针对传统听诊设备依赖人工经验、病理音易漏诊、数据无法留存、存在交叉感染风险等行业痛点，项目团队创新性构建了一套“硬件采集 + 智能分析 + 可视化诊断 + 远程协同”的一体化听诊系统。系统采用隔离式无线电子听诊器采集心肺音信号，通过音频降噪与梅尔时频变换完成信号预处理，依托 GoogLeNet 深度学习模型实现对哮鸣音、湿啰音等常见病理呼吸音的高精度识别。
与传统设备相比，该系统实现了三大突破：一是安全无接触，隔离式硬件设计大幅降低感染风险;二是诊断智能化，AI 模型自动识别病灶，减轻基层医师工作压力;三是过程可视化，将音频信号转化为时频图像，让病理特征直观可见，同时支持数据存储、远程传输与自动生成诊断报告，打通 “基层采集、云端分析、专家会诊” 的全流程服务链条。
该系统创新性采用隔离式无线电子听诊器完成心肺音信号采集，配合蓝牙传输与隔离防护组件，大幅降低医患接触感染风险;通过音频降噪、梅尔时频变换等技术完成信号预处理，将抽象音频转化为直观时频图像;以GoogLeNet深度学习模型为核心，可精准识别哮鸣音、湿啰音等5类常见病理呼吸音，实现病灶定位与分级预警。
系统同时搭载PC端可视化界面与移动应用，支持数据存储、远程传输、报告自动生成功能，成功打通“基层采集—云端分析—专家会诊”全流程闭环，操作简便、识别精准，能够有效弥补基层医疗资源不足、专业医师匮乏等短板，在社区医院、乡镇卫生院等场景具备极高的推广价值。
研发期间，团队充分发挥跨学科优势，完成算法优化、硬件适配、临床测试等全链条工作。未来，团队将持续优化模型性能，推动系统向小型化、便携化升级，用大学生创新成果助力基层医疗卫生事业高质量发展。
李晶晶
编辑:
