利用智能手机采集心音分析的肥厚型心肌病合并射血分数保留心衰的辅助筛查

来源：电子与信息学报杂志2026年第3期北京时间：

作者：董先鹏, 孟祥彬, 张阔, 房冠辰, 盖威蒿, 王文尧, 汪京嘉, 高峻, 潘俊君, 唐振超, 宋震

单位：1.北京航空航天大学生物与医学工程学院 北京 1001912.鹏城实验室网络智能研究部 深圳 5180553.中国医学科学院阜外医院心血管内科 北京 1000374.北京大学软件与微电子学院 北京 1026005.中国科学院自动化研究所分子影像重点实验室 北京 1001906.北京大学第三医院心血管内科 北京 1001917.北京航空航天大学计算机学院 北京 1001918.北京航空航天大学医学科学与工程学院 北京 1001919.北京航空航天大学大数据精准医疗工业和信息化部重点实验室 北京 100191

摘要：射血分数保留心衰(HFpEF)是一种高度异质性的临床综合征，在肥厚型心肌病患者(HCM)中较为常见。由于其诊断流程复杂，开展初步筛查与早期识别具有重要意义。对此，该文基于患者智能手机所采集的心音信号，提取了梅尔频率倒谱系数和短时傅里叶变换时频谱特征，并基于此分别构建了支持向量机与卷积神经网络两个基分类器。随后将两者预测概率作为新特征，构建并训练了以逻辑回归为元分类器的集成学习模型，用于HCM合并HFpEF的识别。结果显示，集成模型在测试集的曲线下面积(AUC)达到了0.900，准确率、灵敏度和特异度分别达到了0.813, 0.768和0.854，有效提升了预测性能。结果表明，该文设计的分类模型可以基于智能手机采集的心音实现HCM合并HFpEF的高效识别，有望用于HCM患者对自身病情的动态监测和HFpEF初步筛查，从而缩短诊断延迟。

关键词：心音信号分析, 人工智能, 肥厚型心肌病, 射血分数保留心衰, 辅助筛查

基金资助：国家自然科学基金(32571731, 82172067, 82272068)，北京市自然科学基金(L256013)，中国科协青年人才托举工程(2023QNRC001)