摘要
胸腔聽診爲診斷肺部病症的主要方法，醫生藉由聽診器聽取肺部聲音，憑藉其專業認知與經驗來判斷不同的肺音所代表的病症，由於在120HZ以下的生理訊號，是由心音及肺音組成，而人耳對於低頻的靈敏度不高，故造成醫生在聽診判斷上的困難。爲解決此一問題，本研究的目的爲建構多種肺音辨識系統，用來辨識肺泡音(vesicular breath sounds)，支氣管音(bronchial breath sounds)，氣管音(tracheal breath sounds)，爆裂音(crackle)，哮喘音(wheeze)，喘鳴音(stridor)等六種常見肺音。首先使用壓電麥克風與資料擷取卡NI-PXI4472B擷取人體肺音訊號，並作訊號預處理。接著以小波轉換作爲特徵擷取之方法，透過圖形監控軟體LabVIEW設計小波轉換之架構，訊號分解後之四個頻段做標準差與平均值運算，以得八個特徵值。在分類器方面，本研究以倒傳遞與學習向量量化類神經網路作爲系統分類器之子系統，用以模擬網路之可行性與內部參數，再經由LabVIEW建構類神經網路，分別測試其網路分類率，最後整合各子系統並建構投票機制，以提升系統之可靠度。由實驗結果顯示，相較於傳統聽診方式，本研究成功建構出一套多種肺音診斷系統，可正確地分類出六種常見肺部聲音，彌補人耳對於低頻靈敏度不高的缺點，並由圖形監控軟體LabVIEW建構人機介面，顯示肺音之頻譜、登記病歷資料…等，可供醫生作爲診斷肺部疾病病患之輔具。