汎用音響信号表現は大規模データセットを事前学習し、幅広い音のタスクに有効な表現として近年活発に提案されている。一方で心音聴診において深層学習による自動化が研究されているが、データセットのサイズが限られ、この分野の事前学習モデルは存在しない。本研究は汎用音響信号表現の転移学習による心雑音検出タスクへの応用を模索する。実験において自己教師あり学習Masked Modeling Duo (M2D)は従来手法を超える性能を示し、汎用音響信号表現はこの分野においても有効であることを確認した。