As doenças cardiovasculares são as principais causas da mortalidade humana, dentre elas destaca-se a arritmia cardíaca, caracterizada pela ausência de ritmo dos batimentos cardíacos. Diante disso, a fim de evitar que o quadro de pacientes com a doença se agrave, é desejável o monitoramento regular do ritmo cardíaco. O diagnóstico de arritmia é dado especialmente pelo Eletrocardiograma (ECG), responsável por registrar as atividades cardíacas de um paciente. Para tanto, especialistas devem analisar visualmente os sinais biomédicos gerados a partir das gravações de ECG, o que faz com que o diagnóstico se torne um processo longo e exaustivo. Sendo assim, o presente trabalho propõe a classificação automática de arritmias cardíacas, a partir de sinais de ECG, bem como de imagens obtidas do pré-processamento desses sinais, por meio de Redes Neurais Convolucionais (CNNs) unidimensionais e bidimensionais. Como resultado, a arquitetura de CNN proposta atingiu 82,86% de acurácia média no cenário bidimensional e 98,55% no cenário unidimensional. Sendo assim, os resultados experimentais validam a eficiência das CNNs para o problema abordado e indicam que a arquitetura desenvolvida é uma alternativa viável para a realização de predições e auxílio na obtenção de diagnósticos médicos.