肺部声音数据集深度分析报告-包含336个音频文件及多类别呼吸疾病标注的心肺音诊断机器学习训练数据含年龄性别分布信息支持疾病诊断模型训练及异常检测算法研发

# 肺部声音数据集深度分析报告

## 引言与背景

肺部声音是诊断呼吸系统疾病的重要依据，通过听诊器采集的肺部声音可以反映出肺部的生理和病理状态。近年来，随着机器学习和人工智能技术的发展，基于肺部声音的自动诊断系统成为医学研究的热点方向。然而，高质量的肺部声音数据集是训练和验证这类系统的基础，目前公开可用的肺部声音数据集仍然相对稀缺。

本数据集（A Dataset of Lung Sounds）正是为满足这一需求而构建的高质量肺部声音数据集，包含336个经过专业标注的肺部声音音频文件，涵盖多种呼吸疾病类型。数据集还包含详细的数据标注信息和听诊器原始文件，为肺部声音分析和疾病诊断算法研究提供了丰富的数据支持。这些数据可以用于训练肺部声音分类模型、异常检测算法、疾病诊断系统等，具有重要的科研和临床应用价值。

需要特别说明的是，336个音频文件来源于112位患者，每位患者使用三种不同的听诊器设备（BP、DP、EP）进行采集，因此每位患者对应3个音频文件。这种设计使得数据集能够从不同设备角度捕捉肺部声音特征，提高模型的泛化能力和鲁棒性。

## 数据基本信息

### 数据字段说明

#### 数据标注表（Data annotation.xlsx）

| 字段名称 | 字段类型 | 字段含义 | 数据示例 | 完整性 |
|---------|---------|---------|---------|--------|
| Age | 整数 | 患者年龄 | 70, 52, 50, 65, 71, 12, 90 | 72.7%（42条缺失） |
| Gender | 字符串 | 患者性别 | M（男）, F（女） | 72.7%（42条缺失） |
| Location | 字符串 | 听诊器放置位置 | P R L（前胸右侧）, P L L（前胸左侧）, A R U（后背右侧上部） | 72.7%（42条缺失） |
| Sound type | 字符串 | 声音类型/症状描述 | E W（呼气性喘息）, Crep（捻发音）, C（湿啰音）, N（正常） | 72.7%（42条缺失） |
| Diagnosis | 字符串 | 诊断的疾病类型 | Asthma（哮喘）, COPD（慢性阻塞性肺疾病）, Lung Fibrosis（肺纤维化）, N（正常） | 72.7%（42条缺失） |

#### 音频文件信息

| 字段名称 | 字段类型 | 字段含义 | 数据示例 | 完整性 |
|---------|---------|---------|---------|--------|
| 文件格式 | 字符串 | 音频文件格式 | WAV | 100% |
| 文件命名规则 | 字符串 | 文件名编码规则 | PatientID_Disease,Symptoms,Position,Age,Gender.wav | 100% |
| 文件数量 | 整数 | 音频文件总数 | 336 | 100% |
| 患者数量 | 整数 | 患者总数 | 112 | 100% |
| 听诊器设备数 | 整数 | 听诊器设备类型数 | 3（BP、DP、EP） | 100% |
| 标注记录数 | 整数 | 数据标注表记录数 | 154（含42条缺失） | 100% |

### 数据分布情况

#### 疾病类型分布

| 疾病类型 | 记录数量 | 占比 |
|---------|---------|------|
| 缺失/未标注 | 42 | 27.3% |
| N（正常） | 35 | 22.7% |
| Asthma/asthma（哮喘） | 32 | 20.8% |
| heart failure/Heart Failure（心力衰竭） | 18 | 11.7% |
| COPD/copd（慢性阻塞性肺疾病） | 9 | 5.8% |
| pneumonia（肺炎） | 5 | 3.2% |
| Lung Fibrosis（肺纤维化） | 4 | 2.6% |
| BRON（支气管炎） | 3 | 1.9% |
| Heart Failure + COPD（心衰+COPD） | 2 | 1.3% |
| Plueral Effusion（胸腔积液） | 2 | 1.3% |
| Heart Failure + Lung Fibrosis（心衰+肺纤维化） | 1 | 0.6% |
| Asthma and lung fibrosis（哮喘+肺纤维化） | 1 | 0.6% |

