编辑推荐：
为解决机器学习算法因数据不平衡导致的呼吸频率（RR）估计误差大问题，研究人员开展基于自举不平衡特征生成（BIFG）结合高斯过程（GPR）的 RR 及不确定性估计研究。结果显示，该方法 MAE 低至 0.89bpm，提升了数据不平衡场景下 RR 估计的准确性与可靠性。
呼吸频率（RR）作为心肺健康的关键指标，对老年群体尤为重要 —— 其快速变化可能预示严重疾病。然而，传统机器学习方法在处理呼吸数据时面临显著挑战：正常呼吸（12–20 bpm）、呼吸困难（≥20 bpm）和呼吸过缓（<8 bpm）的样本量差异极大，导致模型对少数类（如异常呼吸）学习不足，预测误差显著。现有基于光体积描记术（PPG）的方法虽具备无创、经济的优势，但数据不平衡问题始终制约着算法的准确性和可靠性，尤其在需要精确医学决策的场景中，传统模型的局限性亟待突破。
为攻克这一难题，韩国世宗大学（Sejong University）、江原国立大学（Kangwon National University）和光云大学（Kwangwoon University）的研究团队开展了一项创新研究。他们提出一种结合自举不平衡特征生成（BIFG）与高斯过程回归（GPR）的新方法，旨在通过人工生成特征曲线平衡数据分布，提升异常呼吸状态下的 RR 估计精度，并首次实现对估计不确定性的量化。该研究成果发表在《Scientific Reports》上，为呼吸监测技术的临床应用提供了重要突破。
研究采用两大关键技术：
- 数据预处理与特征提取：对 PPG 信号进行去噪、重采样等处理，利用自相关函数提取功率谱（PS）特征曲线，捕捉呼吸频率的频域信息。
- 自举不平衡特征生成（BIFG）：通过非参数自举法对少数类（呼吸困难、呼吸过缓）的功率谱曲线进行重采样，生成大量人工特征曲线，与原始数据融合后平衡数据集分布。
- 高斯过程回归（GPR）：利用 GPR 的非参数特性建模 PPG 特征与 RR 的非线性关系，同时输出置信区间（CI）量化估计不确定性。
研究结果
1. 数据不平衡问题的有效解决
通过 BIFG 生成的人工功率谱曲线显著增加了少数类样本量。以 BIDMC 数据集为例，原始异常呼吸样本经自举后，样本量从不足百例扩展至 600 例以上，使数据集分布更均衡。Kolmogorov-Smirnov 检验显示，人工特征与原始特征的分布无显著差异（p>0.05），验证了生成数据的可靠性。
2. 预测性能显著提升
在 BIDMC 和 RRSYNTH 数据集上，GPR-BIFG 模型的平均绝对误差（MAE）分别为 0.89 bpm 和 1.44 bpm，显著低于传统 GPR（1.45 bpm 和 2.19 bpm）及其他机器学习模型（如 SVM、LSTM 等）。均方根误差（RMSE）和决定系数（R2）也显示，GPR-BIFG 的预测精度和稳定性最优，R2 最高达 0.96，表明模型对 RR 的拟合能力极强。
3. 不确定性估计的可靠性
GPR-BIFG 生成的置信区间（CI）能够有效反映 RR 估计的不确定性。与传统 GPR 相比，其 CI 范围更紧凑且覆盖真实值的概率更高，尤其在异常呼吸场景中，CI 的准确性提升显著，为临床决策提供了更可靠的参考依据。
结论与意义
本研究首次将自举法应用于呼吸监测的特征生成，成功解决了数据不平衡对 RR 估计的影响。通过 GPR-BIFG 模型，不仅实现了高精度的呼吸频率预测，还通过置信区间量化了估计不确定性，这对实时监测老年群体的呼吸异常、早期预警严重疾病具有重要临床价值。此外，该方法无需依赖大量标注数据，为资源有限的医疗场景提供了可行方案。未来研究可进一步扩展至更大规模数据集（如 MIMIC-III），并探索其在心率变异性等其他生理参数估计中的应用，推动无创生理监测技术向更精准、可靠的方向发展。
