arXiv cs.AI· Xiaocheng Fang, Jiarui Jin, Haoyu Wang, Che Liu, Jieyi Cai, Yujie Xiao, Guangkun Nie, Bo Liu, Shun Huang, Hongyan Li, Shenda Hong·· 3 天前AI 评分30
PPGFlowECG：用潜在整流流与跨模态编码实现 PPG 引导的 ECG 生成与心血管疾病检测
PPGFlowECG: Latent Rectified Flow with Cross-Modal Encoding for PPG-Guided ECG Generation and Cardiovascular Disease Detection
AI 导读
PPGFlowECG 是一个两阶段框架，先用 CardioAlign Encoder 将 PPG 与 ECG 对齐到共享潜在空间，再用潜在整流流合成 ECG，论文形式化分析表明该编码器是稳定且语义一致生成的必要条件。在四个数据集上的实验显示其合成保真度与下游诊断效用均有提升，有望在无法获取标准 ECG 时支持可穿戴设备优先的心血管疾病筛查。该工作已被 IEEE ICDM 2026 接收。
正文 · AI 翻译
作者：Xiaocheng Fang、Jiarui Jin、Haoyu Wang、Che Liu、Jieyi Cai、Yujie Xiao、Guangkun Nie、Bo Liu、Shun Huang、Hongyan Li、Shenda Hong
摘要：心电图（ECG）是心血管疾病（CVD）评估的临床金标准，但连续监测受限于对专用硬件和受过训练的人员的需求。光电容积脉搏波描记法（PPG）在可穿戴设备中广泛存在且易于扩展，但缺乏电生理特异性，限制了诊断可靠性。尽管生成式方法旨在将 PPG 转换为临床可用的 ECG 信号，但现有方法受限于生成模型中生理语义的不对齐以及高维信号建模的复杂性。为解决这些局限，我们提出 PPGFlowECG，这是一个两阶段框架，首先使用 CardioAlign Encoder 在共享潜在空间中对齐 PPG 和 ECG，然后通过潜在整流流合成 ECG。我们进一步对这种耦合进行了形式化分析，表明在我们的公式下，CardioAlign Encoder 是保证稳定且语义一致的 ECG 合成所必需的。在四个数据集上的大量实验表明，合成保真度和下游诊断效用均有所提升。这些结果表明，在无法进行标准 ECG 采集时，PPGFlowECG 支持可扩展、可穿戴设备优先的 CVD 筛查。
| Comments: | 已被 IEEE ICDM 2026 接收 |
| Subjects: | 机器学习（cs.LG）；人工智能（cs.AI）；信号处理（eess.SP） |
| 引用为： | arXiv:2509.19774 [cs.LG] |
| （或使用 arXiv:2509.19774v3 [cs.LG] 查看此版本） | |
| https://doi.org/10.48550/arXiv.2509.19774 arXiv 颁发的 DOI 通过 DataCite |
提交历史
来自：Xiaocheng Fang [查看电子邮件]
[v1]
2025年9月24日星期三 05:54:33 UTC（8,667 KB）
[v2]
2026年1月21日星期三 15:58:20 UTC（5,706 KB）
[v3]
2026年10月13日星期二 00:57:05 UTC（4,630 KB）
来源：arXiv cs.AI · arxiv.org