智能手表与腕戴生理基础模型深度解析

腕戴设备（智能手表、智能手环）已成为普及度最高的消费级生理监测终端。本专题深入解构针对光电容积脉搏波（PPG）、三轴加速度计（ACC/IMU）及微弱体表心电（ECG）研发的专用时序基础模型，梳理其对抗运动伪影、多速率对齐、跨模态生成以及端侧轻量化部署的底层技术演进。

目录

• PPG 深度学习范围综述
• 1. 腕戴生理时序的独特性与核心技术挑战
• 2. 经典多模态与波形形态基础模型
  • SensorFM
  • PaPaGei
  • Pulse-PPG
  • xMAE
  • HiMAE
  • UniCardio
  • PPGFlowECG
  • AnyPPG
  • SigmaPPG
• 3. 端侧轻量化、生物年龄与大一统评测基准
  • PPG-Distill
  • PpgAge
  • 开源脉搏基础模型生物年龄横评
  • PPG-Bench
• 4. 空间运动与跨专题基模索引
  • NormWear
  • LIMU-BERT
  • Mantis
  • SleepFM
• 5. 大规模开源生态与时序语言多模态基座
  • OpenMHC
  • PPG-LM
  • SensorLM
• 临床筛查应用
  • AI-PPG-ACC-HTN
• 6. 核心基础模型横向对比矩阵
• 7. 对自建手表大模型 (Watch-LSM) 的工程架构启示
• 8. 核心文献与资源汇总

PPG 深度学习范围综述

北京大学 / HeartVoice Medical Technology · Health Data Science 2026，6:0474 · 论文 · 全文 · 作者文献清单

图源：Nie et al., A Scoping Review of Deep Learning Methods for Photoplethysmography Data，Fig. 1（arXiv:2401.12783v3），直接裁剪原论文。

范围综述（scoping review）通过系统检索与分类描述研究覆盖面、方法特点和证据空白。这篇综述纳入 2017 年 1 月至 2025 年 12 月发表的 460 篇接触式 PPG 深度学习研究，按任务、模型与数据三个视角组织。检索覆盖 Google Scholar、PubMed 和 Dimensions；研究对象包括临床监护与腕戴设备，不包含非接触式视频 rPPG。论文 Methods

综述讨论了 PaPaGei、Pulse-PPG、AnyPPG 等预训练工作，并强调真实环境数据、跨人群泛化和预处理透明度。其范围比心电与脉搏开源基础模型综述更广，包含大量单任务模型；文献覆盖数不代表基础模型数量。文中未在共同数据划分下重跑各模型，性能比较仍需回到原始研究的队列与协议。

评注

该综述适合作为 PPG 任务导航和数据选型入口。信号质量筛选尤其值得与下游结果一起阅读：过滤规则可能改变病理波形的保留比例，临床指端数据上的结果也需要腕戴场景验证。作者 GitHub 提供按任务整理的文献清单；其用途是检索和阅读，不是模型训练实现。统计检索截止 2025 年，讨论部分另引用了后续工作。

1. 腕戴生理时序的独特性与核心技术挑战

与抽象的通用单变量时序（如金融气象）不同，智能手表采集的生理流具备强物理与生物先验：

1. 异构采样率与多模态物理对齐 (Multi-Rate Heterogeneity)：
   • PPG (光电脉搏)：常见采样率 25 Hz、50 Hz、64 Hz 或 100 Hz，波形由微血管收缩期充血与舒张期弹性回缩构成，包含收缩峰（Systolic Peak）、重搏切迹（Dicrotic Notch）及舒张峰（Diastolic Peak）；
   • ACC (三轴加速度计)：常见采样率 25 Hz 或 50 Hz，记录人体在空间三维的正交加速度矢量 $(a_x,a_y,a_z)$；
   • ECG (偶发心电)：250～1000 Hz，用户主动按压表冠或电极时触发；
   • 低频慢速指标：皮肤温度（Skin Temp, 0.1 Hz）、皮电反应（EDA, 4 Hz）、气压高度计（1 Hz）。
2. 严重的运动伪影与频域碰撞 (Spectral Collision)：
   • 手臂摆动、跑步落足引起的微小形变与静脉血液惯性流动，使光学传感器接收到的漫反射光被剧烈调制；
   • 致命碰撞：日常跑步步频谐波（1.0～3.5 Hz，即 60～210 SPM）与人体运动心率主频（1.2～3.2 Hz，即 70～190 BPM）完全重叠。传统经验带通滤波或峰值拾取（Peak-Picking）极易把步频误当心率，导致误差超过 50 BPM。
3. 极度受限的端侧计算资源：
   • 智能手表电池通常仅 200～500 mAh，运行在 ARM Cortex-M 或低功耗 Cortex-A 核心上，要求模型参数小（<5M）、推理延迟低（<5 ms）且满足整型定点量化。

2. 经典多模态与波形形态基础模型

SensorFM

Google Research 及合作团队 · arXiv 2026 · 论文 · 系列专题

图源为 SensorFM 论文 Fig. 1，arXiv 2605.22759。

SensorFM 使用五类传感器派生的 34 个分钟级聚合特征，以 24 小时窗口预训练 ViT-1D MAE。它延续 LSM-2 的 Adaptive and Inherited Masking（AIM），同时处理真实缺失和人工遮挡，重构损失仅计算于原本可观测的遮挡区域。

论文报告 500 万参与者、超过 20 亿多模态数据小时，并另报超过 1 万亿传感器分钟。两项时长的换算口径在原文中未充分解释，不能直接相互换算。模型配置从约 0.139M 到 110.763M 参数，包含编码器与解码器。

在 35 项判别任务中，34 项优于工程特征监督基线。这里的比较对象应保留，不能扩大为所有专用模型。论文还评估少样本迁移、缺失数据填补和健康 Agent 工具调用。论文第 2 节与方法 M.3

LSM-1、LSM-2、SensorFM 与 Apple WBM 的输入粒度、训练规模和结果边界见 纵向可穿戴与行为基础模型。

PaPaGei

Nokia Bell Labs / 剑桥大学 / 达特茅斯学院 · ICLR 2025 · 论文 · 代码 · 权重

图源：PaPaGei 论文 Fig. 1（PaPaGei: Open Foundation Models for Optical Physiological Signals, ICLR 2025）

PaPaGei 是面向光学脉搏波（PPG）微观形态研发的经典开源生理基础模型。

1. 核心架构：ResNet1D-MoE

• 输入设定：10 秒长度的单通道 PPG 信号，统一重采样至 125 Hz（单样本 1,250 点），并经过自适应 Z-score 标准化；
• 网络结构：
  • 18 个 1D 残差卷积块（ResNet Blocks），基础特征通道 32；
  • 引入 3 个混合专家（Mixture of Experts, MoE）分支，基于瞬态脉搏形态动态路由特征；
  • 全局平均池化输出 512 维潜空间表征，参数量仅约 1.5M。

2. 形态感知对比学习 (Morphology-Aware Pretraining)

• 破除经典对比学习在生理信号上的缺陷：
  • 传统 SimCLR / BYOL 若将“同一用户不同时刻”视作正样本，会强制拉近该用户的平静心率波形与剧烈运动波形，从而抹杀血管阻抗、瞬时搏动的微形态特征；
• 形态引导配对采样 (Morphology-Guided Pair Sampling)：
  • 提取波形收缩期上升斜率、舒张期凹槽深浅等生理先验，构建连续动态对比正负样本对，迫使模型保留心血管动力学特异性。

3. 下游评测

• 整合 10 个公开数据集（VitalDB、MIMIC、CAPNO、WESAD、PPG-DaLiA 等），覆盖 20 项下游任务：
  • 心率回归（HR Regression，MAE 约 1.2～3.5 BPM）；
  • 血压估计（收缩压 / 舒张压 MAE 约 5～8 mmHg）；
  • 血管弹性生理年龄（Vascular Age）；
  • 睡眠呼吸暂停检测（Sleep Apnea，F1 > 0.82）。

Pulse-PPG

孟菲斯大学 / UIUC · UbiComp 2025 · 代码

图源：Pulse-PPG 论文 Fig. 1（Pulse-PPG: An Open-Source Field-Trained PPG Foundation Model for Wearable Applications Across Lab and Field Settings, UbiComp 2025）

Pulse-PPG 聚焦于真实野外非受限生活场景下的手腕脉搏波建模，攻克了临床平躺数据向真实手腕迁移时的领域漂移问题。

1. 解决临床数据到手表的域漂移 (Clinical-to-Field Domain Shift)

