摘要
随着全球人口老龄化进程的加快，便秘已成为老年人常见的胃肠道问题。肠鸣声作为一种无创的声学信号，可用于评估胃肠道功能，但由于其数据的稀疏性和非稳定性，对其自动分析仍面临挑战。本研究提出了一种基于连续腹部录音的两阶段肠鸣声分析框架。首先，使用卷积神经网络-MAMBA模型来检测显著的肠鸣声；其次，利用多视角光谱表征以及卷积神经网络-Conformer-多实例学习架构，构建了用于患者层面便秘分类的模型。在独立的测试集上，该检测模型的准确率为0.87，F1值为0.78，ROC-AUC值为0.93。在基于布里斯托尔粪便形态评分系统的二元分类中，通过五折交叉验证得到的平均准确率为0.665，F1值为0.755。所有的BSFS分类标签均由临床医生标注，并与肠鸣声记录时间相对应。鉴于改进幅度有限且交叉验证结果存在差异，患者层面的分析结果应被视为初步的可行性证据。这些研究结果表明，肠鸣声分析更适合作为辅助筛查或长期监测工具，而非独立的诊断系统。
