基于混合摊销推断从光电容积描记术推断光学组织特性
机器学习
2025-10-03 v1 生物物理
机器学习
摘要
智能可穿戴设备通过光电容积描记术（PPG）实现对心率、心率变异性和血氧饱和度等已建立生物标志物的持续追踪。除这些指标外，PPG 波形包含更丰富的生理信息，正如近期深度学习研究所证明的那样。然而，深度学习模型往往依赖生理含义不明的特征，在预测能力、临床可解释性与传感器设计之间造成紧张关系。我们通过引入 PPGen 解决了这一差距——一个将 PPG 信号与可解释的生理和光学参数关联起来的生物物理模型。基于 PPGen，我们提出了混合摊销推断（HAI），实现了从 PPG 信号快速、鲁棒且可扩展地估计相关生理参数，同时纠正模型误设。在广泛的计算模拟实验中，我们表明 HAI 可以在多样化的噪声和传感器条件下准确推断生理参数。我们的结果展示了一条通向 PPG 模型的路径，该模型在保留深度学习特征所需保真度的同时，支持临床可解释性和知情硬件设计。
引用
@article{arxiv.2510.02073,
title = {Inferring Optical Tissue Properties from Photoplethysmography using Hybrid Amortized Inference},
author = {Jens Behrmann and Maria R. Cervera and Antoine Wehenkel and Andrew C. Miller and Albert Cerussi and Pranay Jain and Vivek Venugopal and Shijie Yan and Guillermo Sapiro and Luca Pegolotti and Jörn-Henrik Jacobsen},
journal= {arXiv preprint arXiv:2510.02073},
year = {2025}
}