• 临床数据的虚假干净：MIMIC、VitalDB 中患者多处于麻醉或静卧状态，探头紧贴指尖，波形几乎无运动伪影；而在真实手腕上，受试者跑步、洗手、打字时信号信噪比急剧恶化；
• 大规模真实野外语料：采集 120 名受试者连续 100 天自由生活（Free-living）的真实腕戴数据，有效野外 PPG 数据量达 2 亿秒（约 5.5 万小时）。

2. 相对对比学习 (Relative Contrastive Learning, RelCon)

• 放弃离散的 Positive / Negative 二元分类损失；
• 引入连续相似度衰减机制：将时序物理间隔与三轴加速度计测算的受试者瞬时运动量联合编码为连续权重，构建具备自适应温度调节的连续对比损失：
  $${ℒ}_{\text{RelCon}}=-\sum _i\log \frac{{\sum }_{j}w(i,j)·\exp (\text{sim}(z_i,z_j)/\tau )}{{\sum }_k\exp (\text{sim}(z_i,z_k)/\tau )}$$
• 架构：12 层 1D ResNet，采用大卷积核（Kernel Size = 11）以充分覆盖跨心动周期的长程时间依赖。在野外跨域生物年龄与高噪心率追踪中显著胜过仅在临床数据上训练的对比基线。

xMAE

Samsung Research America / UCLA · ICML 2024

图源：xMAE 论文 Fig. 2（ICML 2024）

xMAE 探索了将全天候手腕 PPG 映射为高临床价值心电图（ECG）表征的跨模态虚拟传感（PPG → 虚拟 ECG）方案。

• 临床矛盾：心电图（ECG）具备极高的心脏电生理诊断价值，但智能手表要求用户另一手长按表圈电极形成回路，无法做到全天候被动连续监测；而背部光学 PPG 可 24 小时被动采集，但信息维度较低、噪声剧烈；
• 训练方案：
  • 基于 9,400 小时配对同步采集的 ECG-PPG 数据集；
  • 将高精度 ECG 信号大比例掩码（如 75%），以配对的腕部 PPG 为上下文条件，训练 Cross-Modal Transformer 重建被掩码的 ECG 潜表征；
• 落地效果：推理期无需用户触碰表圈，仅凭日常 PPG 即可连续提取富含心脏电生理（如 QRS 复合波间期、心肌缺血特征）的高阶潜表征。

HiMAE

Samsung Research America / UCLA · ICLR 2026 · 论文 · 代码

图源：HiMAE 论文 Fig. 1（HiMAE: Hierarchical Masked Autoencoders Discover Resolution-Specific Structure in Wearable Time Series, ICLR 2026）

HiMAE 是专为智能手表 CPU 研发、实现亚毫秒级（<1 ms）纯腕上端侧实时推理的分层 1D 卷积掩码自编码器基础模型，提出并严密验证了生理表征学习的“时间分辨率假说”。

1. 核心立论：归纳偏置反思与“时间分辨率假说 (The Resolution Hypothesis)”

1. 反思通用 ViT 在生理时序上的盲目应用：
   • 计算机视觉与通用时序领域常默认采用 Transformer 骨干，假定“全局自注意力和巨量参数能够解决一切”。然而，腕戴生理信号（PPG、ECG）本质上是由心脏搏动、自主神经系统调节与外周血管舒缩等少数生物物理潜在过程驱动的低维、强局部性、高节律性物理时序；
   • 扁平的 ViT / Transformer 强制全局 token 交互，不仅需要动辄上百兆（110M+）参数容易过拟合，更会破坏生理时序固有的局部形态结构与时间层次性，且无法常驻手表端芯片（超出手表内存与功耗门槛）；
2. 分辨率假说（The Resolution Hypothesis）：
   • 时间分辨率（Receptive Field / Effective Temporal Context）不是一个单纯的模型超参数，而是生理表征学习的基本轴（Fundamental Axis）；
   • 不同的临床与行为健康指标依赖于完全不同尺度的时序结构：从毫秒级单心拍几何形态，到数秒级多心跳心率变异性（HRV），再到跨周期节律。基础模型应显式解耦并保留多尺度层级表征，而非粗暴折叠为单一全局向量。

2. 核心架构：1D 卷积 U-Net 与物理时间尺度严格映射

• 输入设定：固定长度 $T=10\text{ s}$ 的单通道绿光 PPG 信号，采样率 $f_s=100\text{ Hz}$（单样本序列长度 $L=1000$ 采样点，每个点严格对应 $10\text{ ms}$）。10 秒窗口是临床心电 / 脉搏诊断的金标准跨度；
• 5 级残差卷积 U-Net 骨干：
  • 编码器采用 5 级残差块，每级通过 Stride-2 卷积进行时间维度 2 倍下采样，通道维度逐步扩增：$[16,32,64,128,256]$；
  • 随着层级加深，特征图点数从 $1000\to 500\to 250\to 125\to 62\to 31$，有效感受野按指数级扩张；
  • 解码器采用对称的转置卷积逐步上采样，并通过 Skip Connections 直接拼接编码器对应的浅层高分辨率特征，最终通过 tanh 输出归一化重构信号。
• 层级深度与物理时间尺度的数学映射表：

3. 自监督预训练目标：高掩码率与混合掩码机制

• Patch 划分：划分为无重叠的 Patch，长度 $P=5$（总计 200 个 Patches）；
• 极高掩码率：掩码比例 $r=0.8$（高达 80% 的信号被遮盖）；
• 随机掩码与连续跨度掩码交替 (Hybrid Masking)：
  • 均匀随机掩码 (Random Masking)：迫使模型基于周围局部相关性推理丢失点；
  • 连续块掩码 (Contiguous Masking)：连续遮蔽大块相邻区域，专门逼真模拟智能手表在日常晃动、传感器滑动及汗液干扰下的瞬态丢信号与伪影遮挡；
• 损失函数：仅在被遮盖区域计算均方误差损失 ${ℒ}_{\text{MSE}}$，迫使模型利用多尺度分层先验进行高阶时序推断。

4. 8 万小时工业级数据与三道严苛 SQI 质控防线

• 数据语料：涵盖 7 款三星智能手表（Galaxy Watch Active 2、Watch 3、Gear S3 等），收集自 47,644 名真实用户，总计约 80,000 小时的手腕绿光 PPG 时序，覆盖美、韩、巴西、孟加拉国 4 个国家；
• 三道严苛信号质量控制 (SQI) 过滤网：
  1. 振幅偏度修剪 (Amplitude Skewness Trimming)：计算 Z-score 幅度绝对值的偏度 $\gamma$。若 $\gamma >2$（代表存在重尾的剧烈手腕甩动伪影冲击），执行迭代削峰截断，若仍无法正态化则从根本上丢弃；
  2. 自相关周期散度检验 (Autocorrelation Dispersion)：计算样本自相关函数 $r[k]$ 零交叉点的离散度 ${\sigma }_{\text{zc}}$。真实的生理搏动具有强准周期性，该机制能精准识别并剔除因表带松脱或脱手引起的无周期杂波；
  3. 形态模板契合度 (Canonical Template Matching)：经过 0.1～2 Hz 带通滤波后，与标准脉搏波模板比对，计算有效覆盖率 $p$ 与契合度 $a$ 的调和平均数 $H(a,p)=\frac{2ap}{a+p}$，仅保留高一致性生理片段。

5. 核心评测发现：多尺度探针证实“尺度-疾病严格对齐”

HiMAE 在预训练后冻结骨干，通过对 5 个不同层级的隐空间特征分别训练线性分类器（Linear Probes），在 12 项分类任务上系统证实了“分辨率假说”：

1. 心血管急症与血管阻抗偏好“浅层毫秒级 (Enc 1～2)”：
   • 室性早搏 (PVC Detection) 与高血压分类 (Hypertension) 在第 1～2 层（50～370 ms）达到最高 AUROC；
   • 机理：早搏由心室异位起搏点触发，表现为心拍内部的单点几何畸形；高血压表现为外周小动脉阻力增高导致反射波提前叠加切迹变形。两类任务本质由局部波形微形态主导；
2. 睡眠分期与生化异常偏好“深层多秒级 (Enc 4～5)”：
   • 4 分类睡眠分期 (DREAMT 黄金 PSG 标注) 以及 7 种临床化验血液指标异常 (Tulane 大学数据集) 均在第 4～5 层（2～4 秒以上）达到最高 AUROC；
   • 机理：血液检验指标（HbA1c 糖化血红蛋白、血小板、白细胞 WBC、血红蛋白等）以及深浅睡眠并非单拍即时形态，而是通过全身微循环床顺应性改变、交感 / 副交感神经张力调制，体现在多心拍间的瞬态统计变异与包络波动上。

