研究人员开发出一种面向智能手机的领域自适应深度学习框架，用于检测异常肺音

韩国首尔，2026年10月16日 /PRNewswire/ -- 儿童呼吸系统疾病是全球关注的重要问题。虽然听诊器可以帮助临床医生识别异常肺音，但听诊往往需要面对面就诊，因此获取这类检查的机会可能受到限制。

智能手机或可实现居家呼吸筛查，但由于声音采集方式存在差异，将基于电子听诊器录音训练的人工智能模型直接应用到智能手机音频上，仍然面临挑战。

韩国首尔国立科技大学应用人工智能系副教授Kim Seong-Eun领导的研究团队开发出一种专为智能手机部署设计的领域自适应深度学习框架。团队成员包括论文第一作者、博士生Jeong Seunggyu。Kim表示：“对于神经网络而言，智能手机和电子听诊器实际上像是在说两种不同的语言。我们的做法不是简单地把两种设备的数据混在一起，而是进行可靠的领域自适应：模型从带有可靠标签的电子听诊器录音中学习，同时适应智能手机这一领域。” 这项研究于2026年7月30日发表在《IEEE Journal of Biomedical and Health Informatics》上。

研究人员收集了611名0至6岁儿童的成对听诊器—智能手机录音，其中147名儿童有成对的智能手机录音。肺音均在相同的四个解剖部位采集。此类成对数据集较为罕见。此外，团队还收集了一个独立的外部验证数据集，包含48名儿童的仅智能手机录音。

为在训练过程中实现有效的领域自适应，研究人员采用了两种互补策略。首先，他们使用1 kHz低通滤波器对智能手机音频进行预处理，并将采样率从48 kHz降采样至4 kHz。Kim指出：“这让智能手机的频率特征更接近听诊器。” 其次，模型整合了一个定向MixStyle模块，将来自智能手机领域的特征统计信息注入听诊器领域，使听诊器数据看起来更“像智能手机录音”。随后，该模块被整合进Audio Spectrogram Transformer（AST）主干网络，这是一种用于音频分类的深度学习架构。

在主数据集的智能手机录音测试中，该模型在检测异常肺音方面取得了0.802的F1分数和0.911的AUROC。相比之下，仅使用智能手机的模型F1分数为0.732，而将听诊器和智能手机录音简单混合的做法F1分数为0.708。研究结果显示，当不同设备的声学特性存在差异时，简单合并数据并不一定能提升性能。

在独立的外部智能手机队列中，仅基于听诊器训练的模型F1分数仅为0.034，AUROC为0.388，凸显出将基于一种录音设备训练的模型应用到另一种设备上的难度。

该模型在独立智能手机队列中仍保持了表现，取得0.744的F1分数和0.862的AUROC，优于其他测试方法。研究人员表示，这些结果表明，该方法在基于智能手机的呼吸筛查方面具有潜力，但仍有待进一步真实世界验证。

Kim表示：“我们的框架为可扩展、低成本的儿科呼吸筛查提供了概念验证。它可以帮助家长在两次就诊之间在家中为孩子进行初步筛查，同时让临床医生持续参与。此外，这类技术还可能改善远程门诊咨询，并帮助偏远地区的一线社区医疗工作者进行分诊。”

研究人员表示，信号层面的对齐可能有助于利用智能手机实现更易获得的呼吸筛查与监测，但仍需在更大规模、更多样化的人群以及真实世界环境中进一步验证。

参考信息

关于该机构：首尔国立科技大学（SEOULTECH）

联系人：