PhysMamba：用于远程生理测量的协同状态空间对偶模型

基于摘要分析。PhysMamba 面向从人脸视频提取生理信号的 Remote Photoplethysmography（rPPG），旨在缓解运动伪影、光照变化和噪声造成的测量不稳定。其核心贡献是基于 Synergistic State Space Duality（SSSD）的双路径时频交互模型，将状态空间模型与注意力机制结合，并通过 Multi-Scale Query（MQ）促进信息交换和特征表征。 机制与创新：摘要明确描述了双分支框架及状态空间模型、注意力和 MQ 的协同，但未交代时域与频域表征如何构建、分支如何融合，以及损失、训练和推理流程。作者声称首次在此类双分支框架中整合状态空间模型与注意力机制，该优先性尚未独立核验。 实验与证据：作者报告，在 PURE、UBFC-rPPG 和 MMPD 上优于现有先进方法，并具有更好的准确性与泛化能力。摘要未给出具体指标、数值、数据划分或对照基线，因此不能确定优势对应被试内、跨被试还是跨数据集评估，也不能量化抗运动、抗光照变化的收益。实验协议、消融及统计信息尚未验证。材料提供了代码仓库入口，但实现完整性、环境依赖与复现结果尚未核验；远程患者照护和实时应用属于作者提出的应用方向，不等同于临床验证或已证实的实时性能。 平台推测（待验证）：假设时频交互与长序列建模能够迁移，可探索其对 EEG 非平稳信号与伪影干扰的适用性，但 rPPG 的人脸视频结构不等同于 EEG 多通道时序。可复用候选是状态空间—注意力交互及 MQ，需改造输入编码、通道组织和任务输出；低信噪比、跨被试差异、通道变化与小数据训练可能使收益消失。一个可检验的小实验是在固定跨被试 EEG 划分下，匹配训练预算比较加入与不加入 MQ 的模型，并施加一致的噪声扰动，检验收益是否稳定。已有相关 EEG 工作尚未检索确认。