心臓疾患の早期発見には、異常な生理学的パターンの迅速な識別が重要です。本研究では、心音信号におけるS3と雑音の異常を分類するために設計されたハイブリッド量子古典畳み込みニューラルネットワーク（QCNN）を紹介します。この手法では、1次元のフォンカーディオグラム（PCG）信号を、ウェーブレット特徴抽出と適応閾値圧縮を組み合わせることでコンパクトな2次元画像に変換します。そして、心音パターンを8ピクセルの画像に圧縮することで、量子段階に必要なキュービットは8つのみとなります。HLS-CMDSデータセットに対する初期結果では、テストセットで93.33%、トレインセットで97.14%の分類精度が示され、量子モデルが生体信号の時間-スペクトル相関を効率的に捉えられることを示唆しています。これは、バイオアコースティック信号処理におけるQCNNアルゴリズムの初めての応用であり、リソースが制約された医療環境に向けた量子強化診断システムへの第一歩を示しています。