#### 声音类型/症状分布

| 声音类型 | 记录数量 | 占比 |
|---------|---------|------|
| 缺失/未标注 | 42 | 27.3% |
| E W（呼气性喘息） | 39 | 25.3% |
| N（正常呼吸音） | 35 | 22.7% |
| Crep（捻发音） | 23 | 14.9% |
| C（湿啰音） | 7 | 4.5% |
| I E W（吸气性喘息） | 2 | 1.3% |
| I C E W（吸气性湿啰音+呼气性喘息） | 2 | 1.3% |
| I C B（吸气性湿啰音+爆裂音） | 2 | 1.3% |
| I C（吸气性湿啰音） | 1 | 0.6% |
| Bronchial（支气管音） | 1 | 0.6% |

#### 听诊位置分布

| 听诊位置 | 记录数量 | 占比 |
|---------|---------|------|
| 缺失/未标注 | 42 | 27.3% |
| P R L（前胸右侧） | 24 | 15.6% |
| P L L（前胸左侧） | 16 | 10.4% |
| P R M（前胸右侧中部） | 16 | 10.4% |
| P R U（前胸右侧上部） | 14 | 9.1% |
| P L M（前胸左侧中部） | 12 | 7.8% |
| P L U（前胸左侧上部） | 11 | 7.1% |
| A R U（后背右侧上部） | 6 | 3.9% |
| A R M（后背右侧中部） | 4 | 2.6% |
| A R L（后背右侧） | 4 | 2.6% |
| A L U（后背左侧上部） | 2 | 1.3% |

#### 性别分布

| 性别 | 记录数量 | 占比 |
|-----|---------|------|
| 缺失/未标注 | 42 | 27.3% |
| M（男） | 69 | 44.8% |
| F（女） | 43 | 28.0% |

#### 年龄分布

| 年龄范围 | 记录数量 | 占比 |
|---------|---------|------|
| 缺失/未标注 | 42 | 27.3% |
| 12-30岁 | 23 | 14.9% |
| 31-50岁 | 43 | 28.0% |
| 51-70岁 | 53 | 34.4% |
| 71-90岁 | 32 | 20.8% |

## 数据优势

| 优势特征 | 具体表现 | 应用价值 |
|---------|---------|---------|
| 完整原始音频文件 | 包含336个高质量WAV格式音频文件，来自112位患者×3种听诊器设备 | 可用于音频特征提取、信号处理、深度学习模型训练 |
| 多类别疾病标注 | 涵盖哮喘、COPD、心力衰竭、肺纤维化、肺炎等11种疾病类型 | 支持多分类模型训练和疾病诊断研究 |
| 专业医学标注 | 标注信息由专业医护人员完成，包含疾病类型、症状描述、听诊位置等 | 确保数据质量和标注准确性 |
| 丰富的元数据 | 包含患者年龄、性别、症状描述等多维度信息 | 支持多模态分析和个性化诊断研究 |
| 多听诊位置数据 | 覆盖前胸、后背、左右侧、上下部等多个听诊位置 | 支持空间特征分析和定位诊断研究 |
| 多设备采集 | 使用三种不同听诊器设备（BP、DP、EP）采集同一患者数据 | 提高模型泛化能力，支持设备无关的疾病诊断 |

