폐질환은 폐쇄성 질환으로 인한 합병증으로 이어지며, 코로나 19 팬데믹으로 폐질환 사망이 증가하였다. 의료진은 청진기를 사용하여 폐 질환을 진단한다. 그러나 호흡음에 대한 경험과 진단이 다르기 때문에 객관적인 판단이 가능한 인공지능 모델이 필요하다. 따라서, 본 연구에서는 어텐션 모듈과 딥러닝을 활용한 폐질환 분류 모델을 제안한다. 호흡음은 log-Mel spectrogram MFCC 를 사용하여 특징을 추출하였다. 우리는 VGGish 모델을 개선하고 ECA-Net(efficient channel attention module)을 적용한 LACN(light attention connected network)을 제안하여 정상음과 5 종의 이상음을 효과적으로 분류하였다. 모델의 성능은 정확도, 정밀도, 민감도, 특이도, f1-score, Balanced accuracy 로 평가되었으며, 어텐션 효과에 따른 각각 92.56%, 92.81%, 92.22%, 98.50%, 92.29%, 95.4%의 높은 성능을 확인하였다. Grad-CAM(gradient-weighted class activation mapping)을 이용하여 폐질환의 분류 원인을 분석하고, Littmann 3200 청진기로 측정한 폐질환의 공공데이터셋을 모델에 적용하여 성능을 비교하였다. 본 연구는 전문가들의 의견을 포함하였으며, 스마트 의료산업에 알고리즘을 활용하여 폐 질환 환자의 질병 조기 진단 및 해석에 기여할 것이다.