利用人工智能等技术进行心电图自动诊断时,需要大量标注准确的数据作为训练学习模型的基础.ECG标注需要领域专家参与,标注成本较高,因此如何降低标注成本而获得标注较为准确得数据集成为研究热点.本文采用主动学习策略来训练标注模型,基于数据样本的区域级-帧级联合特征指标,在尽可能减少模型在训练中所需查询的人工标注数据的同时,仍保持该模型的较高标注性能.本方法在QT数据库上验证,标注模型准确性收敛速度方面快且标注准确度提高.与基于随机查询和帧级查询策略的基准方法相比,该方法在平均标注工作量上减少了23%.