张书文 侯 猛 刘泽华 张锦龙

(河南大学物理与电子学院 开封 475001)

0 引言

随着新冠疫情在全球范围内的肆虐，许多患有呼吸问题的病人需要不断监测其呼吸状态。当病人出现呼吸异常的情况需要及时向医生问诊。医护人员通过分析病人的呼吸情况可以找寻和分析病人出现这种呼吸状况的原因。呼吸声的诊断一般使用听诊器来获取听诊信息，但是传统听诊器存在着很大的局限性。人耳能够听取的声音频率范围为20∼20000 Hz，而医院所用的听诊器因为在500 Hz左右会产生低频响应，所以会导致误差的产生，使医护人员不能获取到500∼2000 Hz 以外的有效信息[1]。而且诊断结果的准确性与医护人员的专业经验与相关参数有关。在初级诊断治疗阶段，初级医生识别听诊声的正确率一般从20%∼80%不等。而导致高误诊率的原因有很多，例如漏诊、错诊和延误等。

病人的呼吸道出现异常呼吸声的原因很多，例如气道痉挛或者水肿、异物阻塞、肺部呼吸道感染等。由于每个病人的体质和呼吸道受损情况不同，其表现出的呼吸声也会有所不同。通过呼吸特征可以分辨病人的肺部情况，为病人的病情做出诊断。常见的肺部听诊声包括：支气管呼吸声、湿罗声、干罗声、胸膜摩擦声、哮鸣声等[2]。

张伟君[3]通过功率谱方法和线性预测方法对呼吸声进行分类，其分类的准确性会随呼吸声混合的不同类型变化。当鼾声与罗声混合时，其识别准确度仅有25%。崔星星[4]通过使用支持向量机……