《Technologies》：Artificial Intelligence-Based Respiratory Sound Analysis: A Scoping Review of Digital Auscultation Technologies, Public Datasets, Signal Processing, and Deep Learning Methods
呼吸音分析作为一种非侵入性方法，在检测附加音和辅助诊断慢性阻塞性肺疾病（COPD）、哮喘和肺炎等呼吸系统疾病方面日益普及。然而，该领域的研究在数据集、记录设备、标注技术、预处理流程、模型架构、验证策略和评估指标方面存在显著差异。本范围综述考察了基于人工智能的呼吸音分析的当前研究，重点关注数据集、采集与标注实践、信号处理、特征表示、机器学习（ML）与深度学习（DL）方法以及评估协议。检索共识别出1056条数据库记录，最终纳入89篇报告进行证据映射。所审查的数据集支持事件级、周期级、记录级和患者级任务，并在人群、规模、采集硬件、标注粒度和标签结构方面差异显著。研究结果还表明，采集与标注紧密相关，从而产生了潜在的设备、记录部位和标签相关混杂。在方法上，文献可归纳为四个广泛阶段：基于手工特征的ML、深度频谱图学习、表示学习与多模态、以及部署导向且注重鲁棒性的系统。尽管近期取得了进展，该领域仍受限于小规模和不平衡的数据集、标注不确定性、设备与人群变异性、不一致的数据划分以及有限的外部验证。要实现更可靠的临床应用，需要标准化的采集与标注、质量控制的预处理、患者独立的评估、任务适配的指标、透明的报告，以及在独立设备、数据集和临床人群中的验证。
**1. 引言**
引言部分指出，慢性呼吸系统疾病（包括COPD和哮喘）是全球发病率和死亡率的主要原因，肺炎等下呼吸道感染也加重了疾病负担。听诊是呼吸评估的常用手段，但传统听诊对观察者依赖性强，存在经验差异。计算机化呼吸音分析（CRSA）通过数字信号处理和自动化方法有望克服这一局限。现有综述表明，方法实践仍不一致：Garcia-Mendez等人发现约三分之二的研究使用ICBHI 2017数据库，但多数存在偏倚风险；Xia等人报告了呼吸音频数据库、目标疾病、ML流程和实验设计的显著差异；儿科CRSA的系统综述显示记录流程和测量方法差异大；Tabatabaei等人指出基于智能手机的呼吸音系统在硬件、特征、检测算法等方面不一致；近期临床综述总结认为数字听诊器和AI可能支持标准化和远程解释，但仍依赖高质量数据集和有效噪声管理；多模态方法正在兴起，但临床转化受限。这些综述未能充分连接数据集的任务结构与采集、标注、预处理、模型选择、验证设计和部署要求。本综述因此审查从数据采集到模型评估和部署的完整呼吸音分析流程，主要贡献包括：基于任务的呼吸音数据集分类（区分事件、周期、记录和患者级应用）；分析采集与标注的关系（设备变异性、解剖记录位置、标签本体和数据集混杂）；预处理方法、特征表示和模型系列的比较评估；四个阶段的概念综合（手工特征ML、深度频谱图学习、表示学习与多模态、部署导向与鲁棒性系统）；以及验证和部署实践的评估（患者独立数据划分、任务适配评估指标、外部验证和轻量模型的量化报告）。论文其余部分组织如下：第2节描述综述方法，第3节按五个研究问题呈现结果，第4节讨论主要发现和方法学意涵，第5节给出结论。
