本文提出了一种可学习多视角对比框架（LMCF），旨在降低医学时间序列疾病诊断中的高注释成本，并克服现有对比学习方法的局限性。该框架利用多头自注意力机制和适应性学习不同视角的表示，结合预训练的AE-GAN重建目标数据中的差异，显著提升了心肌梗死、阿尔茨海默病和帕金森病等诊断任务的准确性和泛化能力。