近年来,呼吸系统及心血管疾病的患病率和死亡率逐年上升,其预防与治疗已经成为全球重大的公共卫生问题。呼吸音与心音是临床上对这些疾病诊断和筛查的重要生理信号。从呼吸音和心音中提取的光学频谱特征可以以少量数据表征大量人体生理信息,已广泛应用于疾病辅助诊断技术中。研究通过可穿戴技术自动便捷地监测并提取呼吸音及心音信号的光学频谱特征,并结合光学频谱分析技术实现对疾病的预防和自动辅助诊断,降低其患病率和死亡率,有着重大意义。本文根据专家听诊流程,提出了一种基于驻极体光学频谱特征与光电容积法相结合的呼吸及心血管疾病辅助诊断预警系统,主要研究内容如下:（1）设计了一种基于驻极体薄膜的声学柔性传感器,该传感器具有小于1.0 Pa的压力响应下限和5.32 V/kPa的高灵敏度（1000 Pa压强范围内）,可以清晰地区分不同的语音信号并实现了对呼吸音与心音的声学监测。（2）开发了便携式呼吸音及心音声-光转换平台,该平台通过对信号进行放大、滤波、电压变换、小波阈值去噪、归一化和光学梅尔频率倒谱特征图提取等处理,实现了对声学信号到光学特征的转换。其中,相比原始声学信号,光学梅尔频率倒谱特征图可以更加直观、清晰地展示不同病理、声纹特征间的差异性。（3）基于呼吸音及心音光学频谱特征,提出了用于疾病诊断的卷积神经网络模型。在对呼吸疾病的诊断上,该模型具有99.43%的准确率、98.30%的敏感性和99.02%的特异性;在对心脏异常的诊断中,该模型实现了99.32%的准确率、99.52%的敏感性和99.68%的特异性;（4）基于呼吸音光学频谱特征,构建了迁移学习模式下的ResNeXt-101模型。在对睡眠呼吸暂停的诊断中,该模型实现了99.00%的准确率、99.50%的敏感性和98.50%的特异性,并结合光电容积法,通过对血氧饱和度的实时监测实现了睡眠呼吸暂停时的低氧预警功能。