P2E-VQ：通过离散补丁检索实现ECG-关联的PPG表示增强

# 通过离散化块检索实现基于心电关联的光电容积描记术表征增强
来源：https://arxiv.org/html/2608.14656
高壮志†\\dagger赵贺 周飞翔 王付 丁瑾如 王元凯 秦弘毅 Gregory Y\. H\. Lip Bil Kirmani 郑亚琳†\\dagger这些作者对本文贡献相等。Zhongli Wu, Yuankai Wang 和 Gregory Y\. H\. Lip 隶属于英国利物浦大学利物浦心血管科学中心。Yalin Zheng, He Zhao, Feixiang Zhou, Hongyi Qin 和 Fu Wang 隶属于英国利物浦大学眼与视觉科学系。Zhuangzhi Gao 和 Jinru Ding 隶属于中国上海人工智能实验室。Bil Kirmani 隶属于英国利物浦心脏与胸腔医院NHS信托基金会心胸外科。通讯作者：Yalin Zheng（电子邮箱：[Yalin\.Zheng@liverpool\.ac\.uk](mailto:[email protected])）。

###### 摘要

光电容积描记术因其低成本、易于采集的特性，被广泛应用于消费级可穿戴设备中。然而，与心电图不同，PPG测量的是外周脉搏动力学而非心脏电活动，这限制了其预测依赖ECG特异性形态学线索的心脏状况的能力。现有方法试图通过从PPG重建ECG来弥合这一差距，但这种逆映射本质上是不适定的，且波形的忠实重建并不必然带来更好的下游性能。为解决这一挑战，我们提出了P2E-VQ，一个检索增强框架，它用ECG关联表征检索替代ECG波形重建。具体而言，P2E-VQ将PPG块转换为离散令牌，并从一个完全基于训练数据构建的存储库中检索ECG关联信息，从而在仅需PPG进行推理的情况下增强PPG表征。在涵盖六个下游任务（包括临床终点预测和情感状态识别）的五个公共数据集上的大量实验表明，在统一的冻结特征线性探测协议下，P2E-VQ在预训练基线上始终能带来性能提升。

\{IEEE关键词\}

光电容积描记术，心电图，向量量化，检索增强学习，可穿戴健康监测

## 1 引言

\\IEEEPARstart

光电容积描记术已成为消费级可穿戴设备（如智能手表、健身手环和环形设备）的核心传感模态，使得在真实世界环境中进行可扩展和被动监测成为可能[6 (https://arxiv.org/html/2608.14656#bib.bib218),5 (https://arxiv.org/html/2608.14656#bib.bib170)]。PPG利用光学传感器在外周部位测量脉搏引起的血容量变化，从而捕获与心率动力学、血管特性和心血管状态相关的信息[1 (https://arxiv.org/html/2608.14656#bib.bib174)]。一些PPG衍生指标，如脉搏率变异性，在许多情况下已被证明与基于ECG的心率变异性相关，这激发了从PPG中提取比简单心率追踪更丰富心脏信息的努力[28 (https://arxiv.org/html/2608.14656#bib.bib34),12 (https://arxiv.org/html/2608.14656#bib.bib33)]。尽管如此，PPG仍然是一种间接的血流动力学替代指标，缺乏使ECG具有诊断信息价值的电生理形态学特征，尤其是在心律和传导异常方面[1 (https://arxiv.org/html/2608.14656#bib.bib174),5 (https://arxiv.org/html/2608.14656#bib.bib170)]。

心电图提供了心脏电活动的直接测量，仍是诊断心律失常、传导异常和广泛心血管疾病的临床参考标准[18 (https://arxiv.org/html/2608.14656#bib.bib42)]。在标准的12导联记录中，肢体导联II因其电轴与主要去极化向量高度对齐，能产生清晰稳定的P-QRS-T形态，常用于节律监测[8 (https://arxiv.org/html/2608.14656#bib.bib168)]。尽管具有诊断价值，ECG不太适合可扩展和持续的真实世界监测，因为它通常需要电极接触，并且通常限于短暂的、用户发起的记录。

