本文研究了六种自监督声学表示模型在心率估计中的表现，发现预训练模型的表示向量与基线方法相当，而自家CLAP模型在心率估计上表现更佳，误差更低。

该研究使用公开的心音图数据集，通过模型驱动方法估计心率，并扩展到多任务学习框架，同时估计心率和检测心脏杂音。研究发现，使用2D卷积神经网络（2dCNN）对心率估计最有效，MAE为1.312bpm。同时，使用所有四种特征的组合可以获得最佳结果。多任务学习模型（2dCNN-MTL）在心脏杂音检测方面准确率超过95％，超过现有模型，同时心率估计的MAE为1.636bpm，满足AAMI的要求。