本发明提出一种基于持续学习的非线性医疗传感器数据的语义分割方法，包括：基于CNN构建语义分割模型；将心电信号样本数据集导入语义分割模型进行迭代训练；选取对于当前训练任务难度较低的实例定义为第一重要实例存放至缓冲区；将脑电信号样本数据集中导入语义分割模型再次进行训练；选取对于当前训练任务难度较低的实例定义为第二重要实例存放至缓冲区；采用缓冲区存储的重要实例对模型再次训练，保存准确率最高的模型作为最终应用的语义分割模型。本发明能够使计算机进行自动、高效、准确地对非线性的医疗传感器数据中的各个类别的数据进行精确定位和分类；并且使得模型具有一定的持续学习能力和迁移能力。