心音聽診是一種重要的用于心臟疾病診斷的方法。心音中可以聽見的部分主要為第一心音（S1）和第二心音（S2）。在一個心動周期中，不同階段的雜音往往對應不同的心臟疾病，因此心音分割是利用心音進行疾病診斷的前提。S1 和 S2 分別出現在心臟收縮期和舒張期的開始階段，準確定位 S1 和 S2 有利于心音的正確分割。本文研究了一種不利用收縮期和舒張期的時間特征，而僅使用 S1 和 S2 本身特性的分類方法。將訓練集中帶有標注的 S1 和 S2 進行短時傅里葉變換得到時頻圖，然后構建有分支的雙層卷積神經網絡，使用時頻圖對卷積神經網絡進行訓練，得到可用于 S1 和 S2 分類的神經網絡。神經網絡對測試集中 S1 和 S2 的分類準確率最高為 91.135%，高于傳統的方法。神經網絡的敏感性和特異性最高分別為 91.156% 和 92.074%。該方法無需預先提取心音的特征，計算簡單，有利于心音的實時分割。