BCoughBench：身体耦合可穿戴传感器条件下呼吸声学基础模型的基准测试

呼吸声学基础模型 (FM) 仅以智能手机录音为基准，但临床部署越来越多地针对身体耦合 (BC) 可穿戴设备，这些可穿戴设备的传感器会通过组织和骨骼衰减高频内容，从而导致 FM 可靠性未得到表征。我们引入了 BCoughBench，在五个标记咳嗽数据集上的五个 EBEN 模拟 BC 传感器条件下，针对九个分类任务（AUROC、95% 特异性的灵敏度、预期校准误差）和三个年龄回归任务（MAE 与平均预测基线）评估五个 FM（OPERA-CT/CE/GT、HeAR、M2D+Resp）。平均 AUROC 从 0.785（智能手机）下降到 0.689-0.723，在太阳穴振动拾取下（$Δ$ = -0.096）降级最多，在软入耳式耳机下降级最少（$Δ$ = -0.062）。在任何 BC 传感器下，对于大多数疾病任务，没有 FM 能够满足临床灵敏度阈值 (Se@Sp95 $\geq$ 0.20)。 CIDRZ 队列的性别分类崩溃（AUROC 0.954 至 0.596-0.628，$Δ$ = -0.341），而 COVID 检测几乎不受影响（$Δ$ = -0.004）。年龄回归很稳健，在 CoughVID 上的额头加速计下有所改善（MAE 9.61 至 8.97 岁）； HeAR 主导回归和人口统计任务，M2D+Resp 主导疾病和特征任务。 BCoughBench 为可穿戴条件下的 FM 评估提供了可重复的框架。