PulseBound：显式信息边界约束下的未来心搏状态预测

基于摘要分析。PulseBound 研究 PPG 预测式表征学习中的信息访问问题：即使使用因果注意力，归一化、非局部变换或配套视图仍可能依赖被隐藏的样本。其贡献是将生理结构化的未来心搏预测与显式存储窗口信息边界结合，使预测上下文仅依赖可见前缀和截断位置。 机制上，方法以不依赖信号内容的截断点分隔可见前缀与预测目标，通过仅使用前缀的归一化、构建派生视图前替换后缀，以及对齐掩码限制编码器输入。其“存储后缀不变性”指：固定模型状态、随机性、前缀和截断点后，改变存储后缀不能改变预测上下文。共享的预测跨度条件化头预测最多四个满足提取器有效性条件的未来心搏的九项节律与形态描述量，并使用逐元素有效性掩码；可选的 ECG 衍生脉搏到达时间监督仅限训练阶段。 作者报告，在未参与 PulseBound 主干预训练的 MIMIC 和 VitalDB 留出组上，相较于沿用最后一个可见心搏状态的基线，九项状态在变换空间中的 MAE 分别降低 28.06% 和 22.22%；在全部 40 个来源—截断点—预测跨度组合中，MAE、MAE-Skill 和 Spearman 相关性均有改善。另在七个模型、13 项下游任务的比较中，作者报告 PulseBound 在九项冻结线性探测任务和七项全量微调任务上取得最佳均值表现。作者还报告，在存储窗口接口的后缀干预审计中，预测上下文和预测结果的记录变化均为零，后缀输入梯度在审计精度下为零；这不能直接扩展为所有数据处理环节均满足因果访问。 全文未取得，任务定义、留出组与被试关系、描述量变换、训练细节、消融及统计信息尚未验证。平台推测（待验证）：若 EEG 预训练采用未来片段预测，该边界机制可用于约束归一化和派生视图访问；心搏描述量监督则需改造为适合 EEG 的目标。假设低信噪比、小数据、通道差异及跨被试变异可能削弱可预测性，可先固定前缀并替换后缀，审计上下文不变性，再比较有无边界约束的下游表现。已有 EEG 相关工作尚未检索确认。