摘要肺部听诊是临床诊断呼吸系统疾病的重要手段但传统人工听诊依赖医生经验存在主观性强、效率低等问题。本文提出一种基于卷神经网络CNN的肺音自动分类方法实现对异常呼吸音的智能识别。项目方案基于深度学习的肺音分类算法研究项目简介本系统是一个基于卷积神经网络的肺部听诊音智能分类平台通过分析梅尔频谱图特征自动识别啰音和哮鸣音等异常呼吸音辅助医进行肺部疾病的初步筛查。系统概述肺部听诊是临床诊断呼吸系统疾病的重要手段但传统人工听诊依赖医生经验存在主观性强、效率低等问题。本文提出一种基于卷神经网络CNN的肺音自动分类方法实现对异常呼吸音的智能识别。本研究首先对原始肺音信号进行预处理包括重采样至7000Hz、80-3000Hz带通滤波去除环境噪声、对数压缩及音量归一化。随后采 用基于频谱功率包络的峰值检测算法自动识别呼吸周期并提取梅尔频谱图Mel Spectrogram作为深度学习模型的输入特征。针对 医学数据样本不平衡问题引入时间畸变、频率掩蔽、时间掩蔽等数据增强策略并采用过采样技术平衡各类别样本。在模型设计上构建了一个轻量级CNN网络包含两层卷积模块卷积-批归一化-ReLU-池化和全局平均池化层实现对正常呼吸音啰音Crackles、哮鸣音Wheezes及混合异常音的四分类任务。模型采用带类别权重的交叉熵损失函数和Adam优化器进行训练。实验结果表明该方法能够有效识别肺音中的异常特征为计算机辅助肺部疾病筛查提供了可行的技术方案。本文同时开发了基于PySide6的可视化系统集成数据处理、模型训练、结果分析和实时预测功能具有良好的实用价值。系统架构PySide6 GUI 前端 PyTorch CNN 后端通过 Librosa 提取肺音梅尔频谱图特征实现四分类正常/啰音/哮鸣音/两者的深度学习肺音诊断系统。项目结构PySide6 GUI主程序(main.py) Librosa音频处理模块(data_processing.py) PyTorch CNN训练模块(model_training.py) 三层架构配合示例肺音数据(audio_some/)和预训练模型(model.pth)。目录结构核心模块系统采用模块化设计由音频预处理、特征提取、模型训练和结果输出四大核心模块组成。音频预处理模块通过重采样至7kHz、80-3000Hz带通滤波和对数压缩消除噪声并归一化音量特征提取模块基于呼吸周期峰值检测切分音频片段利用Librosa计算梅尔谱图并进行类别不平衡过采样模型训练模块采用轻量级CNNConv2dBatchNorm全局平均池化结合加权交叉熵损失和数据增──时间畸变/频率掩蔽实现四分类学习结果输出模块支持QChart训练曲线可视化、分类报告表格和混淆矩阵展示实现从肺音采集到智能诊断的完整闭环。快速开始运行 python main.py 启动系统依次完成”数据处理”→”模型训练”→”训练结果”→”肺音预测”四步操作即可。环境要求Python 3.8依赖 PyTorch深度学习、PySide6GUI界面、Librosa音频处理、NumPy/SciPy数值计算、scikit-le arn评估指标支持CPU和CUDA GPU加速。运行实验启动系统后在”数据处理”页面选择肺音数据目录含.wav音频和.txt标注文件点击”开始处理数据”提取梅尔频谱图特征跳”模型训练”页面配置训练轮数(100)、学习率(0.001)、批次大小(8)后点击”开始训练”训练完成后在”训练结果”页面查看准确率/损失曲线、混淆矩阵和分类报告最后在”肺音预测”页面加载模型、添加待测音频点击”开始智能预测”获取四分类结果及概率查看结果训练完成后”训练结果”页面展示训练集/验证集的准确率和损失曲线评估报告表格显示各类别正常/啰音/哮鸣音/两者的确率、召回率、F1分数和样本数混淆矩阵直观呈现分类效果预测结果显示每个音频文件的分类类别及各类别概率百分比。实验结果系统能够准确识别肺音中的异常呼吸音通过CNN模型对梅尔频谱图特征学习实现正常/啰音/哮鸣音/两者的四分类训练曲线收稳定可辅助肺部疾病初步筛查。识别效果图1 系统界面图2 数据处理图3 模型训练图4 训练结果图5 使用当前训练模型图6 肺音正常图7 肺音正常图8 肺音正常图9 肺音正常图10 哮鸣音图11 肺音正常图12 肺音正常图13 肺音正常图14 肺音正常图15 哮鸣音结果点评系统整体运行稳定轻量级CNN配合数据增强和类别过采样有效应对小样本不平衡问题分类结果准确可靠满足肺音智能诊断的实际需求。项目资源项目包含3个Python源文件共约2589行代码、9对示例肺音音频及标注文件、1个预训练模型文件开箱即用。关于项目本项目为基于深度学习的肺音分类研究系统通过分析肺部听诊音频自动识别异常呼吸音啰音/哮鸣音可辅助医生进行肺部疾病的初步筛查和诊断。项目背景肺部听诊是呼吸系统疾病诊断的重要手段传统人工听诊依赖医生经验且效率有限本系统采用CNN对梅尔频谱图特征学习实现肺音智能分类为计算机辅助诊断提供技术支持。作者信息作者Bob (张家梁)原创声明本项目为原创作品