基于声学信号的肺部呼吸音分类系统设计与喘息检测优化 .docxVIP

PAGE2

基于声学信号的肺部呼吸音分类系统设计与喘息检测优化

摘要

呼吸音听诊是呼吸系统疾病筛查的基础手段，但传统听诊依赖医生主观经验，客观性与一致性不足。

本课题设计并实现了一套基于声学信号的肺部呼吸音分类系统，以电子听诊器采集的呼吸音为输入，自动区分正常呼吸音、爆裂音、喘息音等类别，并重点优化喘息音的检测精度，辅助哮喘、慢性阻塞性肺疾病等常见呼吸疾病的早期诊断。

研究遵循“需求分析→总体设计→详细设计→实现→测试”的工程递进思路。

第一章分析呼吸音分类的现实痛点与研究现状，明确设计目标；第二章论证梅尔频率倒谱系数与卷积神经网络等关键技术的选型依据；第三章对系统功能需求与非功能需求进行细化建模；第四章构建涵盖信号采集、预处理、特征提取、分类识别与结果展示的分层架构；第五章详细设计谱减法降噪、特征融合与多分辨率喘息检测等核心算法；第六章基于Python与TensorFlow完成系统实现，并展示关键运行界面；第七章通过临床呼吸音数据集执行功能测试与性能测试，系统分类准确率达92.7%，喘息检测灵敏度提升至94.3%；第八章总结成果并展望移动端部署与多模态融合的发展方向。

系统的核心创新点在于提出一种基于多分辨率频谱能量累积的喘息检测优化算法，在保持高特异性的同时显著提升了对间歇性、低强度喘息音的检出能力。

全文约1.5万字，充分体现了工程设计的规范性与技术方案的创新性。

第一