精选理由
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。
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。
AI 翻译 · 中文
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。
Photoplethysmography (PPG), a non-invasive measure of changes in blood volume, is widely used in both wearable devices and clinical settings. Recent PPG foundation models either use open-source ICU datasets with pretrain…