可重复使用的可穿戴PPG表征需要同时捕获局部脉冲形态和更广泛的生理规律。现有的预训练目标通常在整个记录或配对层面提供监督，忽视了不同概念在不同波形证据范围内才可靠。为此我们提出HiPPT，一个基于生理学的框架，将每种监督源匹配到其对应的证据范围。
我们构建了PPG-Text语料库，包含超过400万条来自202K用户的腕部PPG记录，并将每条记录与波形衍生的形态描述以及元数据衍生的上下文描述配对。HiPPT结合了记录级形态对齐——将单条记录锚定在脉冲特征上——和跨记录上下文对齐——聚合共享相同元数据元组的记录以捕获上下文一致的规律。波形引导的文本建模进一步从PPG片段表征中恢复被遮蔽的上下文概念，实现细粒度的波形-文本监督。
我们在六个下游任务上进行评估，任务覆盖血压、血管刚度、生理属性以及跨数据集的心率估计，HiPPT在主要的线性探测指标上取得最佳成绩。对齐空间还能零样本预测年龄段、性别和BMI类别，单独或联合预测时，随着记录数量的增加性能提升。这些结果表明，证据范围匹配能够产生可迁移且语义可访问的可穿戴PPG表征。代码和预训练权重将公开。
点评