1、课题来源与背景：冠心病严重危害着人们的身体健康，关键在于早期诊断、及时治疗。当前由于尚无有效的可用于社区和家庭的便携式冠心病监测设备，医院医疗资源有限，患者在发病早期一般无法常到医院进行身体检查，患者无法及时掌握自己的身体机能状况，经常耽误了疾病的最佳治疗时期致使病情加重。随着计算机技术、电子技术和网络通信技术的不断发展，医疗设备的开发逐渐趋于小型化、便携化、家庭化，面向社区和家庭的便携式医疗监测仪器成为了可能。

     2、研究目的与意义：本项目通过设计一款可以清晰探测心肺信号的采集设备并通过数据传输技术把信号通过蓝牙及WIFI传输到手机和云平台。通过后台的运算对用户所采集到的信号通过远程医生或者人工智能的形式对疾病进行标注或反馈。

     3、主要论点与论据：1、选取适当的声学传感器，并采取有效的噪声消除方法，完整地捕捉到心肺音信号。2、对信号盲端进行分离处理，利用短时傅里叶变换和复小波等算法把采集到的心肺音信号进行分离以及对特性型号进行提取。3、在针对不同年龄段、不同心血管疾病患者，进行大量的临床病例调研，找出能反映冠心病病理特征的心音信号特征值提取方法，并进行模式识别研究。4、最后，研究云诊断平台，把患者自我检查的心肺音信号传输到云平台通过远程医生端进行病理标注或者通过人工智能诊断系统进行自我诊断。

     4、创见与创新：1、噪音适应性消除技术及高敏感度的探测薄片：通过现代电子数字技术及信号传输技术，结合产品隔音和屏蔽腔的设计克服了传统声音采集技术中声音失真及噪音的干扰。同时能够有效地收集到冠心病特征心音所在的心音段。2、心音信号分段与冠脉堵塞智能诊断算法：利用国际上先进的心音特征分析算法提取冠心病的特征心音数据并进行智能诊断。

     5、社会经济效益，存在问题：本项目的设计是以疾病的自助辅助诊断为最终目的，但在项目开展过程中，发现要实现心血管疾病心肺音的人工智能诊断需要大量的数据来支持。同时在临床实践中发现人体心肺音的变化除了和疾病的程度有相关性还与年龄、性别、胖瘦等因素相关。目前只采集了两三百例临床数据很多可能出现的情况都无法验证，因此根据我们开发的DEMO智能诊断算法，目前的吻合率只有30%，甚至更加低。因此在后期项目的研发过程中还需要增加样本量来提供算法的识别率。为此我们已经与南方医科大学顺德医院签订了5000例临床数据的临床科研项目来增加诊断的准确性。

     6、项目完成发明专利2件，授权实用新型专利1件，软件著作登记1件，发表论文2篇。