详细内容或原文请订阅后点击阅览
使用混合摊销推理从光电体积描记法推断光学组织属性
智能可穿戴设备能够通过光电体积描记法 (PPG) 持续跟踪已建立的生物标志物，例如心率、心率变异性和血氧饱和度。正如最近的深度学习 (DL) 研究表明，除了这些指标之外，PPG 波形还包含更丰富的生理信息。然而，深度学习模型通常依赖于生理意义不明确的特征，从而在预测能力、临床可解释性和传感器设计之间造成紧张。我们通过引入 PPGen 来解决这一差距，PPGen 是一种生物物理模型，它将 PPG 信号与可解释的生理和光学联系起来......
来源:Apple机器学习研究智能可穿戴设备能够通过光电体积描记法 (PPG) 持续跟踪已建立的生物标志物，例如心率、心率变异性和血氧饱和度。正如最近的深度学习 (DL) 研究表明，除了这些指标之外，PPG 波形还包含更丰富的生理信息。然而，深度学习模型通常依赖于生理意义不明确的特征，从而在预测能力、临床可解释性和传感器设计之间造成紧张。我们通过引入 PPGen 来解决这一差距，PPGen 是一种将 PPG 信号与可解释的生理和光学参数联系起来的生物物理模型。在 PPGen 的基础上，我们提出了混合摊销推理 (HAI)，能够快速、稳健且可扩展地估计 PPG 信号中的相关生理参数，同时纠正模型错误指定。在大量的计算机实验中，我们表明 HAI 可以在不同的噪声和传感器条件下准确推断生理参数。我们的结果说明了 PPG 模型的发展之路，该模型保留了基于 DL 的功能所需的保真度，同时支持临床解释和知情的硬件设计。