PanLUNA：面向边缘生物信号智能的高效稳健查询统一多模态模型

生理学基础模型（FM）在生物信号表示学习上展现出潜力，但大多数仍局限于脑电（EEG）、心电（ECG）或光电容积描记（PPG）等单一模态，这主要缘于配对多模态数据集的稀缺。本文提出PanLUNA，一个参数量仅5.4M的紧凑型泛模态FM，在单一共享编码器中联合处理EEG、ECG与PPG。PanLUNA扩展了LUNA的通道统一模块，将多模态通道视为统一查询集中的条目并辅以传感器类型嵌入，实现高效的跨模态早期融合，同时对推理时的模态缺失天然稳健。尽管体量很小，PanLUNA仍可匹敌甚至超越参数量大至57$\times$的模型：在TUAB异常EEG检测上取得81.21%的平衡准确率，在HMC多模态睡眠分期上取得0.7416的平衡准确率（当前最优）。采用INT8权重的量化感知训练可恢复$\geq$96%的全精度性能；部署于面向可穿戴设备的GAP9超低功耗RISC-V微控制器时，10秒12导联ECG推理实现325.6 ms延迟与18.8 mJ能耗，而对30秒片段的多模态5通道睡眠分期实现1.206 s延迟与68.65 mJ能耗。