6. 智能手表 CPU 真机基准对比 (Samsung Galaxy Watch 8 实测)

研究直接在 Samsung Galaxy Watch 8（搭载 Exynos W1000 手表 CPU，FP32 未量化） 上进行了实机全量评测，对比主流穿戴基础模型基准：

• 综合性能：在参数缩小超 300 倍的前提下，HiMAE 在下游 12 项分类任务和多项生成式插补任务上全面逼平或超越 110M 的 LSM-Base。

7. 客观去伪存真：连续血压回归的 10 mmHg 物理物理上限

在连续收缩压（SBP）与舒张压（DBP）回归任务中，论文给出了极为清醒的结论：

• 无论是 0.31M 的 HiMAE 还是 110M 的 ViT LSM-Base，手腕单导联 PPG 的 MAE 误差均停留在 约 10 mmHg 左右；
• 哪怕经过全量下游微调，Bland-Altman 图上的一致性界限仍普遍超过 $\pm 20\text{ mmHg}$；
• 行业警示：单导联腕部 PPG 缺乏近心端脉搏传导时间（PWTT）与绝对血流动力学阻抗基准，单靠光学波形堆砌大模型在无袖带血压绝对值预测上存在物理信息缺失硬瓶颈，无法达到医疗级替代标准。

UniCardio

清华大学 / 北京安贞医院 / 帝国理工学院 · Nature Machine Intelligence 2025/2026 · 论文 · 代码

图源：UniCardio 论文 Fig. 2（Versatile cardiovascular signal generation with a unified diffusion transformer, Nature Machine Intelligence 2025/2026）

1. 核心突破：统一生成范式 (Many-to-Any Generative Modeling)

传统穿戴模型将信号处理任务机械割裂：去噪（Denoising）、插补（Imputation）与模态翻译（Translation，如 PPG → ECG）往往需要针对性训练完全独立的特定模型。UniCardio 提出了首个多模态心血管扩散 Transformer (Diffusion Transformer, DiT) 统一生成基座：

• 联合建模光电脉搏（PPG）、心电（ECG）与连续动脉血压波（BP）的多模态联合条件分布；
• 全任务统一处理：在统一的无条件前向加噪与条件反向去噪框架下，同时实现低信噪比滤波去噪、间歇性丢点填补、以及任意“条件模态组 → 目标模态组”的连续信号生成（例如腕部 PPG 虚拟生成诊断级 ECG，或 PPG+ECG 无创推断连续血压波）。

2. 核心架构设计与轻量化增量

1. 多尺度 1D 卷积分块编码器：
   • 针对不同生理模态配置专用 1D-CNN 编码器，内置多组不同尺度的卷积核，自适应提取逐拍微形态与长程心血管节律；
2. 任务特异性注意力掩码 (Task-Specific Attention Masks)：
   • 在统一 DiT 主干中，引入任务导向的注意力掩码，精确约束从“条件 Token”到“目标 Token”的信息流向，防止跨任务跨模态的信息穿透与负迁移；
3. 极低端侧增量开销 (仅 0.3M / 模态)：
   • 核心 Transformer 骨干完全共享；当穿戴设备新增一种物理传感器（例如从 PPG 拓展到 ECG 或袖带压）时，仅需接入对应的一对轻量 Encoder 和 MLP Decoder（单模态增量参数仅约 0.3M），大幅降低了智能手表的端侧存储与部署压力。

3. 持续学习机制 (Continual Learning) 破解组合爆炸

• 穿戴动态组合困境：现实中传感器频繁断连与切换（例如白天单 PPG、运动时加 ACC、睡眠时偶发 ECG），可能存在成倍的条件组合。直接联合训练会导致训练样本失衡与灾难性遗忘；
• 阶段式持续学习范式：
  • 由王立元教授等引入持续学习策略，按“单条件 → 双条件 → 多条件”阶段式递进学习；
  • 配合学习率退火（LR Scheduling）、回放缓冲区（Replay Composition）与任务注意力隔离，使模型能够终身动态接入新传感器，不仅无遗忘，而且先修模态能显著正向迁移促进复杂多模态任务的表现（两条件 / 三条件任务 RMSE 分别降低 31.7% 与 36.0%）。

4. 临床病理保真度与实证表现

• 安贞医院临床专家验证：由腕部 PPG 虚拟翻译出的 ECG 波形，精准再现了心肌缺血 ST 段位移、双相 P 波、T 波倒置、房性期前收缩 (APC) 及心房颤动 (AF) 等危急病理微形态；
• 下游跨域零样本迁移：
  • 在 PTB-XL 数据集上实现高保真度心电去噪与异常分类；
  • 在 MIMIC PERform AF 队列上实现基于腕部 PPG 的高灵敏度房颤筛查；
  • 在 WESAD 数据集上，将手环脉搏心率（HR）估计误差大幅降低；
  • 在 MIMIC 队列上，利用 PPG / ECG 无创推断连续收缩压（SBP）与舒张压（DBP）表现稳健；
• 超快推断延迟：通过高效一阶 ODE 采样器加速，4 秒时序切片的推断延迟在端侧仅需 < 0.4 秒，满足日常实时生命体征监测需求。

PPGFlowECG

北京大学数字健康实验室 · arXiv:2502.14856 / 2025-2026 · 代码

图源：PPGFlowECG 论文 Fig. 2（PPGFlowECG: Latent Rectified Flow with Cross-Modal Encoding for PPG-Guided ECG Generation and Cardiovascular Disease Detection, arXiv:2502.14856）

1. 临床背景与核心痛点

• 可穿戴健康监测的“模态鸿沟”：智能手表等腕戴设备普及了光电容积脉搏波（PPG）的日常全天候采集，但临床心血管疾病（CVD）的确诊金标准依然是体表心电图（ECG）；
• PPG → ECG 跨模态翻译的两大核心壁垒：
  1. 跨模态物理与语义未对齐：PPG 测量末梢血管容积波动阻抗，ECG 记录心肌除极与复极的电生理向量传导，二者物理起源异质，传统时序转换模型易产生严重的语义错位与相位伪影；
  2. 高维时序细粒度保真度难以兼顾：传统 GAN 模型极易发生模式崩溃（Mode Collapse），而常规像素 / 信号级扩散模型（DDPM）反向去噪采样步数过多（数十至上百步），无法满足端侧与近线实时生成需求。

2. 两阶段生成架构设计 (CardioAlign + Latent Rectified Flow)

1. Stage 1: CardioAlign 编码器与潜空间生理对齐：
   • 采用参数绑定（Parameter-Tied）的双分支 Encoder-Decoder 结构，将 PPG 与 ECG 统一映射至低维紧凑的生理潜空间 $𝒵$ 中；
   • 编码器输出变分高斯参数 $\mu$ 与 $\sigma$，通过重参数化采样潜向量 $z=\mu +\sigma \odot ϵ$；
   • 潜空间分布对齐损失 (${ℒ}_{\text{align}}$)：同时联合最小化均值欧氏距离 $||{\mu }_{\text{PPG}}-{\mu }_{\text{ECG}}|{|}_2^2$ 与潜分布对称 KL 散度 ${𝒟}_{\text{KL}}$，促使潜空间过滤掉外周光电伪影，仅保留纯净的心肌电动力学生理不变量。
2. Stage 2: Latent Rectified Flow（潜空间整流流 / 流匹配）：
   • 摒弃了传统扩散模型曲折反向 SDE 路径，Rectified Flow 学习沿直线轨迹（Straight-line Trajectory） 将标准高斯噪声分布 $X_0~𝒩(0,I)$ 传输至目标 ECG 潜分布 $X_1~q(z_{\text{ECG}})$：
     $$\frac{d{X}_t}{dt}=v_{\theta }(X_t,t,z_{\text{PPG}})$$
   • 以 PPG 潜向量 $z_{\text{PPG}}$ 作为强条件引导速度场网络；
   • 常微分方程（ODE）极速采样：得益于直线矢量场，模型仅需 1～4 步数值积分（Euler 或 RK45 求解器）即可完成确定性潜表征生成，推理速度相比多步扩散模型提升一个数量级以上。
3. 高保真 ECG 波形还原：
   • 生成的潜向量 $z_{\text{ECG}}^{*}$ 输入专用 1D 卷积心电解码器，还原出连续的诊断级体表心电波形。

