PPG-Distill：基于基础模型蒸馏的高效光电容积脉搏波描记信号分析
机器学习
2025-11-10 v2
摘要
光电容积脉搏波描记法（PPG）广泛应用于可穿戴健康监测，但大型 PPG 基础模型仍难以部署于资源受限的设备上。我们提出了 PPG-Distill，这是一个通过预测级、特征级和 patch 级蒸馏来传递全局与局部知识的知识蒸馏框架。PPG-Distill 结合了形态学蒸馏以保留局部波形模式，以及节律蒸馏以捕获 patch 间的时间结构。在心率估计和房颤检测任务上，PPG-Distill 将学生模型的性能提升了最高 21.8%，同时实现了 7 倍的推理加速并将内存占用减少至 1/19，从而支持在可穿戴设备上进行高效的 PPG 分析。
引用
@article{arxiv.2509.19215,
title = {PPG-Distill: Efficient Photoplethysmography Signals Analysis via Foundation Model Distillation},
author = {Juntong Ni and Saurabh Kataria and Shengpu Tang and Carl Yang and Xiao Hu and Wei Jin},
journal= {arXiv preprint arXiv:2509.19215},
year = {2025}
}
备注
Accepted at NeurIPS 2025 TS4H, we release our code publicly at https://github.com/LingFengGold/PPG-Distill