Blog
心音诊断：从听诊器到智能心脏听诊
心音诊断看似古老，却一直是心血管筛查中最有生命力的入口之一。医生把听诊器放在胸前，听到的不是抽象的“声音”，而是瓣膜关闭、血流加速、心室充盈、结构异常共同投射出的机械信号。随着电子听诊器、心音图（phonocardiogram, PCG）和深度学习的发展，心音正在从主观听觉经验变成可记录、可分析、可复核的数字生理信号。
这篇文章不是医疗建议，而是一份面向研究和工程实现的整理：心音诊断到底在听什么，算法又应该学什么。
1. 心音首先是时间结构
最基础的心音是第一心音 S1 和第二心音 S2。S1 通常对应二尖瓣和三尖瓣关闭，标志着心室收缩期开始；S2 通常对应主动脉瓣和肺动脉瓣关闭，标志着收缩期结束、舒张期开始。对于心音算法而言，识别 S1/S2 并不只是一个预处理步骤，而是后续诊断推理的坐标系。
一个完整心动周期可以粗略拆成：
- S1：房室瓣关闭，收缩期开始。
- Systole：心室射血阶段，许多收缩期杂音出现在这里。
- S2：半月瓣关闭，舒张期开始。
- Diastole：心室充盈阶段，舒张期杂音往往更需要警惕。
临床听诊强调“杂音发生在 S1 和 S2 的哪个相对位置”。算法也一样：如果模型只把心音当成普通音频分类，很容易学到设备噪声、背景差异或采集域偏差；如果模型先理解心动周期，再分析每个阶段的能量、频谱和形态，结果通常更可解释。
2. 杂音不是一个标签，而是一组线索
心脏杂音本质上多与湍流血流有关。它可能是无害的生理性杂音，也可能提示瓣膜狭窄、关闭不全、先天性心脏病或其他结构性问题。判断一个杂音，通常不会只看“有没有”，还会结合：
- 时相：收缩期、舒张期或连续性。
- 强度：是否响亮，是否伴随震颤。
- 位置：在主动脉瓣区、肺动脉瓣区、三尖瓣区、二尖瓣区等位置的表现。
- 传导：声音是否向颈部、腋下或背部传导。
- 音调与形态：粗糙、吹风样、递增递减、全收缩期等。
- 动态变化：体位、呼吸、Valsalva 动作后是否变化。
这也解释了为什么心音 AI 不能简单替代临床诊断。心音信号能提供重要证据，但最终判断还要结合症状、体征、心电图、超声心动图和病史。好的模型应当输出“异常风险、可疑时相、信号质量和建议复查”，而不是给出过度确定的单点结论。
3. PCG 信号处理的典型流程
把心音变成算法输入，一般会经历几个环节。
第一步是采集与质控。真实心音常常很脏：衣物摩擦、说话、环境噪声、呼吸音、传感器接触不稳都会混进来。对移动端或基层筛查场景而言，信号质量评估甚至和分类模型同等重要。
第二步是预处理。常见做法包括重采样、带通滤波、归一化、去尖峰和片段裁剪。心音主要能量集中在较低频段，但病理杂音可能带有更复杂的频谱结构，因此滤波不能只追求“听起来干净”，还要避免抹掉诊断信息。
第三步是心动周期分割。传统方法会使用包络、隐马尔可夫模型或生理先验来定位 S1/S2；深度学习方法则可以用序列模型直接学习状态边界。分割的好处是把长录音拆成多个可比较的心动周期，减少心率差异带来的影响。
第四步是特征与建模。早期系统常用 MFCC、能量包络、频谱熵、小波特征等手工特征；现在更多模型会使用时频图、1D 卷积、Transformer、状态空间模型或多实例学习。对于短时、噪声、多设备的数据，模型的泛化能力往往比训练集精度更重要。
4. AI 心音诊断真正难在哪里
心音分类看起来是一个二分类问题：normal or abnormal。但真实难点远不止分类器本身。
一是数据域差异。不同听诊器、采样率、采集位置、人群年龄、医院流程都会改变信号分布。一个模型在公开数据上表现很好，并不保证能直接迁移到新的设备和新的临床场景。
二是标签粒度不足。很多公开数据只给 normal/abnormal 标签，但异常背后的病因并不相同。把主动脉瓣狭窄、二尖瓣反流、先心病和噪声伪影都压缩成 abnormal，会限制模型学习更细的医学结构。
三是可解释性需求高。医生通常不只想知道“异常概率 0.87”，还想知道模型依据的是哪一段心动周期、哪类频率模式、是否可能是采集噪声。可视化时频热图、周期级证据、S1/S2 对齐后的异常片段，都会提高模型的可信度。
四是筛查和诊断的目标不同。基层筛查系统更重视敏感性和可复查机制，宁愿把可疑病例转诊；专科辅助诊断则要求更细粒度、更高特异性，并且需要和超声、心电、病史等多模态信息对齐。
5. 一个更可靠的心音智能系统应具备什么
我认为实用的心音 AI 系统至少应包含五个模块：
- 采集引导：告诉用户听诊位置、接触质量和录音时长是否合格。
- 信号质控：识别环境噪声、摩擦噪声、过低音量和非心音片段。
- 周期分割：定位 S1/S2，形成心动周期级分析单元。
- 异常筛查：输出整体异常风险，并尽量区分收缩期、舒张期或连续性异常。
- 解释与建议：展示关键片段、置信度、复查建议和“不能替代医生诊断”的边界。
如果进一步走向研究前沿，心音还可以和 ECG、超声、临床文本、生命体征联合建模。心音提供机械活动，ECG 提供电活动，超声提供结构和血流影像。多模态融合的价值不在于堆更多数据，而在于让不同模态互相约束，减少单一信号的误判。
6. 写在最后
心音诊断的魅力在于它足够轻量，却连接着复杂的心脏生理。听诊器时代依赖经验，PCG 时代强调信号，AI 时代则需要把经验、信号和临床工作流重新合在一起。真正有价值的模型，不只是跑出一个漂亮的准确率，而是能在噪声、设备差异和临床不确定性中，稳定地帮助医生发现需要进一步检查的人。
心音不是答案本身，但它常常是一个很好的问题开端。
免责声明：本文仅用于科研与工程学习，不构成医学诊断或治疗建议。若存在胸痛、气促、晕厥、心悸或医生提示心脏杂音等情况，应及时咨询专业医生并按需进行超声心动图等检查。