本研究提出了ENACT-Heart，一种结合卷积神经网络和视觉变换器的新型集成方法，旨在提高心音分析的诊断精确度，分类准确率达到97.52%。

本文介绍了一种新方法，结合深度学习中的RNN和CNN，分析心音PCG波形中的杂音特征。经过5折交叉验证，该方法在大型数据集上显示出96%的敏感性和100%的特异性，显著提高了心血管疾病的诊断准确性。