PhysPPG：用于光电容积描记表征的物理信息对比学习

基于摘要分析。PhysPPG 针对运动与采集伪迹遮蔽 PPG 波形结构、影响生理推断的问题，将对比学习与物理信息潜在动力学约束结合，以学习稳健的 PPG 表征。 核心机制是由时序编码器将 PPG 信号映射为潜在轨迹，再用对比目标和广义 Euler–Lagrange 残差共同约束表征。可学习的动能、势能与非保守力提供低阶动力学归纳偏置。该机制不要求生理标签，也不将潜在坐标直接解释为特定血流动力学变量；因此，物理约束作用于学习到的潜在空间，其生理可解释性不能由摘要直接确立。损失的具体形式、权重、轨迹导数计算与训练细节尚未验证。 作者报告，在具有显著运动和环境变化的 WildPPG 上，冻结编码器的评估显示该方法有益于血压估计与心率估计，但摘要未给出指标、效应大小、对照基线及被试内或跨被试划分，无法判断改善幅度。作者还报告，学习到的残差可支持 PPG–ECG 模态区分，作为信号与所学动力学兼容性的补充诊断；这一结果不等同于证明模型恢复了真实生理动力学。实验协议、消融及统计信息尚未验证。 平台推测（待验证）：若 EEG 潜在轨迹具有可学习的稳定动力学结构，此类残差约束可能补充自监督表征学习，但 PPG 的血流动力学结构不能直接迁移为 EEG 的物理模型。可复用的是时序编码、对比目标与潜在动力学残差的组合，需改造信号增强方式及动力学假设。低信噪比、跨被试差异、通道配置变化和小数据可能使残差偏向伪迹或过度约束任务相关活动。一个可证伪的小实验是在相同 EEG 数据划分、编码器及训练预算下，对比加入与不加入残差约束的跨被试冻结表征表现，并测试噪声扰动下的稳定性。相关 EEG 工作尚未检索确认。