**2. 方法论**
**2.1 综述设计**：采用范围综述设计，绘制AI呼吸音分析的方法学景观。按照PRISMA-ScR指南报告，未前瞻性注册协议，未进行正式偏倚风险评估。
**2.2 研究问题**：围绕五个研究问题（RQ）构建，每个问题对应呼吸音分析流程的主要组件：RQ1（使用的数据集）、RQ2（采集与标注）、RQ3（预处理与特征表示）、RQ4（ML和DL模型）、RQ5（评估方法）。
**2.3 检索策略与文献识别**：主要检索2021-2026年英文文献，补充2021年之前的基础数据集报告。检索数据库包括IEEE Xplore、PubMed、ScienceDirect、Google Scholar和MDPI。核心检索字符串为（“respiratory sound” OR “lung sound”）AND（“machine learning” OR “deep learning” OR “artificial intelligence” OR “AI”）AND（classification OR detection OR diagnosis）。最终检索日期2026年7月2日。
**2.4 筛选与研究选择**：五来源共1056条记录，加上2条基础数据集报告，去重后957条独有记录。排除书籍章节、预印本、非听诊音频、纯影像、非呼吸音分析的一般AI方法等，再排除会议重复记录，最终421篇进行全文评估，332篇因缺乏细节被排除，纳入89篇。
**2.5 数据图表与证据综合**：使用结构化证据映射矩阵提取变量，包括数据集、人群、设备、标注级别、预测任务、预处理、特征表示、模型系列、验证策略、评估指标、部署特征和开源代码可用性。由于研究间差异大，未进行定量合并。
**2.6 开放科学审计方法**：对89篇报告进行开放科学审计，71篇适用代码和权重审计。其中9篇（12.7%）提供了公开源代码，4篇（5.6%）提供了训练权重，62篇（87.3%）未提供任何资源。
**3. 结果**
**3.1 呼吸音类型**：呼吸音分为正常和异常（附加音）。正常音包括气管音、支气管音、支气管肺泡音和肺泡音。异常音包括湿啰音、哮鸣音、鼾音和喘鸣。在AI分析中，这些类别常用作分类标签。
**3.2 RQ1：AI呼吸音分析中使用的数据集**
数据集大小、类平衡、采集条件和标注质量直接影响模型开发。公共数据集对可重复研究至关重要，但差异显著。按预测单位（事件、周期、记录、患者）和标注级别分类。事件级数据集提供时间起止标注；周期级数据集标注完整呼吸周期；记录级数据集标注整个音频文件；患者级数据集关联一个或多个记录与诊断或严重程度。
**3.2.1 任务基础数据集分类与标注级别**：事件级检测需要时间定位；周期级分类需预分割间隔；记录级和患者级任务涉及不同预测目标。
**3.2.2 事件级和周期级数据集**：ICBHI 2017包含920条录音、126名参与者，提供6898个呼吸周期标签和10775个事件标签。SPRSound是首个开放获取儿科呼吸音数据库，包含2683条录音和9089个标注事件，来自292名儿童，提供事件级和记录级标签，并在BioCAS 2024挑战中扩展为连续记录中的时间定位和多类事件分类。HF_Lung_V1结合了TSECC和RCW/RCC数据，提供吸气、呼气、CAS和DAS的起止标注，但每个记录仅由单一标注者标注。HF_Tracheal_V1是专门的事件标注气管音数据库，包含227名成人的10448条15秒录音，提供吸气、呼气和CAS事件标注，但CAS包括鼾声，未标注DAS。PKU呼吸数据集来自40名参与者，使用不同设备记录健康组和患者组，提供11968个呼吸周期样本（含时间偏移增强），但存在设备-标签混杂风险。
**3.2.3 记录级和患者级数据集**：LD-DF RSdb来自145名患者，包含9584条高质量录音（正常、湿啰音、哮鸣音、混合音）。CWLSD/KAUH包含112名参与者（35健康、77患病），提供诊断级标签（哮喘、肺炎、COPD等）和声音类型标签，支持记录级和患者级任务。
**3.2.4 多模态和诊断导向数据集**：RespiratoryDatabase@TR是重要的多模态数据库，包含听诊音、胸部X光、肺功能测试（PFT）和SGRQ-C问卷数据，来自77名受试者，提供3696个听诊音频文件，标注为“杂音”、“湿啰音”和“哮鸣音”。