3. 评测体系与临床 CVD 筛查实证

• 超大规模急诊级真实评测集：
  • MC-MED 数据集：洪申达教授团队首次在该任务中引入涵盖 11.8 万名急诊患者、超 1,000 万对真实 PPG-ECG 配对样本的临床急诊库，具有明确的专家 CVD 确诊标签；
  • VitalDB / MIMIC-AFib / BIDMC：跨中心、多硬件域的泛化性能全面领跑。
• 基于心电基座模型 ECGFounder 的高阶特征评估：
  • 引入心电基座模型 ECGFounder 作为特征提取器，计算生成波形的 Fréchet Inception Distance（FID），在特征保真度与形态结构指标（Pearson 峰值相关系数 $r$、SNR、RMSE）上显著超越现有基线。
• 临床医生双盲图灵测试与疾病辅助筛查：
  • 联合心内科临床医生进行波形盲测，生成的 ECG 在 P 波、QRS 波群宽度及 ST-T 改变上具备高可读性；
  • 在房颤（AFib）、房性 / 室性期前收缩（APC/PVC）、室上性心动过速（SVT）等急性心律失常与心肌缺血检测中，下游分类 AUC 逼近临床真实 ECG 上限。

AnyPPG

北京大学数字健康实验室 · ACM SIGKDD 2026 · 论文 · 代码

图源：AnyPPG 论文 Fig. 2（AnyPPG: A PPG Foundation Model, ACM SIGKDD 2026）

1. 核心定位与范式跃升：从“心率脉搏”迈向“全身画像”

• 过去的穿戴脉搏基座模型（如 PaPaGei、Pulse-PPG）大多局限于单一心血管下游任务（如心率追踪、血压回归、血管弹性年龄）；
• AnyPPG 系统性论证了：PPG 可以作为多器官整体健康画像（Holistic Multi-Organ Health Profiling）的通用数字生物标志物。通过深度跨模态预训练，使单模态手腕 PPG 具备了对心血管系统以外的全身系统性慢性疾病进行早期无创筛查的能力。

2. 心电引导的跨模态对比预训练 (ECG-Guided Pretraining)

• 数据资产规模：聚合了超 100,000 小时的高精度同步 PPG-ECG 配对时序数据，涵盖 MC-MED、MIMIC、VitalDB 等多中心临床与生理波形库；
• 为什么必须由 ECG 引导对比学习？
  • 单模态自监督（如纯粹的 PPG 掩码重建 MAE 或数据增强对比学习）极易走入局部极小值——模型会倾向于拟合受试者的皮肤静态色泽、探头接触压力或手臂运动高频伪影；
  • 同步采集的 ECG 是反映心脏中枢电生理活动的金标准，不存在外周光吸收伪影。AnyPPG 采用深层对比学习（Contrastive Learning），强制拉近时间同步的 PPG 与 ECG 在高维潜表征空间中的距离，迫使 PPG 编码器学会过滤表面运动噪声，自适应提取与心室除极、血管顺应性及自主神经中枢调控相关的深层生理动力学本质。

3. 核心网络架构

• Net1D 1D-ResNet 双分支编码器：
  • 为 PPG 与 ECG 模态分别配置专用的 1D-ResNet 骨干网络（单模态分支参数量约 5.85M）；
  • 包含 7 个卷积阶段（Convolutional Stages），层层抽取微血管收缩峰、重搏切迹及脉冲波传导时间（PWTT）多尺度特征；
  • 经过全局平均池化（Global Mean Pooling）后输出 1024 维的高阶特征向量。
• 轻量投影头与对比表征：
  • 采用双层 MLP 投影头：$\text{Linear}(1024\to 512)\to \text{GELU}\to \text{Linear}(512\to 256)$；
  • 输出 ${\ell }_2$ 归一化的 256 维潜表征用于跨模态 InfoNCE 对比损失计算。在端侧推理时仅需保留 PPG 单分支（约 5.85M），即插即用。

4. 突破性多器官表型评测 (Beyond Cardiovascular)

AnyPPG 经冻结表征（Frozen Representation）与极简线性探针（Linear Probe）微调，展现出全身多器官疾病跨域泛化能力：

1. 心血管中枢核心任务：心力衰竭（Heart Failure）、原发性高血压（Hypertension）、心律失常等分类指标全面刷新 SOTA；
2. 突破心血管界限的非心血管系统表型：
   • 慢性肾脏病 (Chronic Kidney Disease, CKD)：敏锐捕捉到微血管重塑、硬化与水钠潴留对外周脉搏微形态的微弱时域调制；
   • 帕金森病 (Parkinson's Disease)：识别由于中枢神经退行导致的自主神经功能紊乱（Autonomic Dysregulation）在末梢血管舒缩节律中的特异性反映；
   • 证明了智能手表光电脉搏波在日常慢病长程管理与神经退行性疾病早筛中的科研与应用价值。

SigmaPPG

米兰理工大学 / 浙江大学 / Emory University · ICML 2026 · 论文 · 代码 · 权重

SigmaPPG（Rethinking the Paradigm of Masked Autoencoders for Photoplethysmography Representation Learning）针对可穿戴光电脉搏波（PPG）高噪声、强准周期冗余的物理特性，重构了掩码自编码器（MAE）的自监督预训练范式。

1. 核心动机：破解均匀随机掩码的“噪声拟合陷阱”

• 传统 MAE 在 PPG 上的两大结构性缺陷：
  1. 均匀随机掩码的无效重建：常规 MAE 对所有时间片无差别执行均匀随机遮蔽。在真实穿戴场景下，高幅值运动伪影与基线漂移片段往往占据大量重建损失权重，迫使编码器消耗模型容量去记忆运动噪声，而非提炼心血管动力学特征；
  2. 跨心动周期的简单插值捷径：由于静息 PPG 具有较强的相邻周期重复性，均匀小块掩码极易被解码器通过邻近未遮蔽区域的低阶线性插值拟合，难以习得重搏切迹（Dicrotic Notch）与反射波时延等高阶生理语义。

2. 核心架构与自监督机制

1. 强化学习先验引导对抗掩码（Prior-Guided Adversarial Masking）：
   • 引入基于策略梯度（Policy Gradient）的掩码生成器与形态质量先验（Signal Quality Prior），构建动态对抗训练机制：掩码策略主动定位并优先遮蔽高信噪比、富含血管形态特征的关键心动相位（如收缩期主峰与重搏波切迹区域），同时抑制对纯伪影噪声区段的无效重建；
   • 配合由易到难的课程学习（Curriculum Learning）调度，使编码器逐步从局部波形补全过渡到跨周期血流动力学推断。
2. 向量量化语义一致性（Vector Quantization Semantic Consistency）：
   • 摒弃单纯依赖时域逐点均方误差（MSE）的低阶重建目标，引入离散生理形态码本（Codebook）将连续 PPG 时间片映射为高阶形态原语（Morphological Primitives）；
   • 在潜空间施加跨视角向量量化语义一致性约束，促使模型对轻微相位抖动和接触压力变化保持表征不变性。

3. 12 万小时预训练与下游泛化评测

• 预训练规模：在超过 120,000 小时的多源公开 PPG 语料上完成自监督预训练；
• 下游评测表现：在心率估计、无袖带血压回归、呼吸率监测及心律失常筛查等多项基准任务中，以及在 PPG-Bench 的 9 数据集 26 任务独立评测套件中，SigmaPPG 均展现出良好的跨设备表征鲁棒性与特征迁移效率。

3. 端侧轻量化、生物年龄与大一统评测基准

PPG-Distill

Emory University · 2025 · 代码

图源：PPG-Distill 论文 Fig. 3（PPG-DISTILL: Efficient Photoplethysmography Signals Analysis via Foundation Model Distillation, 2025）

• 研发团队：Emory University（Juntong Ni, Wei Jin 教授团队）联合医学院；
• 技术突破：针对大型脉搏基础模型（如 PaPaGei、Pulse-PPG）难以常驻端侧嵌入式 MCU 的瓶颈，提出三级多尺度知识蒸馏体系：
  1. 预测级蒸馏 (Prediction-Level)：迁移下游多任务软标签分布；
  2. 特征级蒸馏 (Feature-Level)：在潜空间拉近紧凑学生网络与大模型教师网络的表示距离；
  3. 形态与节律蒸馏 (Morphology & Rhythm Distillation)：专门保留局部脉搏收缩峰微形态与长程心拍周期性结构。
• 实测表现：在心率估计与心房颤动分类中，学生模型推理加速 7 倍，内存开销骤降 19 倍，性能较直接训练提升达 21.8%。

