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 面向光电容积描记（PPG）的预测表征学习，针对因果注意力仍可能通过归一化、非局部变换或伴随视图访问被保留样本的问题，将显式信息边界与具有生理结构的未来心搏预测结合。 机制上，方法用不依赖信号内容的截断点划分可见前缀与预测目标；通过仅基于前缀的归一化、构建派生视图前替换后缀以及对齐掩码，使编码器输入仅依赖可见前缀和截断点。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，改变存储后缀不应改变预测上下文。共享的预测跨度条件化预测头，为最多四个满足提取器有效性条件的未来心搏预测九项确定性的节律与形态描述量，采用逐元素有效性掩码；可选的 ECG 衍生脉搏到达时间监督仅用于训练。 作者报告，在 MIMIC 和 VitalDB 内未参与 PulseBound 骨干预训练的留出组上，相较以最后一个可见心搏状态作为未来预测的持续性基线，九状态变换空间 MAE 分别相对降低 28.06% 和 22.22%；全部 40 个“来源—截断点—预测跨度”组合中的 MAE、MAE-Skill 和 Spearman 相关性均改善。另在涉及七个模型、13 项下游任务的比较中，作者报告 PulseBound 在九项冻结表征线性探测任务和七项全量微调任务上取得最佳均值，具体聚合方式尚未验证。 作者报告，在声明的存储窗口接口下，后缀干预未产生可记录的预测上下文或预测变化，审计精度下后缀输入梯度为零。这支持其特定接口下的信息边界主张，但不能直接推广为完整处理流程不存在任何信息泄漏。留出组定义、下游任务构成、预处理范围、消融、统计信息及复现条件尚未验证。 平台推测（待验证）：可迁移至 EEG 的是信息边界审计机制，而非心搏描述量本身。若用于 EEG 预测式自监督学习，可复用前缀限定预处理与后缀干预测试，但需重新设计预测目标并适配通道结构；低信噪比和跨被试差异可能削弱迁移收益。一个可证伪的小实验是固定 EEG 前缀、模型与随机性，仅替换存储后缀，检验表征和预测是否变化。相关 EEG 工作尚未检索确认。