SignalMC-MED：面向单导联ECG和PPG的生物信号基础模型多模态基准
机器学习
2026-03-11 v1
摘要
最近的生物信号基础模型(FMs)在 diverse clinical prediction tasks 上显示出前景，但系统性地在持久的多模态数据上进行评估仍有限。我们引入SignalMC-MED，用于评估生物信号FMs在同步的单导联心电图(ECG)和脉搏血氧图(PPG)数据上的表现。源自MC-MED数据集，SignalMC-MED包含22,256次访问，配备10分钟的重叠ECG和PPG信号，并包括20个临床相关任务，涵盖人口学特征预测、急诊室转诊、实验室值回归以及先前ICD-10诊断检测。使用该基准，我们对代表性时序模型和生物信号FMs在ECG单模态、PPG单模态和ECG+PPG多模态setting进行系统评估。我们发现，领域特定的生物信号FMs在所有setting下一致优于通用时序模型，多模态ECG+PPG融合相对于单模态输入实现稳健的改进。此外，使用完整的10分钟信号持续优于较短片段，较大的模型变体也不一定优于较小的模型。手工制作的ECG领域特征提供了强大的基线，并在与所学FM表示结合时提供了补充价值。总之，这些结果将SignalMC-MED确立为标准化基准，并为评估和部署生物信号FMs提供了实用指导。
引用
@article{arxiv.2603.09940,
title = {SignalMC-MED: A Multimodal Benchmark for Evaluating Biosignal Foundation Models on Single-Lead ECG and PPG},
author = {Fredrik K. Gustafsson and Xiao Gu and Mattia Carletti and Patitapaban Palo and David W. Eyre and David A. Clifton},
journal= {arXiv preprint arXiv:2603.09940},
year = {2026}
}
备注
Code is available at https://github.com/fregu856/SignalMC-MED