BRACETS是开放获取双模态数据集，包含1097条呼吸音录音和795条电阻抗断层成像（EIT）记录，来自78名成人，提供患者级诊断和患者独立交叉验证划分，但缺乏事件级标注。
**3.3 RQ2：呼吸音的采集与标注**
**3.3.1 采集硬件、解剖位置和记录环境**：呼吸音使用商用数字听诊器、定制智能手机耦合或多通道系统采集。记录部位包括气管、前胸、后胸、侧胸等。ICBHI 2017展示了采集异质性，包含多个中心和设备。SPRSound针对儿童特点从后胸和侧背位置记录。HF_Lung_V1结合了商用和定制系统，部分数据来自机械通气患者。HF_Tracheal_V1在镇静监护下从甲状腺软骨旁记录。PKU数据集中健康组和患者组使用不同设备，存在设备-标签混杂。多模态数据集扩展了采集范围。
**3.3.2 标注粒度、标签本体和质量保证**：标注粒度从事件级到患者级不等。ICBHI 2017提供周期级和事件级两套标注；SPRSound提供事件级和记录级标注；HF_Lung_V1和HF_Tracheal_V1提供事件级CAS/DAS标注。标签本体各异：ICBHI使用正常、湿啰音、哮鸣音、湿啰音+哮鸣音；SPRSound区分粗湿啰音和细湿啰音；HF_Lung_V1将喘鸣、鼾音和湿啰音归为CAS。质量保证程序差异大，SPRSound采用多阶段质量保证，LD-DF RSdb使用多标注者一致性确认，PKU排除低质量样本。
**3.3.3 采集-标注耦合及其对模型有效性的影响**：采集与标注紧密耦合，设备、部位、临床环境决定可捕获的声学现象。数据集级混杂出现在疾病标签与设备类型、记录部位等系统相关时（如PKU）。患者独立划分对避免数据泄露至关重要。任务结构不同（事件检测、周期分类、记录分类、患者诊断）应视为不同问题设置，不能直接比较。
**3.4 RQ3：预处理技术和特征表示**
**3.4.1 信号调理、去噪和质量控制**：常用滤波（如巴特沃斯带通滤波器）、谱减法、小波分解、变分模态分解（VMD）等去噪方法。去噪性能需通过事件级湿啰音敏感性评估，而非仅信号级指标。
**3.4.2 分割与输入标准化**：使用固定时长窗口、滑动窗口、呼吸周期分割、事件中心分割、截断、零填充、重复填充等方法。Wu等人提出的呼吸周期分割策略比固定长度填充提升了约10%的敏感性。
**3.4.3 数据增强**：常用波形级变换（音高移动、时间拉伸、噪声添加）和频谱图级变换（裁剪、水平翻转、时间掩码、mixup）。Wang等人比较了七种增强方法，发现频谱图翻转、mixup和SpecMix效果较好。
**3.4.4 时频图像表示**：常用短时傅里叶变换（STFT）频谱图、梅尔频谱图、对数梅尔频谱图、常数Q变换（CQT）、小波标度图、伽马通图和耳蜗图。Pham等人发现最优表示取决于预测级别（周期级异常分类用听觉启发表征更好，记录级疾病预测用对数梅尔更好）。STFT窗长影响时间/频率分辨率权衡。
**3.5 RQ4：用于呼吸音分析的ML和DL模型**
**3.5.1 手工特征模型**：结合TQWT、Piccolo模式描述符、INCA特征选择和KNN等分类器。适用于小数据集和可解释性要求。
**3.5.2 CNN频谱图模型**：广泛用于频谱图输入。性能密切依赖于前段表示和感受野。Stas等人使用CNN回归估计湿啰音计数。Dhavala等人采用患者独立划分。Tong等人加入特征带注意力模块。
**3.5.3 时间与混合架构**：CNN-RNN和CNN-LSTM模型结合局部频谱提取和时序建模。Petmezas等人使用CNN-LSTM和焦点损失，敏感性52.78%，特异性84.26%。Hakki和Serbes使用CRNN进行事件级哮鸣音检测。Le等人使用多级时间卷积网络（TCN），发现记录级划分可能高估性能。
