在可穿戴光电容积脉搏波(PPG)监测中，连续的氧饱和度(SpO$_2$)估计至关重要。然而，低质量的红外和红光PPG信号会扭曲波形形态，降低SpO$_2$的预测准确性。现有的PPG去噪和重建方法通常侧重于波形保真度或心率特征，但仅依赖时域波形损失的方式不足以保留频率结构和与SpO$_2$相关的信息。
本研究提出了一种基于SpO$_2$预测器的阶段性时频重建框架，旨在处理低质量的双波长PPG信号。该方法首先选择高质量的PPG片段来预训练SpO$_2$预测器。接着，训练一个掩蔽重建模型，以恢复随机掩蔽的PPG区域，使用结合时域波形损失和通过短时傅里叶变换(STFT)计算的频域损失的联合重建目标。
为了使重建任务与生理相关，预训练的SpO$_2$预测器被纳入作为额外约束，鼓励重建的PPG保留SpO$_2$信息，而不仅仅是最小化波形重建误差。SpO$_2$预测器和PPG重建模型通过四个训练阶段进行优化。实验结果显示，在公开的OpenOximetry Repository和私有可穿戴PPG数据集上，所提方法在受试者水平的平均绝对误差(MAE)最低，公开数据集为2.882%，私有数据集为2.359%。
博主点评： 该研究通过引入SpO$_2$预测器，创新性地解决了低质量PPG信号重建问题，显著提升了氧饱和度估计的准确性。这种方法为可穿戴健康监测设备的进一步发展提供了新的思路，尤其是在信号处理和生理信息提取领域具有广泛的应用前景。