多部位心音记录自动杂音表征系统最高敏感度达93.81%，超越单一二分类检测

一句话结论

研究人员提出的多部位心音杂音自动表征框架在735例患者数据上实现五维属性最高93.81%的非加权平均敏感度，推动心音AI从筛查走向结构化诊断报告生成。

关键要点

• 系统同时评估五种杂音属性（时相、形态、音高、性质、分级），而非仅做“有/无杂音”的二分类判断
• 最优的迟融合（late-fusion）方案在五个任务上的非加权平均敏感度介于85.56%至93.81%，各类别召回率覆盖80.00%至100.00%
• 多输入单输出CNN相较迟融合方案低7至16个百分点，多输出统一架构敏感度落在72.59%至79.40%区间
• 实验基于CirCor DigiScope数据集中735名拥有完整四部位（主动脉瓣、肺动脉瓣、二尖瓣、三尖瓣）记录的患者
• 直接通过增加少数类片段均衡训练数据会损害患者级性能，因最大严重度融合规则下引入噪声片段未被聚类筛选过滤

背景与事实

传统临床心音听诊流程中，医生不仅判断是否存在杂音，还会对其时相（收缩期/舒张期）、形态、音高、性质及五级分级进行系统描述。现有自动心音分析系统大多停留在二分类层面，未能输出这种多维结构化描述。该工作将自动杂音表征形式化为五个患者级分类任务，并在主动脉瓣、肺动脉瓣、二尖瓣、三尖瓣四个听诊部位的心音记录上比较三种多部位策略。

第一种策略为独立训练加迟融合：在每个听诊部位分别训练经典或深度学习分类器，再通过最大严重度（maximum-severity）晚期融合规则合并各部位预测。第二种策略为同步多输入CNN：对每个部位取一个代表性片段，联合输入单个网络完成单一任务。第三种策略为统一多输入多输出CNN：从共享的多部位表示中同时预测全部五个属性。

所有实验使用CirCor DigiScope数据集中735名具备完整四部位记录的患者。评估时采用基于聚类的片段选择方法。迟融合方案表现最优，五个任务的非加权平均敏感度范围在85.56%到93.81%，每一相关类别的特异召回率不低于80.00%。多输入单输出CNN在各项任务上落后迟融合7至16个百分点。统一多输出架构以单一共享表示估计全部五个属性，敏感度在72.59%至79.40%之间。

研究还发现，若通过简单增加所有少数类片段来均衡训练数据，患者级性能在最大严重度融合规则下反而下降，原因是这些额外片段未经聚类筛选，属于非代表性噪声片段。论文于2026年8月26日提交至arXiv，由Diogo Marcelo Nogueira第一作者发布。

影响分析

对于中文医疗AI开发者而言，这项工作的核心启示在于：心音AI的商业化落地路径正从“有没有杂音”的二分类筛查，转向输出完整结构化报告的多维表征任务。这意味着产品层面需要重新设计标注体系与评估指标——不能只看AUC或整体敏感度，而必须按属性逐任务、逐类别报告召回率。对于医疗器械注册与临床验证流程，五维属性中每一维都对应独立的临床判断维度，监管审评时可能要求逐属性提供证据，开发团队需预留相应标注与验证成本。此外，多部位同步记录硬件（四部位心音采集设备）将成为配套基础设施，单一听诊点设备难以复用该模型架构。

适用边界

该结论基于CirCor DigiScope数据集中735名拥有完整四部位记录的患者，不适用于仅有单一部位记录或四部位数据缺失的场景。最大严重度融合规则假设各部位预测的严重度等级可直接取最大值合并，对于临床实践中部位间存在矛盾信号（如某部位明确无杂音而另一部位有杂音）的情况，该规则可能导致过估计。多输入CNN对代表性片段的选取敏感，若临床设备无法稳定输出标准化片段，实际部署性能可能低于论文报告值。研究未报告泛化到不同人群（如儿童、老年）或不同病因杂音（如先天性心脏病、瓣膜退行性变）的表现，相关结论不能直接外推。

孤本观察

值得注意的是，论文发现“简单均衡少数类”反而损害性能这一反直觉结果，暗示心音杂音分类中少数类片段的质量控制（聚类筛选）比数量均衡更关键，这为国内团队构建同类标注数据集提供了可操作的实践指引：优先保证片段代表性，而非盲目扩充少数类样本量。

来源：arXiv cs.LG