摘要：心肺听诊是临床诊断心肺疾病的重要手段，但传统听诊依赖医生主观经验，诊断结果易受个体差异影响。为提高心肺音分类的客观性准确性，本文设计并实现了一套基于集成学习的心肺听诊音自动分类系统。
项目简介
DeepCure 是一套基于集成学习的心肺听诊音自动分类系统，旨在辅助临床医生快速筛查心肺异常。系统涵盖从音频预处理、特征提取 、模型训练到可视化诊断的完整流程。
系统概述
本系统采用 51 例心音、51 例肺音及 146 例心肺混合录音作为实验数据。在预处理阶段，对原始音频进行降噪、归一化及高通滤波处理，并利用 Butterworth 带通滤波器将混合录音分离为心音分量（20–150 Hz）和肺音分量（150–2000 Hz）。在特征提取阶段，提取了 13 维 MFCC 系数及其统计量、频谱质心、频谱带宽、频谱滚降、频谱平坦度、频谱对比度、过零率、短时能量、起始强度、峰态系数等共计 40 余维声学特征。针对肺音中爆裂音与喘鸣音难以区分的问题，引入频谱平坦度、频谱对比度及起始检测等判别性特征以增强分类能力 同时，采用类别感知的数据增强策略（包括噪声注入、时间平移、时间拉伸、音调偏移等）缓解样本不均衡问题。
在分类模型方面，构建了基于随机森林、XGBoost和支持向量机的软投票集成分类器，分别针对心音四分类（正常、杂音、心律不齐、额外心音）和肺音三分类（正常、爆裂音、喘鸣/鼾音）任务进行训练与优化。通过类别加权采样、正则化参数调优及五折交叉验证等策略提升模型的泛化性能。
最终，基于 PySide6 框架开发了桌面端可视化应用，实现了音频上传、心肺音分离、波形与频谱可视化、自动分类诊断及置信度展示 等功能，为临床辅助诊断提供了一套完整的解决方案。
系统架构
系统采用”音频预处理 → 心肺分离 → 特征提取 → 集成学习分类 → 可视化展示”的五阶段流水线架构。
项目结构
系统启动并初始化GUI后，用户依次执行加载项目采用单文件架构，核心代码全部集中在Main.py，包含LungSoundCNN模型类、TrainThread训练线程类和MainWindow主──口类，配合model目录存放预训练权重及特征数据、testAudio目录存放测试音频、以及两个CSV患者数据文件。CSV数据集、提取MFCC特征、训练或加载CNN模型、可视化训练曲线、上传WAV音频进行疾──诊断五个步骤，每步完成后返回主窗口等待下一步操作，最终退出系统。
目录结构
核心模块
本系统包含六个核心模块：数据加载模块通过pandas读取两个CSV文件并按PATIENT_ID合并展示226条患者记录；特征提取模块加载预──算的MFCC特征矩阵（X.txt.npy），经归一化、打乱和转置处理为(N,3,46,46)格式；模型构建模块定义LungSoundCNN网络，包含两层Conv2d+ReLU+MaxPool2d卷积层和Linear(3200→256→8)全连接层；训练模块基于QThread异步执行，采用Adam优化器和CrossEntropyLoss训练50轮；可视化模块通过matplotlib绘制准确率和损失曲线；预测模块使用librosa提取音频MFCC特征，经reshape为46×46×3特征图后送入模型，通过softmax输出8类疾病的分类结果与置信度。
快速开始
安装Python 3.8+环境后，在命令行执行python Main.py启动系统，依次点击左侧控制面板的”加载数据集”（选择项目根目录）→”提取声学特征”→”训练/加载模型”→”可视化训练曲线”→”上传音频诊断”（选择testAudio目录下的WAV文件）即可完成从数据加载到疾病诊断的完整流程。
环境要求
本系统需 Python 3.8+ 环境，核心依赖包括 PySide6（GUI）、PyTorch（模型构建与训练）、librosa（音频与 MFCC 特征）、NumPy（数组与数据处理）、Pandas（CSV 数据处理）、matplotlib（训练曲线可视化），支持 CPU 运行，若有 NVIDIA GPU 可自动启用 CUDA 加速训练与推理。
运行实验
启动系统后，依次点击“加载数据集”选择项目根目录，系统读取并合并 CSV 文件显示 226 条患者记录；点击“提取声学特征”加载并预处理 MFCC 矩阵；点击“训练/加载模型”，若已有 model_pytorch.pth 则加载权重，否则异步训练 50 轮并保存模型；点击“可视化训练曲线”查看准确率与损失变化；最后点击“上传音频诊断”选择 WAV 文件，系统提取 MFCC 特征并经 CNN 推理输出病分类、置信度及 Top5 类别概率分布。
查看结果
模型训练或加载完成后，点击“可视化训练曲线”查看 50 轮训练的准确率与损失变化；点击“上传音频诊断”选择 WAV 文件后，系统在日志区显示音频采样率和时长，并输出诊断结果卡片（疾病名称及置信度）及 Top5 类概率柱状图，其中健康结果以绿色、疾病结果以黄色标识。
实验结果
实验结果表明，LungSoundCNN 经 50 轮训练后可有效区分哮喘、支气管扩张、细支气管炎、COPD、健康、下呼吸道感染、肺炎及呼吸道感染 8 类疾病，系统能对用户上传的肺部听诊音频实时输出分类结果及置信度。
识别效果
图1 系统界面
图2 加载数据集
图3 提取声学特征
图4 训练和加载模型
图5 可视化训练曲线
图6 慢性阻塞性肺病
图7 听音：上呼吸道感染
图8 听音：健康
图9 听音：肺炎
结果点评
本系统采用轻量级两层卷积的 LungSoundCNN，结构简洁、训练速度快，适合作为呼吸疾病辅助筛查工具；但未使用 Dropout 或数据增强，仅依赖预计算 MFCC 特征，在样本量有限（226 例）情况下可能过拟合，且缺少训练/测试划分评估，无法量化泛化能力。后续可引入交叉验证、混淆矩阵分析及更深层网络以提升分类性能和临床可靠性。
项目资源
包括完整的项目源代码、演示视频、运行截图，开箱即用。
关于项目
本项目基于卷积神经网络，通过分析肺部听诊音频的 MFCC 特征自动识别 8 类呼吸疾病，可辅助临床医生进行快速初步筛查与诊断。
项目背景
呼吸系统疾病是全球主要健康威胁，传统肺部听诊依赖医生经验且难以标准化，本项目通过卷积神经网络自动学习肺部声音 MFCC 特征，实现呼吸疾病的计算机辅助诊断。
作者信息
作者：Bob (张家梁)
项目编号：YP-2
原创声明：本项目为原创作品
开源协议
本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。
评论(0)