紧凑潜在流形翻译：一种用于跨模态和跨频率生理信号合成的参数高效基础模型
信号处理
2026-05-14 v1 人工智能
摘要
生理时间序列的分析，例如心电图 (ECG) 和 脉搏血氧图 (PPG)，因源自异构录制设备的模态差异和频率差异而受到阻碍。现有基础模型通常依赖连续潜在空间，常 suffer from 严重的模态 entanglement，缺乏高保真跨频率生成能力，施加高计算成本，禁止在边缘设备上部署。本文提出紧凑潜在流形翻译 (CLMT)，一个高度参数高效 (0.09B) 的统一框架，通过一种新颖的两阶段离散翻译范式来桥接这些差距。首先，我们引入通用标记器，利用层次残差向量量化 (RVQ) 将异构信号解耦为孤立且结构良好的离散潜在流形，从而有效防止跨模态干扰。其次，上下文提示潜在翻译器将这些离散 token 跨模态映射，集成静态生理先验，将复杂信号合成重新定义为纯粹的潜在序列翻译任务。广泛的评估表明，我们的 0.09B 模型显著优于大型基准模型。在跨模态 PPG 到 ECG 合成中，它解决了时间相位漂移，显著提高了临床 R 峰检测 F1 分数，从 0.37 (基准) 提升至 0.83。此外，在极端跨频率超分辨率 (25Hz 转 100Hz) 中，它成功恢复了高频诊断标志物，实现了前所未有的 Pearson 相关系数 0.9956。通过学习一种针对生物信号的通用离散语言，仅用少量计算资源即可实现，为面向边缘部署的多模态医疗基础模型铺平了新轨迹。
引用
@article{arxiv.2605.13248,
title = {Compact Latent Manifold Translation: A Parameter-Efficient Foundation Model for Cross-Modal and Cross-Frequency Physiological Signal Synthesis},
author = {Bo Cui and Xiaowen Song and Yaowen Zhang and Shunzhe Zhang and B. J. F. van Beijnum and Monique Tabak and Ying Wang},
journal= {arXiv preprint arXiv:2605.13248},
year = {2026}
}