**3.5.4 迁移学习与Transformer模型**：迁移学习包括在公共数据集上预训练后微调，或使用YAMNet等预训练音频模型。Transformer使用自注意力建模远距离时频区域，但需要更多数据和正则化。
**3.5.5 模型系列比较分析**：手工模型计算高效但依赖手动特征；CNN适合局部模式；CNN-RNN添加时序建模；TCN提供更大时间感受野；Transformer建模全局关系但数据需求大。
**3.5.6 部署导向与轻量模型**：轻量模型如RDLINet、FPGA实现的ResNet-18（量化后模型缩小40%，推理延迟16ms）、智能手机导向的CNN-LSTM（约0.38MB，性能下降约1%）。Park等人将肺音分类视为设备端AI问题。
**3.5.7 新兴音频表示学习**：对比学习、自监督学习和预训练音频基础模型减少对标注数据的依赖。Soni等人使用对比预训练，Moummad和Farrugia引入元数据对比学习。Castejón-Barrio使用自监督对比学习训练编码器。Niizumi等人比较了公共基础模型，发现通用音频模型在干净录音上表现好，但在噪声任务上不可靠。Kim等人提出听诊器引导对比学习减少设备偏移。
**3.6 跨研究综合：呼吸音AI的四个重叠方法学阶段**
第一阶段：手工特征ML（MFCC、小波系数、熵等，结合SVM、KNN等）。第二阶段：深度学习频谱图图像分析（STFT频谱图、梅尔频谱图等，使用CNN、CNN-RNN、TCN、Transformer）。第三阶段：表示学习与多模态（自监督对比学习、元数据引导域适应、预训练基础模型、多模态融合）。第四阶段：部署导向与鲁棒性系统（噪声鲁棒性、音频增强、信号质量评估、置信驱动融合、计算效率、边缘部署）。
**3.7 RQ5：AI呼吸音分析模型的评估**
**3.7.1 患者独立与记录级评估**：记录级划分可能引入患者级泄露，Le等人量化了这种效应（最大差异约12个百分点）。患者独立划分对评估泛化至关重要。
**3.7.2 验证协议与评估指标**：患者独立交叉验证是必要方法。事件级检测任务需额外指标（如Jaccard指数、MAPE）评估时间定位。记录级和患者级任务常用准确率、敏感性、特异性、F1、AUC等。
**4. 讨论**
**4.1 呼吸音AI作为测量到部署的管道**：性能依赖于整个管道，而非仅模型架构。高内部准确率不保证泛化。
**4.2 数据集异质性、标注不确定性与任务不匹配**：公共数据集在人群、条件、标签定义等方面不等价，不能直接比较。标注不确定性（如周期标签可能包含稀疏事件）需通过补丁级或置信加权方法缓解，但未直接纠正标签错误。
**4.3 预处理、噪声鲁棒性与临床有效性**：去噪可能衰减临床相关成分，应通过下游事件级性能评估。噪声鲁棒性应作为临床部署的关键要求。
**4.4 模型选择应遵循预测单位**：无单一最佳架构，合适模型取决于预测单位和临床目标。事件检测要求时间定位，周期分类关注呼吸内模式，记录级分类要求段间聚合，患者级诊断依赖多录音和临床背景。
**4.5 评估、部署与报告透明度**：患者独立划分、类级指标、置信区间、校准、精度-召回分析应报告。部署研究应报告计算约束（模型大小、FLOPs、推理延迟等）。应释放代码、权重、划分等以提高可重复性。
**4.6 范围综述的局限性**：检索限于英文、五来源、2021-2026年，未进行正式偏倚评估，未进行定量合并，代码和权重可用性随时间变化。
**5. 结论**
本范围综述审查了AI呼吸音分析的完整方法学管道，将文献组织为四个重叠阶段。尽管取得进展，仍面临小数据集、类不平衡、设备变异、标签不确定、患者独立评估不一致和外部验证有限等挑战。临床转化需要标准化采集、透明标注、患者独立和外部验证、可重复报告以及真实诊断工作流中的评估。多模态系统可能提供额外生理和临床背景。这些发展对于将领域从孤立基准分类推进到可靠且可部署的数字听诊系统是必要的。
