GPT-PPG：一种基于 GPT 的光电容积脉搏描记信号基础模型
机器学习
2025-03-12 v1 信号处理
摘要
本研究引入了专为光电容积脉搏描记（PPG）信号定制的生成式预训练 Transformer（GPT）模型的新颖应用，作为各种下游任务的基础模型。我们的方法对标准 GPT 架构进行了调整以适应 PPG 信号的连续特征，并展示了极具前景的结果。我们的模型在包含超过 2 亿个 30 秒 PPG 样本的广泛数据集上进行了预训练。我们探索了不同的监督微调技术以使模型适应下游任务，在心房颤动检测等任务中，其性能可媲美或超越当前最先进（SOTA）方法。我们 GPT 模型的一个突出特点是，无需进一步微调即可有效执行信号去噪等生成任务。这一成功归功于 GPT 框架的生成特性。
引用
@article{arxiv.2503.08015,
title = {GPT-PPG: A GPT-based Foundation Model for Photoplethysmography Signals},
author = {Zhaoliang Chen and Cheng Ding and Saurabh Kataria and Runze Yan and Minxiao Wang and Randall Lee and Xiao Hu},
journal= {arXiv preprint arXiv:2503.08015},
year = {2025}
}