تحتوي الأصوات التنفسية على معلومات حيوية تُسهم في التشخيص المبكر للمرض الرئوي الفيروسي القاتل. ومنذ انتشار جائحة كوفيد-19، ازداد الاهتمام بشكل كبير بالرعاية الطبية غير الملامسة باستخدام الأدوات الطبية الإلكترونية مثل السماعات الإلكترونية. وبهدف تحقيق ذلك، تم تطوير نماذج متقدمة قائمة على التعلم العميق لتشخيص الأمراض الرئوية؛ إلا أن التحدي ما زال قائماً بسبب ندرة البيانات الطبية. في هذه الدراسة، نُظهر أن النموذج المُدرّب مسبقًا على مجموعات بيانات بصرية وصوتية ضخمة يمكن تعميمه على مهام تصنيف الأصوات التنفسية. علاوةً على ذلك، نُقدّم تقنية تدعى "Patch-Mix" المبسطة، التي تُخلط عشوائيًا بين مساحات (Patch) مختلفة من عينات صوتية مختلفة، باستخدام نموذج تحويل الطيف الصوتي (Audio Spectrogram Transformer - AST). ونُقترح كذلك طريقة جديدة وفعّالة تُعرف بـ "التعلم التبايني Patch-Mix" للتمييز بين التمثيلات المختلطة في الفضاء الخفي. وقد حقق نهجنا أداءً متفوقًا على مستوى الحالة الحالية في مجموعة بيانات ICBHI، متفوقًا على أفضل نتيجة سابقة بنسبة تصل إلى 4.08%.