先天性心脏病发病率高,临床诊断和筛查方法主要包括价格高昂的超声诊断和基于医生经验的心音听诊。国内外现阶段心音筛查装置在采集心音数据时仍依赖计算机、安卓等辅助设备,尚未发现集心音信号采集、处理、存储、传输和信号分析处理等功能于一体的筛查系统。集成上述功能的先心病筛查系统具备极高的临床应用价值,能有效服务临床及家庭中的先心病筛查。本文在上海申康医学中心-促进市级医院临床技能与临床创新三年行动计划项目“基于云端大数据的小儿先心病智能专家辅助筛查系统研发和优化”(16CR3079B)的资助下,联合上海交通大学医学院附属新华医院探索基于云端大数据诊断的计算机辅助医疗设备的设计方法与技术,以先心病筛查系统的设计为切入点,主要开展了三方面的研究工作:(1)设计了心音筛查系统。基于需求分析-功能综合-概念选择的设计方法构建了筛查系统的概念方案。根据概念方案对硬件系统进行详细设计:满足声学和人体工学要求的听诊头;适用于微弱低频心音信号的传感器选型和预处理电路的设计与仿真;满足交互需求的显示与存储功能设计;一体化的机壳设计。该硬件系统在连接WIFI后,在云端服务器提供心音分析功能的支撑下,用户使用时只需要操作筛查系统本身,不需要额外操作其他电脑、安卓系统等辅助设备即可进行心音采集和先心病筛查。(2)研究了心音分析方法。在心音预处理中,提出了基于多听诊区的心音分割方法,提取多种特征用于建立模型,建立基于四诊区和随机森林的心音分类模型,建立基于卷积神经网络和CTC损失的未分割心音分类模型。该未分割心音分类模型在训练数据和测试数据有一定重合时,表现出较好的心音分类效果,同时该模型还能避免传统心音分类方法中心音分割易受病理性杂音影响的问题。上述分析方法能为大数据下的心音筛查提供有力的支持。(3)开发了心音筛查软件系统。在硬件系统的客户端中开发了筛查系统软件,并为该软件配备了云端数据库存储、查询接口。采用所设计的分析方法用Python搭建了基于TensorFlow的服务端程序,为来自筛查系统客户端的数据提供数据分析接口。本文以先天性心脏病的筛查系统的硬件设计-算法分析-软件设计为切入点,完成了先心病筛查系统的设计和开发。本设计为先心病筛查普及率低的问题提供了解决方案,还探索了计算机辅助医疗设备的设计方法和技术,为其他疾病的计算机辅助诊疗提供参考。