PpgAge

Apple Health · Nature Communications 2025 · 论文

• 数据规模：依托 213,593 名 Apple Health Study 真实世界佩戴者手腕 PPG；
• 临床核心发现：
  • 训练深度模型从手表日常 PPG 预测受试者实际年龄（MAE = 2.43 年）；
  • 血管年龄差 (PPG Age Gap)：若模型预测年龄显著高于受试者生理年龄（提示微血管弹性硬化与内皮衰退），其未来罹患重大心脑血管事件的风险显著激增（风险比 Hazard Ratio = 1.46）；
  • 确立了可穿戴光电脉搏大模型作为全生命周期血管老化数字标志物的科学地位。

开源脉搏基础模型生物年龄横评

Nabil Brag · arXiv 2026 · 论文 · 代码 · AI-PPG 权重

图源：PPG 生物年龄横评论文 Fig. 1（Benchmarking Open-Source PPG Foundation Models for Biological Age Prediction, arXiv:2603.14030）

1. 核心破局动机：开源大模型能否打破 Apple 闭源壁垒？

Apple PpgAge（21.3 万人）与 UK Biobank AI-PPG（21.2 万人）确立了光电脉搏波在心血管与全身衰老评估中的重要价值。然而，Apple 模型与数据完全闭源，而单中心大队列监督模型又面临泛化瓶颈。该工作在独立临床基准 PulseDB（VitalDB 临床指端 PPG，906 位手术患者，41,104 个 10 秒片段，125 Hz，受试者年龄跨度 18～92 岁）上，首次系统性评测主流开源通用生理基础模型（Pulse-PPG、PaPaGei-S）在完全未接触过年龄标签的情况下，能否通过潜空间表征实现对血管生物年龄的高精度零样本与线性探测。

2. 全景实验结果横评表（906 例 VitalDB 患者，5 折受试者级分层交叉验证）

3. 关键技术洞察与“两大反转”机理解构

1. 反转一：21 万人专用监督大模型的“跨域预测崩溃（Prediction Collapse）”：
   • 在 UK Biobank（212,231 人）健康门诊队列上训练的 AI-PPG Age，Zero-shot 迁移至手术室 VitalDB 时出现严重退化（MAE = 11.50 年）；
   • 根因剖析：手术患者在全身麻醉状态下使用了血管活性药（如去甲肾上腺素）、麻醉剂（丙泊酚）及机械通气，外周阻力与脉搏形态严重异于门诊常态。端到端强监督网络遇到分布外（OOD）生理态产生防御性收缩，全部预测值被压缩在 38～67 岁这一狭窄区间（而受试者实际年龄为 18～92 岁），退化为记忆训练集的先验均值。
2. 反转二：无监督自监督大模型（Pulse-PPG）线性探测实现越级超越：
   • Pulse-PPG 仅通过相对对比学习（RelCon）预训练，完全无年龄标签监督，线性探测取得 MAE = 9.28 年；
   • 不仅战胜了重训探测头的 AI-PPG Age（9.72 年），仅凭 10 秒原始脉搏波提取的 512 维形态表征，直接击败了“HR/HRV + 全套人口学（身高 / 体重 / BMI / 血压）”组合（9.59 年）；
   • 表明多源高噪预训练赋予了通用基础模型优良的形态不变性（Morphological Invariance），比单一大队列任务过拟合模型更鲁棒。

4. 心血管物理学思辨：单心拍 100 点重采样 vs. 10 秒连续时序

为什么 AI-PPG Age 在特征提取模式下依然逊于 Pulse-PPG？关键在于两派处理哲学的根本分歧：

• AI-PPG 的人工先验假说（借鉴经典脉搏波分析 PWA）：为避免受试者走动、情绪激动带来的即时心率（HR）干扰，算法将单心拍机械重采样拉伸到固定的 100 个采样点（0%～100% 相对心动周期），并对 10 秒内的所有拍取相干平均（Average Beat）；
• 付出的沉重代价：
  1. 破坏了主动脉脉搏波传导速度（PWV）的物理真实性：动脉硬化程度由脉搏反射波绝对时延（$\Delta T$, ms）决定。相对百分比拉伸使得慢心率下 1 点代表 10 ms、快心率下 1 点代表 6 ms，扭曲了反射波传播的物理量纲；
  2. 丢失了自主神经老化核心指标（HRV）：衰老伴随窦房结衰退与迷走神经张力减弱，心动周期变异性（SDNN / RMSSD）随衰老显著下跌。单心拍平均模板将多心拍节律波动全部抹杀；
  3. 丢失心肺耦合（Cardiorespiratory Coupling）：连续 10 秒时序（Pulse-PPG 接收的形式）完整保留了呼吸性脉压起伏（PPV）与呼吸性心律不齐（RSA）。

5. 临床有效性复现与 Apple PpgAge 差距归因

1. PPG Age Gap 与血管硬化的病理生理映射：
   • 论文计算了预测年龄减去实际年龄的残差（PPG Age Gap）。在消除日历年龄混杂后，PPG 年龄差与舒张压（DBP）呈现极显著负相关（$r=-0.188,p=1.2\times {10}^{-8}$）；
   • 生理学机理：大动脉管壁弹性纤维退变与胶原增生（动脉硬化）导致血管顺应性降低，脉压差进行性增大（收缩压 SBP 升高、舒张压 DBP 下降）。PPG 预测表征偏“老”的个体，舒张压明显偏低。这复现了 Apple 关于 PPG 形态蕴含全身血管衰老表型的医学假说。
2. 与 Apple 闭源 PpgAge（MAE = 2.43 年）的差距根因：
   • 236 倍样本量悬殊：评测集仅 906 人，而 Apple 达 213,593 人。学习曲线分析显示，在 906 人规模下性能尚未触及平台期（No Plateau），增加临床数据规模仍有提升空间；
   • 生理干扰与探针范式：Apple 采集自由生活静息手表波形，本研究为术中麻醉监护指端波形；且 Apple 为端到端深度调优，本研究仅为冻结特征线性探测（Frozen Linear Probe）。

PPG-Bench

Mannas AI · arXiv 2026 · 论文 · 代码

PPG-Bench 将 PPG 表征放入统一的数据预处理、下游头和受试者隔离交叉验证协议中比较。预训练语料与评测数据的重叠仍需单独核对，统一下游切分本身不能保证不存在预训练泄漏。论文

• 评测体系与覆盖面：
  • 参评基模：AnyPPG、PaPaGei-S、PaPaGei-P、PulsePPG 与 SigmaPPG；
  • 评测规模：跨越 9 个公开数据集（PPG-DaLiA、DREAMT、WESAD、ECSMP、PPG-BP、BIDMC、BUT-PPG、RealWorldPPG、WildPPG），涵盖 26 项下游任务（心率回归、体动识别、睡眠分期、压力情绪、抑郁筛查、年龄 / 血压估计及身份识别）；
  • 4 级递进适配协议：线性探测（Linear Probing）、随机森林（Random Forest）、冻结 MLP 探针、端到端全量微调（End-to-End Finetuning）；
  • 严苛对照组：随机 / 常数基线、无训练参数的脉搏率变异性特征集（PRV）、通用时序大模型（MOMENT）。
• 论文结果：
  • 在全部 68 组“任务-适配策略”配置中，有 35.3% 的组合相比最简单的随机 / 常数基线未展现出统计学优势；
  • 在高达 83.8%（57/68） 的任务组合中，无任何一个专用 PPG 基础模型能同时战胜“确定性 PRV 特征”与“通用时序大模型 MOMENT”；
  • 增加下游头容量通常改善结果，但在表征表现接近随机或常数基线的任务中也可能退化。选型应同时比较简单特征、通用时序模型和不同适配预算。

版本口径：论文报告 26 项任务与 68 组任务-适配组合；截至 2026-11-04，官方代码 README 以 17 项 primary tasks 描述公开框架。复现实验需固定代码版本和任务配置，不能把两种计数直接视为相同。官方实现

4. 空间运动与跨专题基模索引

除了以心血管 PPG 为核心的模型外，针对手腕运动加速度（ACC）与多器官睡眠耦合的基础模型同样是智能手表算法体系的重要支柱：

NormWear

马萨诸塞大学阿默斯特分校 (UMass Amherst) · ACM HEALTH 2026（作者模型卡标为 In Press） · 论文 · 代码 · 权重

图源：NormWear 论文 Fig. 2（Toward Foundation Models for Multivariate Wearable Sensing of Physiological Signals, arXiv:2412.09758）

