心血管疾病一直是人类健康的一大威胁,其在各类致死病因中的占比更是居于首位,因此如何实现心血管疾病的早期筛查诊断成为一个重要的研究课题,对于该类疾病的防控治疗有着重要的意义,本文所研究的心音则是反映心血管状态的一个重要指标。心音,指心脏在周期性的跳动过程中所产生的一系列的声音,能够反映与心脏功能相关的多种信息,对于心血管疾病的诊疗有着显著的帮助作用。另一方面,随着人工智能技术的发展,许多基于人工智能的疾病诊断技术不断涌现,使得以机器辅助人工诊断成为可能,满足了医疗资源缺乏地区或是个人日常自我诊断的需求。本文希望实现手机端便捷的心音分类功能,使用卷积神经网络对手机心音录音是否存在疾病进行二分类。我们使用的数据基于Physio Net Challenge 2016的心音数据集与PASCAL心音数据集,进行了数据清洗与整理,然后通过将心音信号转化为二维时频图像的方法,设计卷积神经网络以实现分类,能够判断该心音是否存在心脏疾病,其准确率为85.35%。但由于手机录音与原始信号存在区别,直接使用原始数据训练的方式理论准确率虽高,但是不适用于实测,因此我们对数据进行了一些处理,使其能够模拟出接近于手机录音的效果。使用处理后的数据训练网络,准确率为83.98%,灵敏度(阳性准确率)为84.62%,特异性(阴性准确率)为83.37%。我们基于该模型开发了一套微信小程序,能够实现心音的录制与上传,并在服务器端实现分类。在20条实测录音数据上,原始数据训练的网络准确率为50.0%,而处理后数据训练的网络准确率为75.0%。