Nuovo Framework per l'Apprendimento Auto-Supervisionato nel Monitoraggio Sanitario Basato su PPG

I ricercatori hanno proposto TS2TC, un framework generativo di apprendimento rappresentazionale auto-supervisionato progettato per la stima non invasiva di parametri fisiologici utilizzando dati di fotopletismografia (PPG). Il framework affronta le sfide nell'allineamento delle etichette con dati PPG su larga scala per il deep learning, che è dispendioso in termini di risorse. TS2TC sfrutta i domini temporale, spettrogramma e misto temporale-spettrogramma per apprendere rappresentazioni condivise robuste da dati non etichettati. Un componente chiave è il compito pretesto Cross-Temporal Fusion Generative Anchor (CTFGA), che modella le dipendenze temporali e ricostruisce segmenti indipendenti a un livello grossolano per l'estrazione di caratteristiche globali e la rappresentazione contestuale locale. Il framework mira a consentire una stima universale e non invasiva dei parametri fisiologici. La ricerca è dettagliata nel preprint arXiv 2604.22780.