本文提出了一种多标记半监督学习模型（ECGMatch），用于识别心肌缺血和心房颤动等心血管疾病。该模型结合神经网络技术，解决了标签稀缺和样本不均衡问题，展现出高鲁棒性和准确性。同时，研究探讨了迁移学习和深度学习在提高心电图（ECG）诊断性能方面的应用，强调了在小规模数据集上微调的优势。