方法：针对多模态可穿戴设备（PPG、ECG、EEG、EDA/GSR、三轴 IMU）采样率异构、通道数量随穿戴配置动态变化的问题，NormWear 在整合自 15 个公开可穿戴数据集的 10.6 万段多变量生理记录（约 1.48 万小时） 上进行了统一自监督预训练：

1. 连续小波变换（CWT）时频词元化：结合信号一阶与二阶导数对每个通道执行连续小波变换，将一维非平稳生理波形映射为多尺度时频尺度图（Scalogram），再经二维卷积块投影为词元序列；
2. 任意通道感知融合（[CLS]-Attention Channel Fusion）：各传感器通道共享底层 Intra-channel Transformer 权重，并通过每隔数层插入的跨通道 [CLS] 注意力融合块（在通道汇总词元之间执行注意力）支持任意通道组合热插拔；
3. 时空-尺度混合掩码重建与语义对齐：结合时间轴与小波频率尺度轴的结构化掩码自编码（Temporal + Scale MAE），并引入受记忆流启发的时间融合表征对齐机制。

结果：在 11 个下游公开数据集的 18 项生理与健康评估任务（涵盖 WESAD 情绪压力、PPG-DaLiA 心率、无创血压、肌电手势及脑电认知负荷）上，NormWear 在零样本、线性探测与微调设定下均显著优于单模态自监督模型及通用时序基座（MOMENT、Chronos）。此外，针对单通道 PPG 的离散词元自回归预训练模型请参阅心电与电生理专题中的 HeartGPT (PPG-PT)。

评注：NormWear 开源了支持任意通道数与采样率输入的统一可穿戴权重，其基于 [CLS] 词元的轻量跨通道融合设计避免了多通道拼接导致的二次方注意力膨胀。

LIMU-BERT

南洋理工大学 (NTU) · ACM SenSys 2021 · 代码

• 核心定位：针对三轴加速度计与陀螺仪的空间 IMU 自监督表征模型；
• 机制原理：借鉴 BERT 的掩码传感器建模（Masked Sensor Modeling, MSM），将三轴运动矢量分片掩码后重构，有效剥离受试者个体身份生物特征（跨用户泛化），提炼通用的高阶步态动力学表征。在走路、跑步、骑行的人体活动识别（HAR）线性探测中达到 92.1% 的准确率。

Mantis

华为诺亚方舟实验室 / Inria · ICML 2026 · 代码

• 核心定位：时序领域专注于分类与判别性表征的轻量级基础模型（参数量约 8M）；
• 核心组件：
  • Token Generator Unit (TGU)：自适应多尺度卷积与差分分块，解决固定 Patch 丢失局部波峰波谷的问题；
  • 多变量通道适配器 (Multichannel Projectors)：原生支持手环三轴 ACC 或多导联生理信号；
• 手环端侧实测优势：在 CPU 上单次前向仅需 19.8 ms，在日常运动状态识别中线性探测准确率高达 99.7%，是手环端侧防误计步与心律失常快速判别的利器。完整架构剖析与实验对比请参阅专题文档：通用时间序列基础模型 (General TSFM)。

SleepFM

斯坦福大学 / DTU 等 · Nature Medicine 2026 临床版 · SleepFM-2 预印本 · 临床版代码与权重

SleepFM 临床版利用超过 58.5 万小时 PSG 学习多模态表征；SleepFM-2 将开发与评测语料扩展到超过 200 万小时，其中预训练使用 235,865 份记录。二代论文提供的代码地址在 2026-11-04 返回 404，临床版可获取的代码与权重不对应二代模型。

二代迁移至腕部 PPG 时冻结编码器并训练预测头，睡眠分期 macro-F1 为 0.531。在 UK Biobank 腕部 ACC 疾病预测中，加入年龄、性别和 BMI 后平均 C-index 为 0.687，专用 ACC 预训练对照为 0.688，配对差异置信区间包含零。这些结果支持特定任务下的表征迁移，不能直接用于宣称腕部设备已经达到临床 PSG 的微觉醒检测能力。输入代理通道、分期评测和事件级微觉醒评测应分别验证。完整系列分析与迁移限制

5. 大规模开源生态与时序语言多模态基座

OpenMHC

Stanford / Imperial College London 等 · arXiv 2026 · 论文 · 代码 · 参考模型权重

图源：OpenMHC 原论文总览图，arXiv 2607.16235。

OpenMHC 包含 11,894 人、超过 6,000 万小时穿戴记录，统一健康/行为预测、缺失插补与未来预测评测。19 个传感通道主要是心率、步数、睡眠、活动等派生时序，最多关联 169 项健康与生活方式变量。基准提供 LSM-2 与 WBM 的复现或适配实现，使用条件需与工业原模型区分。论文

截至 2026-11-04，官方已发布评测代码与参考模型检查点，数据集发布清单仍注明论文接收后开放。Full 约 38 GB，XS 为 593 人、约 1.9 GB 的开发子集；实际访问及 DUA 条件以官方数据页为准。发布状态 · 数据专题

评注。该基准适合统一评估输入缺失、表征迁移与时序预测。官方疾病标签是自报且缺少诊断日期，不能直接将分类表现当作前瞻临床风险证据。官方用途说明

PPG-LM

Emory University / UCLA / Google / Stanford · arXiv 2026 · 论文

图源：PPG-LM 论文 Fig. 1（PPG-LM: A Photoplethysmography–Language Model with Multi-Level Clinical Alignment, arXiv:2609.33516）

PPG-LM 是在 73,700 小时连续 PPG 波形（来自 Stanford 成人急诊多模态队列 MC-MED，36,430 名患者、53,473 次就诊）上通过多层级临床自然语言弱监督训练的 PPG–Language 基础模型家族。

1. 核心动机：打破纯波形自监督孤岛，迈向多时间尺度临床语言对齐

在以往的脉搏波基础模型（如 PaPaGei、Pulse-PPG、AnyPPG、SIGMA-PPG）中，研究范式几乎全部局限于“基于波形的自监督学习（对比学习或掩码自编码）+ 下游固定任务 Head”。这种范式面临两大根本瓶颈：

1. 波形表征与临床语义脱节：模型仅能输出特征向量，无法使用自然语言进行零样本问答、按临床概念检索或直接生成解释性生理报告；
2. 多时间尺度（Multi-level Temporal Scales）无法兼顾：临床生理监护横跨多种时间跨度——从秒级（30 s 局部脉搏形态与质量）、分钟级（急诊给药事件前后的生理急性波动），到小时至天级（整场就诊的既往病史、分诊危重度与长程心率趋势）。以往模型只看短窗口，丢失了宏观临床上下文。

PPG-LM 既不盲目外挂参数昂贵且易产生医学幻觉的通用大语言模型（LLM），也不局限于单一分类头，而是构建了轻量级双塔对齐与多模态生成架构。

2. 自动化多层级临床文本构建管线 (Clinically Grounded Caption Generation)

由于医院病历中没有现成的“波形-医生注释”微观对齐语料，作者设计了全自动的规则弱监督生成管线，自底向上构建三层语料金字塔：

1. 片段级（Segment-level, 30 s）：
   • 利用 pyPPG 与 NeuroKit2 从 30 s 窗口中提取 8 项形态与生理指标（脉率、心率趋势、心律规律性、搏动幅度、信号质量指数 SQI、重搏切迹增强形态、血管反应指数、搏动间变异性）；
   • 提取 300 秒内病历记录的同步生命体征（SpO2、血压、呼吸率）及同步心电节律，填入 10 套语言模板中生成标准生理描述。
2. 事件级（Event-level, 分钟至小时级）：
   • 从 EHR 中抽取 10 类急危重症用药记录（升压药、血管扩张剂、降心率药、利尿剂、补液、阿片类、镇静剂等）；
   • 以给药时间戳 $a$ 为锚点，抓取前 30 分钟（最多 3 个窗口）与后 60 分钟（最多 5 个窗口）的连续波形；
   • 在同一次就诊的无给药安全时段中均匀采样非用药对照组（Controls），迫使模型学习药物诱发的生理因果变化而非个体底色。
3. 就诊级与时序逻辑陈述（Visit-level, 数小时至数天）：
   • 整合急诊分诊危重度（ESI）、主诉、年龄、性别、首测体征、ICU 转归、既往病史 ICD-10 及长期处方；
   • 提取整场就诊的时序逻辑陈述（如“心动过速占据总时程 30%”、“在后半程心率呈进行性阶梯式上升”）。

