Pulse-PPG：面向实验室与野场场景的开源 PPG 基础模型
机器学习
2025-07-25 v2 人工智能
信号处理
摘要
基于光电血压（PPG）的基础模型正因 PPG 在生物信号监测中的广泛应用及其在多样健康应用中的潜在泛化能力而受到关注。本文介绍了 Pulse-PPG，这是首个仅在 120 名受试者进行 100 天野场研究期间收集的原始 PPG 数据上训练的开源 PPG 基础模型。现有的 PPG 基础模型要么是基于临床数据训练的开源模型，要么是封闭源模型，这限制了其在现实场景中的适用性。我们在多个数据集和下游任务上评估了 Pulse-PPG，比较其性能与基于临床数据训练的领先基础模型。我们的结果表明，Pulse-PPG 在实验室和野场场景中，针对临床和移动健康应用的泛化能力优于基于临床数据的模型。这表明，模型暴露于真实世界的变异性能够学习到细粒度的表示，从而在各种任务中更具适应性。此外，针对许多任务的野场数据预训练竟超过了临床数据预训练，这进一步强化了在真实世界、多样化数据集上进行训练的重要性。为鼓励利用野场数据构建更健壮基础模型的进一步发展，我们计划发布 Pulse-PPG，为研究人员提供一个强大的资源，用于开发更具普适性的 PPG 基础模型。
引用
@article{arxiv.2502.01108,
title = {Pulse-PPG: An Open-Source Field-Trained PPG Foundation Model for Wearable Applications Across Lab and Field Settings},
author = {Mithun Saha and Maxwell A. Xu and Wanting Mao and Sameer Neupane and James M. Rehg and Santosh Kumar},
journal= {arXiv preprint arXiv:2502.01108},
year = {2025}
}
备注
Saha and Xu are co-first authors