09:16arXiv cs.AI@Eloy Geenjaar, Vince Calhoun, Scott Daly, Gouthaman KV, Lie Lu, Trisha Mittal, Daniel P. Darcy该研究提出了一种利用多模态生理信号监督的PPG基础模型,无需高质量或现场类预训练数据,而是借助ICU数据集中的心电和呼吸信号来选择对比学习样本。模型在预训练时能保留并学习噪声PPG片段,从而提升推理时的鲁棒性。与现有最先进方法相比,该模型仅用1/3的受试者进行预训练,在15个下游任务中的14个上取得性能提升,包括日常活动和心率预测。结果表明,多模态监督能整合互补生理信息,增强PPG基础模型对消费级数据的泛化能力。论文PPG基础模型多模态监督对比学习鲁棒性可穿戴设备推荐理由:做可穿戴健康监测或临床PPG分析的团队,可以关注这个用更少数据训练出更强鲁棒性的方法,直接提升在真实场景中的表现。原文