3. 核心技术思辨：为什么不用“DSP 规则提取 + 通用 LLM”，以及文本塔为何从零训练？

疑问 1：既然 Stage 1 的文本是用 pyPPG 算的，为什么不直接运行 pyPPG 得到数值后交给 GPT-4 做临床分析？

• 规则算法在真实生理噪声下的崩溃（Garbage In, Garbage Out）：pyPPG 等经典数字信号处理（DSP）依赖数学一阶 / 二阶求导与硬阈值寻找收缩峰和重搏切迹。在真实世界穿戴与监护中，患者运动伪影、微循环灌注不良（低灌注波形扁平）会导致规则算法频繁波峰找错、甚至直接报错崩溃。把错误的数字交给大模型，会导致严重的幻觉推断；而端到端波形编码器观测整段信号，具备格式塔整体形态感知（Gestalt perception）与强抗噪力；
• 信息瓶颈（丢失 99% 未定义形态）：把 30 秒 3,750 个连续采样点压缩成 8 个数值，抹杀了尚未被医学公式完全定量的心室-动脉耦合、微血管顺应性变异、自主神经高频涨落等微细几何模式。论文实验显示：仅凭 8 个数值无法有效预测肾衰、糖尿病与心衰，而 PPG-LM 提取的深层波形表征在 32 项临床预测上显著优于基线，证实其学到了超越规则本身的深层物理先验；
• 无法捕捉长程因果动态：静脉推注升压药或降率药后数十分钟的连续波形演变是高度非线性的生理过程，静态数字表格无法抽象这种时序动力学；
• 经典的“脚手架（Scaffold）效应”：类似 CLIP 利用弱监督 Alt-text 预训练，pyPPG 规则只是低成本启动波形与语言对齐的“脚手架”，海量数据（73,700 小时）浸润让神经网络表征能力完成了对规则脚手架的跨越。

疑问 2：文中的“LM”为什么完全从零随机初始化（Random Init），不直接微调现成的 7B+ 大语言模型？

论文附录 C.1 明确指出：文本塔是一个 8 层因果 Transformer，完全从零随机初始化，仅借用了 CLIP 词表与 Tokenizer。这一设计的核心权衡包括：

1. 根除医疗“数字与概念幻觉”：论文在表 3 中实证，通用超大模型在阅读波形数字时存在明显幻觉；而 PPG-LM 将文本空间严格限制在客观生理指标和真实病历中，事实准确率高达 92.3%，心率误差低至 3.9 bpm；
2. 紧凑与对称的表征对齐空间：波形编码器仅 12.7M。若文本端挂载 7B+ 模型，结构严重不对称，在对比学习与双向检索时会导致优化失衡，且大模型的开放语义会引入噪声；
3. 极速推理与端侧监护仪部署：波形塔 12.7M + 文本塔数千万参数，可在单张 GPU 或床旁监护仪上实现毫秒级低延迟推理，免除部署 7B 大模型的昂贵硬件负担。

4. 两阶段多尺度对齐网络架构 (Two-Stage Alignment Architecture)

Stage 1: 片段-语言预训练 (Segment–Language Pretraining)

• 波形编码器：轻量设计（仅 12.7M 参数），1D 卷积将 30 s 信号切分为 150 个 0.2 s Patch，接 6 层 Transformer（宽 384，6 头），输出 512 维波形表征；
• 文本塔：采用 CLIP 词表（49,408），8 层因果 Transformer（宽 512），完全从零随机初始化；
• CoCa 联合目标：
  • 对称 InfoNCE 对比损失：设计了 Content Key 机制，当 batch 内不同样本的量化生理数值相同时将其从负样本集中剔除，避免惩罚生理状态相同的真实波形；
  • 条件自回归 Captioning 损失：4 层多模态解码器交叉注意力于波形 Memory（32 个可学习 Query），自回归输出生理报告。

Stage 2: 宏观时空与长程时序聚合 (Multi-Level Alignment)

Stage 2 冻结 / 微调 Stage 1 骨干，引入长程时序动力学聚合模块：

1. 给药事件聚合（带符号时间偏移）：引入带符号时间偏移嵌入 $\varphi (t_i-a)$（单位为真实物理分钟，负数表示给药前，正数表示给药后），通过注意力池化聚合给药前后波形；
2. 整场就诊聚合（Perceiver 锚点探针 + 连续时间 RoPE）：
   • 面对最多 256 个窗口的长程监护，引入 8 个可学习潜变量 Query（1 个全局探针 + 7 个预设参考时间的局部探针：$0,15,30,60,120,240,480$ 分钟）；
   • 连续时间旋转位置编码（Continuous-time RoPE）：放弃传统的离散 Token 序号，将 RoPE 旋转角度直接绑定在物理流逝的真实分钟差上（旋转周期跨越 2 分钟至 14 天），从根本上解决了临床不规则采样与数据断流（Gap Token 标记）问题；
3. 时序逻辑陈述匹配（Late-Interaction 与扰动排序）：
   • 借鉴 ColBERT 的迟交互机制，每个时序句子动态挑选 8 个探针中内积最大的一个匹配，无需人工对齐；
   • 引入句子找茬（Corrupted Statement Ranking），随机篡改句子中的时间或趋势事实（如“上升”篡改为“下降”），迫使模型深度理解时序逻辑因果；
4. 特征缓存与余弦蒸馏保护：
   • 针对 256 窗口反向传播显存开销问题，采用 Feature Cache 机制（每场就诊仅对 8 个实时窗口反向传播梯度，其余读取缓存）；
   • 引入 Stage 1 冻结权重的余弦距离蒸馏损失（${ℒ}_{\text{dst}}$），防止在学习宏观上下文时遗忘微观脉搏形态表征。

5. 输入时间组织与跨模型对照

不同模型的时间组织应结合输入与骨干理解。SensorFM 的输入是分钟级特征日窗口，AIM 会移除部分掩码词元并使用注意力掩码。WBM 将指标按小时聚合，以 168 个小时词元输入 Mamba-2。两者的序列长度和计算方式应分别报告。系列比较

PPG-LM 的临床波形窗口与这些派生特征属于不同输入层次。评价连续时间编码的收益，需要在相同数据、观察窗口和缺失条件下做消融，直接按理论词元数推算跨模型的实测速度并不充分。

6. 全面评测与下游临床能力越级

1. 零样本生理理解与高保真数值提取：
   • 在 MC-MED、MIMIC-III、VitalDB 三大独立数据库的 11 项任务中（心律不齐、信号质量、灌注强度、波形增强形态等），PPG-LM 在 10 项上斩获全场最高 Macro-F1，显著优于通用超大模型；
   • 从生成的报告中反解生理数值，心率 MAE 仅 3.90～4.27 bpm（以独立金标准心电图为准），事实准确率高达 92.3%。
2. 高精度双向跨模态检索 (Cross-Modal Retrieval)：
   • 100 候选池中，MC-MED 上“以波形搜病历描述 (S2T)”达 97.5% R@1，“以病历搜波形 (T2S)”达 96.5% R@1；在 2,000 候选池中 R@10 仍高达 99.8%。
3. 急危重症事件与慢性病史推断：
   • 零样本区分 10 类急危重症药物注射波形响应（升压药 AUROC 达 0.860，降率药达 0.803）；
   • 仅凭整场就诊的 8 个 PPG 窗口，即可零样本识别高血压、房颤、心衰、糖尿病及慢性肾病等既往病史（Balanced Acc 达 0.58～0.78）。
4. 32 项冻结表征临床预测全胜：
   • 在 32 项横跨急诊、ICU 和围手术期的临床分类与回归任务中（心血管疾病、化验生化指标、ICU 转归），PPG-LM 的冻结特征显著优于了 PaPaGei-S、Pulse-PPG、AnyPPG、SIGMA-PPG 等脉搏基座模型及 MOMENT、Chronos-2 等通用时序大模型，证明了“多尺度临床语义对齐”学到的生理表征比纯波形自监督更具深层泛化力。

7. 对智能手表可穿戴系统建模的启示

1. 摆脱单一预测 Head，拥抱统一语言接口：通过轻量级语言对齐，可让模型同时具备分类、测算、检索和自回归报告生成能力；
2. 连续时间 RoPE 是处理真实穿戴非规则采样的利器：用户摘表、洗澡、充电导致的严重缺失与不规则采样，通过物理时间 RoPE + 锚点潜变量 Query 可实现优雅的长程时序聚合；
3. 弱规则启动与自我提纯：无需百万级人工医生标注，先用成熟开源 DSP（pyPPG）提取形态先验启动第一阶段，再依靠海量真实数据端到端自我提纯，是穿戴生理大模型的高效孵化路径。

