約 10 秒的靜音循環動畫，把聽診器、心臟與波形三個元素組織進同一畫面，存在局部動態與構圖變化。相關方法學研究關注心音段的自動分割與 S1、S2 時間標籤標註；研究結果以論文報告的數據與驗證條件爲限，不承諾逐次準確。
圖背後的故事
心音檢測技術在心血管疾病預測中發揮重要作用，但一些重要心音轉瞬即逝，可能難以察覺。因此，高效、準確地獲取心音信息有助於心臟病的預測與診斷。爲獲取心音信息，研究設計了一種音頻數據分析工具，從單個心動週期中分割心音，並使用指脈氧儀驗證心率。經驗證的方法可用於實現心音分割。該算法平臺能夠分割心音，並比較其與背景的差異。研究結合電子聽診器與人工智能技術，實現心音的數字化採集及第一心音（S1）、第二心音（S2）的智能識別。該方法可爲心音聽診以及心音、雜音的可視化展示提供客觀依據。
論文摘要（中文譯文 · 原文）
中文譯文 摘要 心音檢測技術在心血管疾病的預測中發揮重要作用，但最重要的心音轉瞬即逝，可能難以察覺。因此，高效、準確地獲取心音信息將有助於心臟病的預測與診斷。爲獲取心音信息，我們設計了一種音頻數據分析工具，從單個心動週期中分割心音，並以指脈氧儀驗證心率。經驗證的技術結果可用於實現心音分割。我們穩健的算法平臺能夠分割心音，並比較其與背景的差異。研究將電子聽診器與人工智能技術相結合，實現心音的數字化採集以及第一心音（S1）與第二心音（S2）的智能識別。該方法可爲心音聽診以及心音與雜音的可視化展示提供客觀依據。關鍵詞：心音；分割；人工智能；音頻數據分析工具
Abstract Heart sound detection technology plays an important role in the prediction of cardiovascular disease, but the most significant heart sounds are fleeting and may be imperceptible. Hence, obtaining heart sound information in an efficient and accurate manner will be helpful for the prediction and diagnosis of heart disease. To obtain heart sound information, we designed an audio data analysis tool to segment the heart sounds from single heart cycle, and validated the heart rate using a finger oxygen meter. The results from our validated technique could be used to realize heart sound segmentation. Our robust algorithmic platform was able to segment the heart sounds, which could then be compared in terms of their difference from the background. A combination of an electronic stethoscope and artificial intelligence technology was used for the digital collection of heart sounds and the intelligent identification of the first (S1) and second (S2) heart sounds. Our approach can provide an objective basis for the auscultation of heart sounds and visual display of heart sounds and murmurs. Keywords: heart sounds, segmentation, artificial intelligence, audio data analysis tool, justified