## 数据样例

### 音频文件列表样例

由于音频文件无法在文章中直接展示，以下为数据集中部分音频文件的列表样例，展示了文件名命名规则和数据多样性：

BP1_Asthma,I E W,P L L R,70,M.wav          - BP设备，哮喘，吸气性喘息，前胸左侧，70岁，男
BP2_Asthma,E W,P L L R,52,F.wav            - BP设备，哮喘，呼气性喘息，前胸左侧，52岁，女
BP3_Asthma,I E W,P L L R,50,M.wav          - BP设备，哮喘，吸气性喘息，前胸左侧，50岁，男
BP4_Heart Failure + Lung Fibrosis,I C,P L R,72,F.wav  - BP设备，心衰+肺纤维化，吸气性湿啰音，前胸左侧，72岁，女
BP5_Heart Failure + COPD,I C E W,P L R ,71,M.wav       - BP设备，心衰+COPD，吸气性湿啰音+呼气性喘息，前胸左侧，71岁，男
BP6_Plueral Effusion,I C B,P L R,81,M.wav  - BP设备，胸腔积液，吸气性湿啰音+爆裂音，前胸左侧，81岁，男
BP7_Heart Failure + COPD,I C E W,P L R,65,M.wav        - BP设备，心衰+COPD，吸气性湿啰音+呼气性喘息，前胸左侧，65岁，男
BP8_Plueral Effusion,I C B,P L L,70,M.wav  - BP设备，胸腔积液，吸气性湿啰音+爆裂音，前胸左侧，70岁，男
BP9_Asthma,E W,P R L ,59,M.wav             - BP设备，哮喘，呼气性喘息，前胸右侧，59岁，男
BP10_Asthma,E W,P R U,59,M.wav             - BP设备，哮喘，呼气性喘息，前胸右侧上部，59岁，男
BP100_N,N,P R M,70,F.wav                   - BP设备，正常，无异常，前胸右侧中部，70岁，女
BP101_Asthma,E W,P L M,12,F.wav            - BP设备，哮喘，呼气性喘息，前胸左侧中部，12岁，女
BP102_N,N,P L L,41,M.wav                   - BP设备，正常，无异常，前胸左侧，41岁，男
BP103_N,N,P R U,81,F.wav                   - BP设备，正常，无异常，前胸右侧上部，81岁，女
BP104_Asthma,E W,P L U,45,F.wav            - BP设备，哮喘，呼气性喘息，前胸左侧上部，45岁，女
BP105_Lung Fibrosis,Crep,A U R,44,M.wav    - BP设备，肺纤维化，捻发音，后背右侧上部，44岁，男
BP108_COPD,E W,P R L ,63,M.wav             - BP设备，COPD，呼气性喘息，前胸右侧，63岁，男
BP11_Heart Failure,C,P L L,53,M.wav        - BP设备，心力衰竭，湿啰音，前胸左侧，53岁，男
BP18_pneumonia,C,P R U,57,M.wav            - BP设备，肺炎，湿啰音，前胸右侧上部，57岁，男
BP20_Asthma and lung fibrosis,C,A R M,90,M.wav  - BP设备，哮喘+肺纤维化，湿啰音，后背右侧中部，90岁，男

### 数据标注样例

以下为数据标注信息的示例，展示了标注的详细内容：

| 年龄 | 性别 | 听诊位置 | 声音类型 | 诊断 |
|-----|-----|---------|---------|------|
| 70 | M | P L L R | I E W | Asthma |
| 52 | F | P L L R | E W | Asthma |
| 50 | M | P L L R | I E W | Asthma |
| 72 | F | P L R | I C | Heart Failure + Lung Fibrosis |
| 71 | M | P L R | I C E W | Heart Failure + COPD |
| 81 | M | P L R | I C B | Plueral Effusion |
| 65 | M | P L R | I C E W | Heart Failure + COPD |
| 70 | M | P L L | I C B | Plueral Effusion |
| 59 | M | P R L | E W | Asthma |
| 59 | M | P R U | E W | Asthma |
| 70 | F | P R M | N | N |
| 12 | F | P L M | E W | Asthma |
| 41 | M | P L L | N | N |
| 81 | F | P R U | N | N |
| 45 | F | P L U | E W | Asthma |
| 44 | M | A U R | Crep | Lung Fibrosis |
| 63 | M | P R L | E W | COPD |
| 53 | M | P L L | C | Heart Failure |
| 57 | M | P R U | C | pneumonia |
| 90 | M | A R M | C | Asthma and lung fibrosis |

