使用数据驱动与知识驱动特征从语音预测心脏活动

准确预测心脏活动及其他生物信号对于诊断和监测至关重要。鉴于语音是多个生理系统共同作用的产物，大量研究探讨了心脏活动的声学关联特征。近期，与传统声学方法相比，自监督模型在语音相关任务中表现优异。然而，数据驱动表征在预测心脏活动方面的鲁棒性仍未被探索。在本研究中，我们证明了自监督语音模型在预测心脏活动参数方面优于声学特征。我们还强调了个体差异对模型泛化能力的影响。这些发现突显了数据驱动表征在此类任务中的价值，以及获取更多基于语音的生理数据以缓解与说话人相关挑战的必要性。