鉴于这一差距，一个自然的问题是：是否可以从PPG信号中恢复或转移ECG相关的电生理信息？这个问题催生了越来越多的PPG到ECG研究，旨在学习配对PPG和ECG记录之间的波形级对应关系。早期的PPG到ECG方法使用基于回归或变换域的方法学习波形级映射[41 (https://arxiv.org/html/2608.14656#bib.bib30),34 (https://arxiv.org/html/2608.14656#bib.bib8)]；然而，它们的逐点重建损失对时间错位敏感，并且经常产生过度平滑的平均ECG形态。最近，深度神经网络和生成模型被引入从PPG信号合成ECG波形[26 (https://arxiv.org/html/2608.14656#bib.bib17),4 (https://arxiv.org/html/2608.14656#bib.bib228),24 (https://arxiv.org/html/2608.14656#bib.bib130),36 (https://arxiv.org/html/2608.14656#bib.bib4)]；然而，完全参数化的生成可能会虚构出与个体生理不符的ECG模式。关键的是，PPG并不能唯一确定ECG形态：相似的PPG脉搏模式在不同个体中可能对应于不同的ECG P-QRS-T形态。因此，特定于主体的ECG重建本质上是模糊的，重建的ECG波形可能为下游预测提供不可靠的特征。

为解决这一挑战，我们提出了P2E-VQ（基于向量量化的PPG到ECG），一个检索增强框架，它通过使用离散的PPG令牌检索ECG关联信息并增强PPG表征，从而绕过特定于主体的ECG波形重建。在本文中，我们使用*ECG关联*来指代由训练数据中与PPG配对的真实ECG块所携带的信息，并在推理时被检索；它表示转移到PPG表征中的ECG衍生证据，而非对主体自身ECG的重建。具体而言，在配对数据预训练期间，P2E-VQ将短的PPG块聚类为离散令牌，并将每个令牌与一组时间对齐的ECG块相关联。对于仅包含PPG的记录，每个块被分配给一个令牌，检索相应的ECG关联候选块并进行聚合，然后将生成的ECG关联表征与原始PPG表征结合用于下游预测。这种令牌索引存储也使得检索高效：ECG候选直接从匹配的存储条目中获取，而不是在整个训练集上搜索。至关重要的是，通过在表征层面操作而不是执行确定性的PPG到ECG逆变换，P2E-VQ不需要单一的PPG模式映射到唯一的ECG波形。检索和聚合的ECG关联候选作为证据层面的线索，在ECG形态提供超越PPG本身的补充信息的任务中，产生更具区分性的特征。本文的主要贡献总结如下：

- •我们提出将PPG到ECG学习从波形重建重新表述为检索增强表征学习。由于PPG到ECG映射本质上是不适定的，我们绕过特定于主体的ECG估计，而是将ECG关联的电生理信息转移到PPG表征中用于下游预测。
- •我们设计了一种P2E-VQ机制，将局部PPG形态离散化为码本原型，并将每个原型与对齐的ECG块链接，从而实现非参数化的ECG关联检索，而非直接的波形生成。
- •我们引入了一种高效的令牌索引检索策略，其中ECG候选根据其关联的PPG令牌进行组织，并从匹配的存储条目中检索，避免了在整个训练集上进行穷举搜索。
- •我们在五个公共数据集和六个下游任务上展示了相对于强预训练基线的持续改进，匹配容量的负对照证实这些增益归因于ECG关联内容而非特征维度。

## 2 相关工作

### 2.1 PPG到ECG跨模态翻译

PPG到ECG的跨模态翻译作为一个ECG波形重建问题被广泛研究，旨在从PPG信号中恢复ECG关联信息。传统方法通常使用手工特征、基于回归的模型、变换域表示、字典学习或基于核的方法来学习直接波形映射[3 (https://arxiv.org/html/2608.14656#bib.bib7),41 (https://arxiv.org/html/2608.14656#bib.bib30),34 (https://arxiv.org/html/2608.14656#bib.bib8),14 (https://arxiv.org/html/2608.14656#bib.bib13)]。例如，PhotoECG从手工制作的PPG特征预测ECG间期范围[3 (https://arxiv.org/html/2608.14656#bib.bib7)]，而Zhu等人则将PPG心跳的离散余弦变换系数映射到相应ECG心跳的系数[41 (https://arxiv.org/html/2608.14656#bib.bib30)]。尽管这些方法可以产生视觉上合理的ECG重建，但直接波形重建对时间错位敏感，并且可能产生过度平滑或生理上不真实的ECG形态。

随着深度学习的兴起，最近的PPG到ECG研究已从手工映射转向完全数据驱动的非线性重建模型。循环和卷积架构，例如特定于主体的BiLSTM模型和端到端的PPG2ECGps，已被用于从PPG记录重建单导联ECG信号[32 (https://arxiv.org/html/2608.14656#bib.bib14),33 (https://arxiv.org/html/2608.14656#bib.bib15),9 (https://arxiv.org/html/2608.14656#bib.bib16)]。生成模型进一步提高了波形真实性；例如，CardioGAN使用对抗学习从PPG合成ECG，而基于扩散的模型如RDDM通过建模特定区域的ECG结构生成高保真ECG波形[26 (https://arxiv.org/html/2608.14656#bib.bib17),30 (https://arxiv.org/html/2608.14656#bib.bib100),22 (https://arxiv.org/html/2608.14656#bib.bib19)]。尽管这些方法可以提高视觉保真度，但它们仍然依赖于完全参数化的波形生成，并且可能产生过度平滑或虚构的ECG模式，这些模式与个体生理不符，限制了它们在下游预测中的可靠性。

