华中科技大学王超教授团队，从 2020 年初武汉同济医院 ICU 采集的一批新冠重症肺音原始数据起步，前后耗时六年，走完数据清洗、算法设计、芯片架构、流片、整机测试完整链条，研发出全球首款专门用来做肺音监测的低功耗 AI 处理器，相关成果正式被集成电路领域顶刊《IEEE 固态电路学报》（JSSC）录用，这也是华中科大首篇 AI 处理器、数字集成电路方向的 JSSC 论文。传统智能听诊方案大多直接跑通用深度学习模型，不管肺音正常还是异常，都执行全套精细分类，功耗很高，没法长时间穿戴监测，这支团队设计了两阶段混合神经网络硬件架构，先做低成本粗筛，只有抓到异常呼吸杂音，才开启高精度细分类，大幅砍掉无效算力，正常肺音处理每帧功耗只有 0.39 毫焦，适合做成可穿戴设备，用来给病人、慢病群体做不间断肺部声音筛查，这套方案也给心音、心电、脑电这类人体生理信号的低功耗边缘芯片提供了参考路线。
为什么要专门做一颗肺音专用 AI 芯片
- 传统听诊高度依赖医生经验：人工听诊只能短时采样，没法做到全天持续监测，容易漏掉夜间、间歇出现的异常呼吸音。
- 通用 AI 加速器功耗不达标：通用芯片不分场景，每一段音频都跑复杂网络，穿戴设备续航扛不住，很难长期佩戴。
- 肺音天然正负样本极度不均衡：绝大多数呼吸片段是正常，只有少量存在哮鸣音、湿啰音，适合分级分诊式计算。
- 临床真实肺音数据集稀缺：重症环境采集难度大，噪声复杂，公开数据集大多干净、简单，和真实病房差距大。
- 面向基层、居家慢病筛查需求：慢阻肺、哮喘、肺部感染人群，需要轻量化、低成本、离线就能判断的监测硬件。
芯片核心技术与指标清单
- 核心架构：两阶段可重构双模 AI 处理器，混合神经网络硬件。
- 工作逻辑：第一阶段低功耗粗筛，判断正常 / 异常；第二阶段仅在异常触发后，执行细粒度分类。
- 能效数据：正常肺音单帧推理耗电 0.39 mJ，异常片段才拉高算力。
- 识别目标：区分正常呼吸音、哮鸣音、爆裂音，同时判断组合类型。
- 完整链路：临床采集 → 数据标注 → 算法训练 → 架构设计 → RTL → 流片 → 板上实测。
- 拓展潜力：架构可迁移到心音、脑电、心电等其他生理信号监测芯片。
项目关键时间线汇总表
| 时间节点 | 关键事件 |
|---|---|
| 2020 年初 | 在武汉同济 ICU，用捐赠数字听诊器采集重症肺音原始样本 |
| 2020–2022 | 完成数据降噪、标注，推出肺音分级诊断 AI 算法，发表生物医学论文 |
| 2022–2024 | 针对肺音分布特点，设计两阶段混合神经网络硬件架构 |
| 2024–2025 | 前端实现、流片、回片调试，反复迭代优化功耗与识别精度 |
| 2026-09 | 论文被 JSSC（IEEE 固态电路学报）正式录用 |
| 2026-11 | 成果对外公开，被行业媒体深度报道 |
这套肺音 AI 芯片完整工作流程
- 数字听诊器采集胸腔呼吸声学信号，做降噪预处理，过滤病房、设备背景噪声。
- 信号送入这颗专用 AI 芯片，启动第一阶段轻量网络快速筛查。
- 如果判定肺音正常，直接结束本轮推理，进入休眠，节省电量。
- 如果检出可疑杂音，自动触发第二阶段高精度网络，区分是哮鸣、湿啰音或者混合异常。
- 输出分级结果，同步记录时间、波形，设备本地存储，也可以按需上传后台。
- 持续循环采集，实现几天甚至几周不间断居家、床边监测。
当前的局限与落地前提
现在它属于科研流片成果，不是已经量产的商用芯片；测试主要基于这批重症肺音数据集，大规模多中心临床验证还需要继续推进；它是辅助筛查工具，不能直接替代医生诊断和 CT 等检查；后续还要配套成熟的听诊硬件、合规医疗器械认证，才能走进病房和家用市场。
【常见问题】
问题 1：从重症病房到顶刊论文：一批肺音数据，六年磨出一颗 AI 芯片，这颗肺音 AI 芯片是哪个团队研发的？
回答 1：从重症病房到顶刊论文：一批肺音数据，六年磨出一颗 AI 芯片，由华中科技大学光电信息学院王超教授团队完成，论文第一作者为博士生杨可怡、沈梓煊。
问题 2：从重症病房到顶刊论文：一批肺音数据，六年磨出一颗 AI 芯片，两阶段架构是怎么降低肺音监测功耗的？
回答 2：从重症病房到顶刊论文：一批肺音数据，六年磨出一颗 AI 芯片，先使用轻量网络粗筛，只有识别到异常肺音才开启高精度细分类，大部分正常片段直接跳过复杂计算，减少无效算力。
问题 3：从重症病房到顶刊论文：一批肺音数据，六年磨出一颗 AI 芯片，这篇顶刊论文发表在哪本期刊？
回答 3：从重症病房到顶刊论文：一批肺音数据，六年磨出一颗 AI 芯片，成果收录在集成电路顶刊《IEEE Journal of Solid-State Circuits》，简称 JSSC。
问题 4：从重症病房到顶刊论文：一批肺音数据，六年磨出一颗 AI 芯片，这颗肺音 AI 芯片可以直接用来确诊肺病吗？
回答 4：从重症病房到顶刊论文：一批肺音数据，六年磨出一颗 AI 芯片，它属于辅助筛查硬件，用来持续捕捉异常呼吸音，不能单独作为确诊依据，最终诊断仍需要临床医生结合影像、化验综合判断。
【参考资料】
[2026-11-13]（从重症病房到顶刊论文：一批肺音数据，六年磨出一颗 AI 芯片）麻省理工科技评论
[2026-11-13]（华科团队六年攻关，肺音专用 AI 芯片登上集成电路顶刊）DeepTech 深科技
[2026-09-29]（光电信息学院王超教授课题组 AI 处理器芯片研究成果被集成电路顶刊 JSSC 录用）华中科技大学光学与电子信息学院官网
[2026-11-13]（六年打磨，基于新冠重症肺音数据的低功耗 AI 芯片亮相）亿欧
[2021-11-12]（我院王超老师课题组新冠肺音人工智能分级诊断研究获得突破）华中科技大学光电信息学院
【免责声明】
该肺音专用 AI 芯片现阶段为科研流片成果，尚未完成医疗器械注册与规模化量产；识别效果受采集环境、听诊点位、噪声干扰影响；本设备仅用于辅助筛查，不能替代临床医师诊断；相关临床验证、产品化落地进度以华中科技大学团队和后续合作企业官方披露为准；本文仅科研资讯整理，不构成医疗设备采购、投资或者临床应用建议。