目的 通過基于DenseNet121架構的深度學習模型對主動脈瓣狹窄患者的心音進行識別，探索其在臨床上篩查主動脈瓣狹窄的應用潛力。方法前瞻性納入2021年6月—2022年2月天津市胸科醫院主動脈瓣疾病患者，采集其心音，并收集臨床資料。應用采集的心音數據建立深度學習模型，對其進行訓練、驗證與測試。最后使用測試結果繪制受試者工作特征曲線及精確度-召回率曲線評價模型性能。結果共納入100例患者，包括11例無癥狀患者。其中主動脈瓣狹窄患者組（狹窄組）50例，男30例、女20例，年齡（68.18±10.63）歲；無主動脈瓣疾病患者組（陰性組）50例，男26例、女24例，年齡（45.98±12.51）歲。模型對從主動脈瓣狹窄患者于臨床環境采集的心音數據具有優秀的區分能力：準確度為91.67%，靈敏度為90.00%，特異度為92.50%，受試者工作特征曲線下面積為0.917。結論 基于深度學習應用心音診斷主動脈瓣狹窄的模型在臨床篩查上具有優秀的應用前景，能為主動脈瓣狹窄患者的早期識別提供新思路。