conserva detalles suficientes al tiempo que enfatiza la información local. Para demostrar la efectividad del EC-MTSI, realizamos abundantes experimentos en un conjunto de datos comúnmente utilizado. En nuestros experimentos, la precisión general alcanzó el 93.23%, y la precisión de identificación de arritmias de alto riesgo de latidos ventriculares y latidos supraventriculares por separado es tan alta como el 97.4% y el 96.3%, respectivamente. Los resultados revelan que el método propuesto supera significativamente a los enfoques existentes.