面向心肺疾病远程诊断的AI增强听诊器
信号处理
2026-05-12 v2 计算机视觉与模式识别
摘要
心脏和肺部疾病的增加在全球范围内构成一项令人警示且持续发生的健康挑战，负责意外和提前死亡。尽管这些疾病严重，但现有检测和治疗方法在实现及时诊断以进行有效医疗干预方面面临挑战。常用于原发性心脏和呼吸问题检测的手动筛查程序面临内在局限性，尤其在偏远或资源有限的地区缺乏熟练医务人员的情况下更甚者。为此，我们的研究提出了一种创新且高效的模型，通过整合AI来诊断肺部和心脏疾病。我们的模型采用MFCC特征提取和工程技术，确保信号经过良好分析，以通过结合Gated循环单元（GRU）和卷积神经网络（CNN）的混合模型处理来自低成本听诊器录制的音频信号。除了诊断能力外，该模型还生成数字音频记录，以帮助分类六种肺部和五种心脏疾病。因此，将一种成本效益高的听诊器与在低成本嵌入式设备上部署的高效AI模型集成于Web应用程序中，提供实时分析，标志着向标准化医疗保健的变革性步骤。
引用
@article{arxiv.2505.18184,
title = {AI- Enhanced Stethoscope in Remote Diagnostics for Cardiopulmonary Diseases},
author = {Hania Ghouse and Juveria Tanveen and Abdul Muqtadir Ahmed and Uma N. Dulhare},
journal= {arXiv preprint arXiv:2505.18184},
year = {2026}
}