尽管取得了这些进展，基于重建的方法有一个共同的局限性：它们隐含地假设ECG形态可以从PPG可靠地推断出来。然而，相似的外周脉搏模式可能在不同个体中对应于不同的P-QRS-T形态，使得特定于主体的ECG重建本质上是模糊的。相比之下，P2E-VQ通过从配对训练数据中检索和聚合ECG关联的块候选，避免确定性的波形逆变换，将它们作为表征层面的证据来丰富PPG特征。

### 2.2 检索增强学习

检索增强学习在推理时用从外部非参数存储中检索到的信息补充参数化模型的知识[20 (https://arxiv.org/html/2608.14656#bib.bib25),17 (https://arxiv.org/html/2608.14656#bib.bib10)]，并在自然语言处理和医学图像分析中展现出强大的性能。向量量化在连续表征和离散检索键之间提供了天然的桥梁：VQ-VAE[35 (https://arxiv.org/html/2608.14656#bib.bib20)]用码本索引替换连续的隐变量，强制编码器将输入映射到一组有限的原型向量上，并使每个原型能够作为存储查找的高效键。

在生物医学信号分析中，向量量化表示长期以来一直用于ECG压缩，其中码本捕获重复的心跳形态，如QRS波群和ST段偏移[31 (https://arxiv.org/html/2608.14656#bib.bib22)]。自监督预训练同样被证明可以产生可跨数据集和任务转移的ECG表征[27 (https://arxiv.org/html/2608.14656#bib.bib23)]。ECG基础模型进一步表明，大型未标记的ECG语料库可以支持用于下游任务的可转移潜在表征[39 (https://arxiv.org/html/2608.14656#bib.bib9)]。然而，现有的基于量化的方法通常将离散编码用作内部压缩变量或前置任务目标，学习到的编码最终被参数化解码器或分类器所使用，而非用于显式的跨模态检索。

相比之下，P2E-VQ将检索增强向量量化应用于跨模态生理表征学习。P2E-VQ不是重建特定于主体的ECG波形，而是使用PPG衍生的离散令牌从配对训练数据中检索ECG关联信息，并将其集成到PPG表征中。这种设计使得在无需参数化波形生成的情况下，可以从仅包含PPG的记录中进行ECG关联推理，结合了PPG的可及性和ECG的电生理信息性。

## 3 方法论

请参考图注图1：P2E-VQ概述，这是一个用于ECG关联PPG表征学习的三阶段框架。阶段1使用向量量化码本从配对PPG-ECG块中学习离散的ECG对齐PPG令牌。阶段2使用这些令牌索引时间对齐的ECG块并构建ECG块存储。阶段3将未见过的仅含PPG的记录令牌化，从存储中检索ECG关联块，并将检索到的信息与PPG特征整合以形成最终的ECG关联表征。

### 3.1 整体框架

如图1所示，P2E-VQ是一个用于ECG关联PPG表征学习的三阶段检索增强框架。在阶段1，配对的PPG-ECG记录被分割成对齐的块，并学习一个向量量化码本将局部PPG形态转换为离散令牌。在阶段2，这些令牌用于索引训练数据中的时间对齐的ECG块，形成一个令牌索引的ECG存储。该存储实现了ETIR策略，其中ECG候选根据其关联的PPG令牌进行分组，可以从匹配的存储条目中获取，而不是在整个训练集上搜索。在阶段3，仅包含PPG的记录使用学习到的码本进行令牌化，相应的ECG关联候选从存储中检索并聚合。然后，检索到的信息与PPG特征结合，形成用于下游预测的最终ECG关联表征。这种设计使得可以从仅含PPG的信号进行ECG关联推理，同时避免特定于主体的ECG波形重建。

### 3.2 阶段1：PPG码本学习

阶段1的输入是同步的ECG-PPG信号对。通过对齐的时间块提取，我们获得ECG-PPG块对\{\(x_i^{\mathrm{ECG}},x_i^{\mathrm{PPG}}\)\}\_{i=1}^N，其中\(x_i^{\mathrm{ECG}},x_i^{\mathrm{PPG}}\in\mathbb{R}^{t_{\mathrm{len}}}\)分别表示长度为\(t_{\mathrm{len}}\)的ECG和PPG块。该阶段的目标是学习局部PPG形态的离散码本。每个PPG块\(x_i^{\mathrm{PPG}}\)