详细内容或原文请订阅后点击阅览
可穿戴加速度计通过知识蒸馏
现代可穿戴设备可以方便地在日常生活的许多不同环境中记录各种生物信号，从而可以对个人健康有丰富的看法。但是，并非所有的生物信号都相同：高保真生物信号（例如Photoplethymbogram图（PPG））包含更多的生理信息，但需要具有高功率足迹的光传感器。另外，诸如加速度计之类的低保真生物信号具有明显较小的功率足迹，并且几乎在任何可穿戴设备中都可以使用。虽然加速度计广泛用于活动识别和健身，但它较少……
来源:Apple机器学习研究现代可穿戴设备可以方便地在日常生活的许多不同环境中记录各种生物信号，从而可以对个人健康有丰富的看法。但是，并非所有的生物信号都相同：高保真生物信号（例如Photoplethymbogram图（PPG））包含更多的生理信息，但需要具有高功率足迹的光传感器。另外，诸如加速度计之类的低保真生物信号具有明显较小的功率足迹，并且几乎在任何可穿戴设备中都可以使用。尽管加速度计广泛用于活动识别和健身，但对于健康生物标志物和诊断而言，它的探索较少。在这里，我们表明加速度计基础模型可以预测各种各样的健康目标。为了提高性能，我们使用2000万分钟的未标记数据从PPG编码器提取了代表性知识，从PPG编码器到加速度学编码器，这些数据是根据知情同意的苹果心脏和运动研究的约172K参与者收集的。我们观察到在看不见的数据上具有强大的跨模式比对，例如，从加速度计嵌入中检索PPG嵌入的PPG嵌入的TOP-1准确性。我们表明，与直接接受加速度计的自我监督或监督编码器相比，蒸馏加速度计编码器具有更大的信息表示形式，该编码器至少在预测心率和心率变异性方面至少提高了23％-49％的提高性能。我们还表明，蒸馏的加速度计编码器很容易预测各种下游健康目标，即它们是通才基础模型。我们认为，健康的加速度计基础模型可能会释放从任何可穿戴设备开发数字生物标志物的新机会。