[论文解读] Instant Preliminary Cardiac Analysis from Smartphone Auscultation: A Real-World Canine Heart Sound Dataset and Evaluation

Aswin Jose, Roeland P. J. E. Decorte+1 more|arXiv (Cornell University)|Jan 20, 2026

Phonocardiography and Auscultation Techniques被引用 0

一句话总结

该论文展示了从智能手机收集的真实世界犬类心音数据集，并评估 SoNUS 3.2.x 作为初步心脏分析的可行性，聚焦于在可变录制条件下的心率估计，并引入一个质量评分模块和一个快速的 30–40 秒变体。

ABSTRACT

This study presents a real-world canine heart sound dataset and evaluates SoNUS version 3.2.x, a machine learning algorithm for preliminary cardiac analysis using smartphone microphone recordings. More than one hundred recordings were collected from dogs across four continents, with thirty eight recordings annotated by board certified veterinary cardiologists for quantitative evaluation. SoNUS version 3.2.x employs a multi-stage fallback architecture with quality-aware filtering to ensure reliable output under variable recording conditions. The primary sixty second model achieved mean and median heart rate accuracies of ninety one point six three percent and ninety four point nine five percent, while a fast model optimized for thirty to forty second recordings achieved mean and median accuracies of eighty eight point eight six percent and ninety two point nine eight percent. These results demonstrate the feasibility of extracting clinically relevant cardiac information from opportunistic smartphone recordings, supporting scalable preliminary assessment and telehealth applications in veterinary cardiology.

研究动机与目标

• 解决用于 AI 基础分析的真实世界、用智能手机录制的犬类心音数据缺乏的问题。
• 开发并验证一个具有质量门控的稳健多阶段 SoNUS 3.2.x 流程，适用于可变录制条件。
• 提供心率估计基准并评估在兽医家庭远程心脏科诊疗中的可行性。

提出的方法

• 使用智能手机麦克风在常规条件下收集真实世界的犬类心音数据集（100 以上只犬，覆盖5大洲）。
• 由具备资格的兽医心脏科医生对38 条记录进行注释，标注 S1/S2 时间点、杂音、异位心博及心律失常。
• 开发具有多阶段回退架构和质量评分模块的 SoNUS 3.2.x。
• 创建一个快速的 30–40 秒变体和一个主流的 60 秒变体，以评估短时与长时表现。
• 在 PhysioNet CinC 数据集上训练/微调一个杂音检测模型（ResNet），并使其适应犬类数据。

实验结果

研究问题

• RQ1 智能手机录制的犬类心音在真实世界录制条件下是否能提供可靠的心率估计？
• RQ2 多阶段回退与质量门控机制是否能提升对录制变异性的鲁棒性？
• RQ3 在狗的心率估计中，快速的 30–40 秒模型与主模型（60 秒）在性能方面的特征是什么？
• RQ4 在领域适配后， opportunistic 家庭记录的犬类心音中杂音检测是否具可行性？

主要发现

模型	时长	数据集规模 (n)	平均心率误差 (%)	平均心率准确率 (%)	中位心率误差 (%)	中位心率准确率 (%)
快速模型	30–40 秒	114	11.14	88.86	7.02	92.98
主模型	60 秒	38	8.37	91.63	5.05	94.95

• 快速模型（30–40 秒）实现平均心率误差 11.14%，平均心率准确率 88.86%，中值心率准确率 92.98%。
• 主模型（60 秒）实现平均心率误差 8.37%，平均心率准确率 91.63%，中值心率准确率 94.95%。
• 质量评分（QS）过滤（阈值 ≥70）提高分位数准确度并降低不可靠输出，短时录音中有86%、全时录音中有84.21%被判定为结果呈现适用。
• 质量评分过滤后的结果在 QS ≥70 时显示更高的60/80 百分位心率准确度（如 80 百分位 84.82-88.71；90 百分位 76.49-86.29）。
• SoNUS 3.2.x 的多阶段回退提高对变量录制质量的鲁棒性，能够从较低质量输入中恢复有效结果。
• 杂音检测在 PhysioNet CinC 数据集上达到最先进基线性能，但现实世界的杂音评估受信号质量和环境噪声的限制。