先天性心脏病在幼儿中是一种常见的先天异常的心脏疾病,一般是由于婴儿在胚胎期其心脏和血管不良发育。且先心病手术有年龄限制,而且难以预防,必须早确诊早治疗。在一些高原的偏远山区是先心病的高发病区,但是由于医疗条件限制,医疗设备缺乏,以及医生资源稀少,导致先心病患者直到错过最佳治疗时期都未被确诊治疗。先心病相关的肺动脉高压是由先心病引起的疾病,心脏听诊是先心病和肺动脉高压初诊的常用手段,听诊后将疑似病例进行超声心动图确诊。由于听诊对医生的专业水平和听诊经验要求较高,容易造成误诊漏诊,导致错过未成年时期的黄金手术期而造成莫大的遗憾。因此,借助机器辅助医生进行先心病和肺动脉高压的初诊显得尤为重要。本文旨在通过心音信号进行处理分析识别,从而对先心病与肺动脉高压进行诊断。文章主要工作如下:1.针对采集的含有噪声心音信号进行预处理,心音预处理主要是去噪和分割,去噪方法用的是小波去噪。对去噪后的心音提出了基于香农能量包络以及维奥拉积分包络融合的心音分割算法。并对分割效果进行了实验测试,其分割准确度得到了改进。在同一数据集上,对预处理后的心音以及原始心音进行心音分类,结果显示准确度提高了8%左右。2.将预处理后的心音进行Teager-Kaiser能量算子（TKEO）运算,随后对运算得到的TK信号能量基于梅尔频率倒谱系数（Mel-frequency cepstral coefficients,MFCC）提取频谱图得到频域特征,两者融合的TK-Mel特征作为后续分类的特征。3.将提取的TK-Mel心音特征进行循环神经网络（Recurrent neural network,RNN）训练测试,得到分类结果。将正常心音与先心病心音作为源任务,得到分类模型,然后利用迁移学习的Trada Boost算法将分类模型进行迁移,进一步实现肺动脉高压心音与先心病的分类。