Incalculable números de pacientes en hospitales como resultado de COVID-19 hicieron que la detección de pacientes cardíacos fuera ardua. Los pacientes que necesitan monitoreo cardíaco regular se vieron afectados en mayor medida. La telecardiología se utiliza para el monitoreo remoto regular del corazón de dichos pacientes. Sin embargo, los enormes datos de electrocardiograma (ECG) obtenidos a través del monitoreo regular afectan el espacio de almacenamiento disponible y el ancho de banda de transmisión. Estas señales pueden ocupar menos espacio si se almacenan o envían en forma comprimida. Para recuperarlas en el extremo receptor, se descomprimen. Hemos combinado la telecardiología con la clasificación automática de arritmias ECG utilizando CNN y propuesto un algoritmo llamado TELecardiología utilizando una Red Neuronal Convolucional Profunda (TELDCNN). Se utilizó la transformada discreta del coseno (DCT), cuantificación de 16 bits y codificación de longitud de ejecución (RLE) para la compresión, y se aplicó una red neuronal convolucional (CNN) para la clasificación. La base de datos se formó combinando señales en tiempo real (tomadas de un dispositivo ECG diseñado) con una base de datos en línea de Physionet. Se consideraron y clasificaron cuatro tipos de bases de datos. La relación de compresión obtenida fue de 2,56, y las precisiones de clasificación para bases de datos comprimidas y descomprimidas fueron de 0,966 y 0,990, respectivamente. Comparando el rendimiento de clasificación de bases de datos comprimidas y descomprimidas se muestra que las señales descomprimidas pueden clasificar las arritmias de manera más apropiada que en su forma solo comprimida, aunque a costa de un mayor tiempo computacional.