A monitoring device has microphones, an ADC； a digital radio； and a processor with firmware. The firmware includes code for digitizing audio from the microphones into time-domain audio, performing FFT to provide frequency-domain audio, running a first neural network on time domain and frequency-domain audio to extract features, executing a classifier on the features to identify candidate events, and using the digital radio to upload candidate events and features. A pressure sensor awakens the processor from a low-power state. In particular embodiments, the first neural network is an embedded Gated Recurrent Unit having weights trained to extract features of use in the classifier； and candidate events include normal inhalation and exhalation breathing sounds, crackles, wheezes, coughs, snoring, gasping, choking, and speech sounds and in some embodiments heart sounds. A method of monitoring breathing during sleep includes attaching the device to, or embedding the device within, a pillow.La présente invention concerne un dispositif de surveillance comprenant des microphones, un CAN ； une radio numérique ； et un processeur avec micrologiciel. Le micrologiciel comprend un code pour numériser les données audio provenant des microphones en données audio dans le domaine temporel, effectuer une transformée FFT pour fournir des données audio dans le domaine fréquentiel, exécuter un premier réseau neuronal sur l'audio de domaine temporel et de domaine fréquentiel pour extraire des caractéristiques, exécuter un classificateur sur les caractéristiques pour identifier des événements candidats et utiliser la radio numérique pour télécharger des événements et des caractéristiques candidats. Un capteur de pression réveille le processeur depuis un état de faible puissance. Dans des modes de réalisation particuliers, le premier réseau neuronal est une unité récurrente à grille intégrée ayant des poids entraînés pour extraire des caractéristiques d'utilisation dans le classificateur ；