## 应用场景

### 肺部声音分类与疾病诊断

该数据集最核心的应用场景是肺部声音分类与疾病诊断。研究人员可以利用336个音频文件训练机器学习模型，实现对不同呼吸疾病的自动识别。模型可以提取音频的时域特征（如波形振幅、过零率）、频域特征（如频谱能量、梅尔频率倒谱系数）以及时频域特征（如小波变换系数），然后使用支持向量机、随机森林、卷积神经网络等算法进行分类。通过分析不同疾病类型的声音特征，可以建立肺部声音特征库，为临床诊断提供辅助支持。特别值得注意的是，数据集采用三种不同听诊器设备采集同一患者数据的设计，可以训练出设备无关的诊断模型，提高模型在实际应用中的鲁棒性。

### 异常肺部声音检测

数据集包含35个正常和大量异常肺部声音样本，可以用于训练异常检测模型。异常检测模型可以识别出与正常呼吸音不同的异常声音，如喘息、湿啰音、捻发音等。这类模型可以应用于远程医疗监测系统，实时分析患者的肺部声音，及时发现潜在的健康问题。此外，异常检测模型还可以用于听诊器设备的智能化升级，帮助医护人员更准确地捕捉异常声音。数据集的多设备采集设计使得训练出的异常检测模型能够适应不同类型的听诊器设备，提高模型的实际应用价值。

### 症状严重程度评估

数据集中包含不同症状描述的标注信息，如吸气性喘息、呼气性喘息、湿啰音、捻发音等，可以用于研究症状严重程度与声音特征之间的关系。研究人员可以分析不同严重程度症状的声音特征差异，建立症状严重程度评估模型。这类模型可以帮助医生更客观地评估患者的病情严重程度，制定更精准的治疗方案。此外，症状严重程度评估模型还可以用于监测患者治疗效果，评估病情变化趋势。通过结合患者的年龄、性别等元数据，可以进一步提高评估的准确性和个性化程度。

### 个性化诊断与治疗方案推荐

数据集包含患者的年龄、性别、疾病类型、症状描述等多维度信息，可以用于个性化诊断和治疗方案推荐研究。研究人员可以分析不同人群的肺部声音特征差异，建立个性化诊断模型。例如，可以针对不同年龄、性别的患者建立专门的诊断模型，提高诊断准确性。此外，结合患者的病史信息和声音特征，可以推荐更适合的治疗方案，实现精准医疗。个性化诊断与治疗方案推荐可以有效提高医疗资源利用效率，改善患者治疗效果。数据集的多设备采集设计使得个性化诊断模型能够适应不同的采集设备，提高模型的适用性和可靠性。

## 结尾

肺部声音数据集是一个高质量的医学音频数据集，包含336个经过专业标注的肺部声音音频文件，来自112位患者，每位患者使用三种不同听诊器设备（BP、DP、EP）进行采集。数据集涵盖哮喘、COPD、心力衰竭、肺纤维化、肺炎等多种呼吸疾病类型，包含完整的原始音频文件、专业的医学标注、丰富的元数据以及多听诊位置的数据覆盖。

该数据集的核心优势在于其完整的原始音频文件、多设备采集设计、多类别疾病标注、专业医学标注以及丰富的元数据。这些数据不仅可以用于训练和评估肺部声音分类模型，还可以用于异常检测算法研发、症状严重程度评估、个性化诊断系统开发等多个研究方向。

肺部声音数据集为肺部疾病自动诊断技术的研究提供了宝贵的数据资源，有望推动相关算法的发展和创新。研究人员可以基于该数据集开展深入的研究工作，为临床医疗提供更准确、更高效的辅助诊断工具。