本文介绍了一种新型异常检测方法，通过心脏周期的周期性学习三种变量潜在轨迹模型，能够可靠识别严重先天性心脏缺陷，并在肺动脉高压和右心室扩张检测中表现优越。此外，提出的多标记半监督学习模型ECGMatch能同时识别多种心血管疾病，具有较高的鲁棒性和准确性。

通过使用零射击的基于大型语言模型的方法，结合检索增强生成和 MapReduce 技术，我们在肺动脉高压领域展示了一种有效识别疾病的方法，该方法在诊断中明显优于医生逻辑规则（F1 分数为 0.62 比 0.75），从而有望增强罕见疾病群体的识别和推动临床研究以及关注空缺的发现。