SensorLM

Google Research / Google DeepMind / 剑桥大学 · NeurIPS 2025 · 论文 · 代码

图源为 SensorLM 论文 Fig. 1，arXiv 2506.09108。

SensorLM 将分钟级可穿戴特征与语言描述对齐。输入为五类传感器派生的 26 个特征，以 1,440 分钟构成一天的窗口。论文报告 103,000 余名参与者和约 5,970 万小时数据。

方法

通过统计、结构和语义三个层次生成配对描述，再使用传感器编码器、文本编码器和多模态解码器训练。统一目标包含对比与描述生成损失，可形成 CLIP、Cap 和 CoCa 变体。模型支持文本标签零样本分类、双向检索和描述生成。

结果

论文 Table 2 的 20 类活动零样本识别 AUROC 为 0.84，Macro-F1 为 0.29，平衡准确率为 0.31。测试来自论文定义的 Activity 队列，结果应结合该队列与标签构造方式解读。文本生成示例也包含错误内容。论文第 3-5 节

评注

SensorLM 提供与语言连接的建模路线。其关系应与 LSM-1、LSM-2 和 SensorFM 的数值表征路线分别讨论。迁移到原始波形或其他设备，需要重新定义特征提取与文本配对过程。

临床筛查应用

AI-PPG-ACC-HTN

Google Research / Beth Israel Deaconess Medical Center / Harvard Medical School · Nature 2026 · 论文 · 作者介绍

图源：Di Achille et al., Opportunistically Detecting Signs of Hypertension on a Consumer Smartwatch，Fig. 1A（medRxiv v1，2025-12-15），直接裁剪预印本。

该研究利用消费级手表的原始 PPG 与加速度计（ACC）波形，识别多日佩戴数据反映的高血压状态。预测输出为个体高血压概率，无需个人袖带校准；监督标签与临床验证仍依赖袖带测量。论文于 2026 年 11 月 5 日以 Nature 接受稿发表，之前的 medRxiv 版本为同一研究。

方法

• 波形预训练：在多个自由生活研究汇集的 2,109 人、492,347 小时无标签数据上训练一维 CNN。输入为同步的 15 秒 PPG 与 ACC 模长片段，输出 256 维表示。同一人不同时刻的联合片段作为正样本，不同人的片段作为负样本，采用受试者对比学习；PPG 与 ACC 本身不是一对跨模态正样本。预印本实现采用约 5.1M 参数的 EfficientNet-B1。预印本 Methods
• 个体汇聚：先按日内小时跨天平均有效片段表示，再平均小时表示，得到个体向量；拼接标准化身高后形成 257 维输入，以 L2 正则化逻辑回归分类。ACC 同时提供运动和心冲击图（BCG）相关信息。
• 参考标签：以 24 小时动态血压监测（ABPM）的平均收缩压 ≥130 mmHg 或舒张压 ≥80 mmHg 定义高血压。该任务是状态筛查，输出不包含逐时刻的收缩压或舒张压估计。方法与伪代码

临床结果

美国五中心独立前瞻研究招募 296 人，最终分析 196 人；参与者无已知心血管疾病且未服用降压药。使用 Pixel Watch 3 进行约 7 天自由生活佩戴，以 ABPM 为参考。独立验证 AUROC 为 0.856；初筛工作点结果如下，括号内为 95% 置信区间。Nature 论文 · 研究报告

七天观察下仍有约三分之一的 ABPM 阳性者未被模型检出；阳性预测值还随目标人群患病率变化。招募者与最终分析者之间的差额涉及 ABPM、手表数据缺失或记录不足。作者在同行评议回复中报告，验证队列仅 58.3% 的被动片段达到 SQI >0.5；该数值为片段有效率，不是受试者覆盖率，也不适用于换算预训练时长。同行评议与作者回复

与 WavesFM 的关系

WavesFM 与该研究有多位共同作者，并连接到同一 Health Guardian 血压趋势功能：Google 产品介绍明确链接 WavesFM，同段的临床验证链接指向这篇高血压预印本；Nature 作者介绍也说明该研究帮助形成该功能。高血压预印本发表于 2025 年 12 月，早于 2026 年 5 月公开的 WavesFM。产品介绍 · 作者介绍

两者共享短波形对比预训练思路，WavesFM 另学习跨日时间结构。其第一阶段从约 32.4 万人中每人抽取 5,000 个 15 秒片段；第二阶段使用纵向子集，两阶段时长不能相加为独立数据总量。相近的输入规格与不同的数据池并不矛盾。论文没有报告两项研究之间的权重继承关系，也没有固定数据、标签与评测队列比较预训练扩容和时序编码各自的收益。WavesFM 第 3-4 节与附录 B

评注与资源

这项工作的价值在于把自监督波形表征、跨日汇聚与 ABPM 参考的前瞻验证连接起来。它提供特定筛查任务的证据；治疗中的血压变化监测与其他疾病迁移仍需各自评测。补充中的 UK Biobank 分析使用另训的 PPG 单模态模型和指端波形，属于不同模型、输入及结局分析，应与腕部 PPG＋ACC 筛查结果分别阅读。

研究报告说明临床人口学信息、各方法的平均血压、模型分数和预测可申请获取，UK Biobank 数据按其申请流程访问。补充提供伪代码，完整训练实现、原始手表波形与预训练权重的公开获取方式尚不明确。数据与代码说明

6. 核心基础模型横向对比矩阵

以下分别比较脉搏波模型与其他穿戴多模态模型：

表 1：脉搏波与心血管多模态基础模型

表 2：全传感器、空间运动与时序语言多模态基础模型

7. 对自建手表大模型 (Watch-LSM) 的工程架构启示

本文提炼的端侧生理表征架构与抗伪影工程实现已落地于开源实验子仓库：Watch_LSM。基于上述顶会与工业界成果，构建生产级智能手表生理基础模型应遵循以下八条准则：

1. 物理时序等长分块 (Physical-Time Patch Tokenization)：
   • 避免使用任意重采样抹平采样率。定义固定物理时长（例如 $\Delta t=0.25\text{ s}$），PPG 采 16 点、ACC 采 8 点，分别通过模态专用 Conv1d 投影为等长的 Patch Token 序列。
2. 双流交叉消除运动伪影 (Dual-Stream Cross-Attention)：
   • 将 ACC 流作为强抗噪的“运动参考基准”，通过交叉注意力（Cross-Attention）自适应指引 PPG 流衰减由手臂甩动引起的同频步频谐波。
3. 复合损失约束：
   • 单纯依赖 MAE 容易重建出平滑模糊波形，必须结合频域保真损失（${ℒ}_{\text{Spectral}}$）以保全脉搏重搏切迹与心跳间期微形态。
4. 两阶段多尺度解耦 (Hierarchical Decoupling)：
   • 吸收 HiMAE 的强生物物理局部偏置：采用轻量 1D 卷积 U-Net（<1M 参数、<1 ms 延迟）充当秒级底层生理 Tokenizer，将 10 秒原始高频波形提炼为紧凑的生理表征，再在外层级联长程状态空间（Mamba / Transformer）建模分钟至昼夜节律，实现兼顾手表端侧部署与长时程生理表征的平衡。
5. 吸收 PPG-LM 的连续时间 RoPE 与多时间尺度对齐：
   • 用户佩戴智能手表存在大量洗澡、充电、运动暂停导致的断流与不规则采样。借鉴 PPG-LM 的连续物理时间 RoPE（将旋转角度绑定在真实物理分钟差上）与 Perceiver 时间锚点潜变量探针，可在不进行插值伪造数据的前提下实现优雅的 24 小时任意长度时序聚合。
6. 吸收 SensorLM 的全传感器异构接入与自底向上分层打标流水线：
   • 参考 SensorLM 对分钟级派生特征的分块编码，先明确设备侧特征定义与时间聚合方式。
   • 复用其统计级 → 结构级 → 语义级三层语料自动化生成流程，在无标注海量手表数据上低成本构建用于多模态对齐的高质量指令语料。
7. 吸收 UniCardio 的动态模态接入与防遗忘思想：
   • 采用轻量化模态独立编码器结合任务注意力掩码，让用户在增删传感器（如外接胸带、贴片或脱下表带）时免于全模型重训。
8. 判别与生成解耦：
   • 端侧日常活动分类与心律失常筛查优先采用 Mantis 式判别骨干；而高精度连续生命体征（实时心率、血压波形、虚拟心电）追踪则采用双流生成式重构或扩散骨干。

8. 核心文献与资源汇总