本研究提出了一种利用智能手机麦克风和深度学习算法检测儿童肺炎早期异常呼吸声音的方法，能够准确评估呼吸，促进干预，降低儿童肺炎死亡率，为偏远地区提供公平的儿科护理新途径。

本研究提出了一种新颖的轻量级集成模型，结合MobileNetV2和NASNetMobile两个卷积神经网络，用于儿童肺炎的早期检测。该模型的分类准确率达到98.63%，优于单一模型，适合资源受限环境。

PneumoniaAPP是一款基于深度学习的移动应用，专为高发地区儿童肺炎诊断设计。该应用利用卷积神经网络训练3345张胸部X光图像，准确率达到88.20%，支原体类别准确率为97.64%。为0-12岁儿童提供可靠的诊断工具，减轻医疗负担。