PPGFlowECG：基于跨模态编码的潜空间修正流用于PPG引导的ECG生成与心血管疾病检测
机器学习
2026-01-22 v2 人工智能
信号处理
摘要
心电图（ECG）是心血管疾病（CVD）评估的临床金标准，但连续监测受限于对专用设备和训练有素人员的需求。光电容积描记术（PPG）在可穿戴设备中无处不在且易于扩展，但缺乏电生理特异性，限制了诊断可靠性。虽然生成方法旨在将PPG转化为临床有用的ECG信号，但现有方法受限于生成模型中生理语义的对齐不足以及高维信号建模的复杂性。为解决这些局限性，我们提出了PPGFlowECG，一个两阶段框架，利用CardioAlign编码器将PPG和ECG对齐到共享潜空间，然后使用潜空间修正流合成ECG。我们进一步对该耦合提供了形式化分析，表明CardioAlign编码器在我们所提出的公式中是保证稳定且语义一致的ECG合成的必要条件。在四个数据集上的广泛实验展示了合成保真度和下游诊断效用的提升。这些结果表明，当标准ECG采集不可用时，PPGFlowECG支持可扩展的、面向可穿戴设备的心血管疾病筛查。
引用
@article{arxiv.2509.19774,
title = {PPGFlowECG: Latent Rectified Flow with Cross-Modal Encoding for PPG-Guided ECG Generation and Cardiovascular Disease Detection},
author = {Xiaocheng Fang and Jiarui Jin and Haoyu Wang and Che Liu and Jieyi Cai and Yujie Xiao and Guangkun Nie and Bo Liu and Shun Huang and Hongyan Li and Shenda Hong},
journal= {arXiv preprint arXiv:2509.19774},
year = {2026}
}