藉助手機的麥克風來錄製心跳，然後使用 MananAgarwal 訓練的 Heartbeat-Classifier 模型來判斷心跳是否異常。經過測試，我和 Emanon 的心跳都是正常。我也有嘗試使用其他項目的實驗數據來測試這個模型，對於「二尖瓣迴流」和「主動脈狹窄」的異常心跳都成功的識別了出來。不過它畢竟只是一個人工智能模型，如果有不舒服，還是應該儘早去看醫生。
安裝 Heart Anomaly Detection
這是一個 python3 的 tensorflow 項目。項目本身並不大（9 MB）但依賴大概有 600MB ，所以推薦使用虛擬環境來安裝。
#安裝依賴
pip install tensorflow keras librosa
#下載項目
git clone https://github.com/MananAgarwal/Heartbeat-Classifier.git
#測試運行
cd Heartbeat-Classifier
python testing.py heartbeat-to-classify.wav
#稍等片刻應該會成功輸出
Normal heartbeat
confidence: 0.9638266
使用手機錄製心跳
由於我不是蘋果手機用戶，所以無法推薦和測試適合的錄音應用。但是該模型的訓練數據中有用到蘋果手機（用iStethoscope Pro）錄製的心跳音頻，所以蘋果手機應該也是沒問題的。我的安卓手機使用的是 Audio Recorder，一個開源免費又小巧的錄音軟件（5.6 MB）。設置裏只需要把編碼格式改爲「.wav」，其他的保持不變即可滿足我們的需要。
找到手機的麥克風位置，一般都在手機的底部。找一個相對安靜的地方，點擊開始錄音（爲了避免誤觸屏幕，可以按一下電源鍵把屏幕關閉），把手機的麥克風的位置貼近心臟的位置，按住15秒左右，然後打開手機，停止錄音。我的建議是手機直接接觸皮膚來錄音，可能會獲得更好的音質。但是我給 Emanon 錄音的時候是隔着 T 恤的，倒也沒有影響的測試結果。
錄好的聲音文件默認保存在 /sdcard/Android/data/com.github.axet.audiorecorder/files/recordings 中，可以通過 USB 線或 Material Files 文件管理器將文件傳輸到電腦上。
最後使用上面的測試命令進行檢測，即可得到預測的心率狀態：Normal（正常）或 Abnormal（不正常），以及預測的信心值 confidence。
關於這個預測模型
該模型由博拉理工学院（印度皮拉尼）的 Manan Agarwal 和 Ankita Chakravarty 根據 The Classifying Heart Sounds Challenge 2011的數據集訓練而來。模型的訓練準確度爲 89.73，測試準確率爲 84.04。下面的文字摘自他們的論文說明：
我們的目標是提供一個可靠，快速且低成本的系統，讓未經培訓的一線衛生工作者或任何具有互聯網訪問權限的人都可以使用，以幫助確定是否應該將受試者推薦給專家診斷，尤其是在訪問臨床醫生和專家比較困難的地區。這也將有助於早期診斷心血管疾病，並大大降低這些死亡的潛在危險因素。