Antecedentes: En el diagnóstico o pronóstico médico asistido por computadora, la clasificación automática de enfermedades de la válvula cardíaca basada en señales de sonido cardíaco es de gran importancia, ya que la señal de sonido cardíaco contiene una gran cantidad de información que puede reflejar el estado del corazón. Los algoritmos de clasificación binaria tradicionales (normal y anormal) actualmente no pueden evaluar de manera integral las enfermedades de la válvula cardíaca basadas en el análisis de varios sonidos cardíacos. Las diferencias entre las señales de sonido cardíaco son relativamente sutiles, pero las condiciones cardíacas reflejadas difieren significativamente. En consecuencia, desde un punto de vista clínico, es de suma importancia ayudar en el diagnóstico de enfermedades de la válvula cardíaca a través de la clasificación múltiple de señales de sonido cardíaco. Métodos: Utilizamos un modelo Transformer para la multi-clasificación de señales de sonido cardíaco. Se han obtenido resultados de cuatro señales de sonido cardíaco anormales y el tipo típico. Resultados: Según la estrategia de validación cruzada de 5 pliegues, así como la estrategia de validación cruzada de 10 pliegues, por ejemplo, en la validación cruzada de 5 pliegues, el método propuesto logró una precisión máxima del 98.74% y un AUC promedio de 0.99. Además, la precisión de clasificación para Estenosis Aórtica, Regurgitación Mitral, Estenosis Mitral, Prolapso de la Válvula Mitral, y señales de sonido cardíaco estándar es del 98.72%, 98.50%, 98.30%, 98.56% y 99.61%, respectivamente. En la validación cruzada de 10 pliegues, nuestro modelo obtuvo la máxima precisión, sensibilidad, especificidad, precisión y puntuación F1, todos al 100%. Conclusión: Los resultados indican que el marco puede clasificar con precisión cinco clases de señales de sonido cardíaco. Nuestro método proporciona una herramienta efectiva para la detección auxiliar de enfermedades de la válvula cardíaca en el entorno clínico.