RAE-PPG：PPG 基础模型的基于持续时间的保留和扩展预训练

来自光电体积描记法 (PPG) 的信号特征需要不同的信号持续时间来表征。现有的PPG基础模型将持续时间视为预训练或评估条件，而不是利用PPG特征所需的不同持续时间来组织自我监督。我们假设自我监督应该随着信号持续时间而扩展，允许单个编码器逐步获取额外的特征，同时保留和重用早期的学习。我们引入了保留和扩展 PPG (RAE-PPG)，它在 10 s、30 s 和 240 s 输入上连续训练单个 Transformer 编码器，为每个较长观察支持的信号特征添加监督。编码器被划分为特定于持续时间的参数组，允许后面的阶段重用早期的组，同时仅更新分配给当前阶段的组。选定的早期目标被重用来监督后期阶段，从而鼓励相应的特征在较长的输入表示中保持可访问性。最终编码器的直接解码表明，早期特征仍然可以从较长的输入表示中恢复，而后期特征在其引入持续时间内表现出更高的平均解码性能。受控比较进一步表明，前期学习为学习两个过渡中新引入的特征提供了更好的基础。在 8 个数据集的 18 个任务中，与 5 个现有的 PPG 基础模型相比，最终的冻结编码器在 12 个任务上实现了最佳观察分数。