面向基层筛查、养老照护、体检服务和家庭随访等场景，知肺项目将肺音采集、智能分析、结构化报告与随访管理整合为一套轻量化服务闭环。
图1 知肺项目样机硬件：肺音采集端与边缘计算开发板
近日，知肺项目围绕肺部健康筛查与慢性呼吸系统疾病管理需求，推出便携式智能肺音采集分析方案。该方案以 MEMS 声学传感、电子听诊采集、边缘 AI 推理和结构化报告生成为核心，尝试把传统依赖现场经验的肺音信息，转化为可记录、可解释、可追踪的健康管理数据。
随着肺癌早筛早诊、慢性呼吸系统疾病防治和基层健康管理工作持续推进，肺部健康服务正在从单次检测向连续监测、风险分层和长期随访延伸。对于基层门诊、社区卫生服务中心、养老机构、学校体检、企业健康管理和家庭复测等场景而言，一套便携、易用、可留痕的肺音筛查工具，能够为早期风险提示和后续健康管理提供更稳定的技术入口。
知肺项目的产品定位，是一套“硬件采集、边缘分析、报告输出、随访管理”一体化的便携式肺部健康分析方案。前端设备用于采集肺音信号，边缘端设备负责完成信号处理、特征提取和模型推理，结果端则将分析信息整理为结构化报告，便于医生复核、机构建档和用户理解。
从采集到报告：把一次肺音检测做成完整闭环
在采集端，知肺采用电子听诊结构与 MEMS 声学传感单元获取肺音数据，并通过多位点引导机制规范胸前、背部等听诊位置的采集流程。与单点、零散的音频记录相比，多位点、定时长、带流程引导的采集方式更有利于后续模型分析、医生复核和长期随访对比。
在算法端，系统将采集到的肺音信号转换为适合深度学习识别的时频表达，结合对数幅度频谱图、MFCC 静态与动态特征、分频段能量等信息，辅助识别吸气、呼气、哮鸣音、爆裂音及混合异常音等事件。项目采用知识蒸馏与轻量化模型路线，在保证端侧部署效率的同时降低模型复杂度。
在部署端，知肺以 RK3588 等边缘计算平台作为验证基础，通过模型转换和 INT8 量化实现本地化推理。边缘端部署的意义在于，当基层外出筛查、养老巡检或家庭复测场景网络条件不稳定时，设备仍可完成基础分析与结果生成，降低对云端环境的依赖。
图2 知肺项目技术链路：肺音采集、特征提取、知识蒸馏与边缘端推理
让结果更可读：结构化报告服务筛查与随访
知肺的重点不只在于“采到声音”，还在于把声音转化为可阅读、可保存、可复盘的健康信息。系统在完成肺音分析后，可形成包含采集位置、呼吸事件统计、异常肺音提示、风险参考、复测建议等内容的结构化报告。对于医务人员，报告可作为初筛沟通和复核参考；对于机构端，历史记录可用于重点人群管理和复测提醒；对于家庭用户，通俗化结果有助于降低理解门槛。
需要强调的是，知肺项目定位为肺部健康筛查与管理辅助工具，并不替代专业医生诊断。对于系统提示异常或存在明显呼吸不适的人群，仍应结合临床症状、影像检查、肺功能检查等专业医疗手段进行综合判断。
图3 肺音时频特征与分析界面示例
面向多场景：从基层筛查延伸到连续管理
从应用场景看，知肺并不局限于医院内单点使用。基层门诊可将其作为肺部健康初筛工具，社区卫生服务中心可用于重点人群筛查和随访，养老机构可开展定期巡检，学校与企业体检可将其作为批量化、标准化的筛查入口，家庭用户也可在复测随访中获得连续记录。
围绕这些场景，项目进一步设计了“设备交付 + 平台订阅 + 项目化运营 + 数据服务”的复合模式。前端硬件负责场景覆盖，中端 AI 分析能力提供异常提示与风险分层，后端平台承接历史结果、复测提醒和机构端统计看板，从而把一次检测延伸为可持续的健康管理服务。
图4 知肺平台面向医疗机构、社区服务、体检中心与家庭随访等多场景协同
青年团队推进样机验证与场景打磨
据项目材料显示，知肺团队已围绕采集终端、数据处理、模型推理和报告输出等关键链路完成原型验证，并持续推进产品化迭代、知识产权储备和多场景应用反馈。团队成员结合机器学习、数字信号处理、嵌入式开发、软件工程和健康管理场景需求，逐步将课堂技术能力转化为真实项目能力。
项目团队表示，知肺未来将继续围绕采集稳定性、算法可靠性、报告可解释性和场景适配性开展优化，并优先在基层筛查、体检服务、养老照护和慢病随访等场景推进试点验证。随着肺健康管理从“检查一次”走向“长期管理”，便携式肺音采集与边缘智能分析有望成为呼吸健康服务数字化的一项重要补充。
“佳器听肺音，纯心护万家。”知肺希望通过更便携的硬件、更清晰的报告和更连续的随访管理，让肺健康风险被更早关注，也让基层和家庭拥有更容易使用的呼吸健康管理工具。团队同时强调，相关产品功能以实际测试、注册备案或后续正式发布信息为准。
