研究人员开发了一个名为TS2TC的新生成式自监督学习框架，以改进从光电容积脉搏波描记法（PPG）数据中估计生理参数。该框架通过从大量无标签数据中学习鲁棒的表示来解决有限的标签数据这一挑战。TS2TC利用时间域、频谱域和混合域，以及新颖的跨时间融合生成锚点（CTFGA）预训练任务和双过程迁移（DPT）策略，来提取全局和局部上下文特征。实验表明，TS2TC仅使用10%的训练数据，在均方根误差（RMSE）方面比现有方法提高了2.49%。 AI
影响 引入了一个新颖的自监督学习框架，以减少标签数据量为前提，显著提高了生理参数估计的准确性。
排序理由 这是一篇研究论文，详细介绍了一个用于特定领域自监督学习的新框架。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
