PPG-Bench揭秘：主流PPG基础模型真能通用吗？

当光电容积脉搏波遇上基础模型

光电容积脉搏波（Photoplethysmography，简称PPG）正以惊人的规模被可穿戴设备和临床仪器采集。从智能手表到病房监护仪，这些设备持续记录着血管容积随心跳变化的光学信号。随着信号规模爆炸式增长，研究者们开发了越来越多的PPG基础模型（Foundation Models, FMs），试图从海量数据中学习出可复用的信号表征，服务于各类下游任务。

理想很丰满：训练一个强大的基础模型，就能在心血管状态估计、睡眠分期、身份识别等多种任务上通用。但现实却难以验证——不同研究采用的数据集、任务定义、预处理流程、下游模型头、超参数调优方式乃至对比基线各不相同，导致这些模型几乎无法横向比较。PPG-Bench正是为解决这一混乱局面而生。

PPG信号的采集原理是：发光二极管向皮肤组织发射特定波长的光，光电传感器接收经组织吸收或反射后的光强变化。由于血红蛋白对光的吸收量随心脏搏动引起的血管容积变化而周期性波动，光电传感器捕捉到的信号便对应着脉搏节律。这一原理使得智能手表、血氧仪等消费级设备无需接触血液即可连续监测心率、血氧饱和度等生理指标。PPG波形本身包含丰富的生理信息：波峰间隔反映心率，波形形态与血管弹性、血压相关，而呼吸运动则会在基线漂移中留下痕迹。正是这种信息密度，促使研究者尝试用基础模型统一提取其中的多维度表征，而非为每项任务单独设计特征工程。

PPG-Bench做了什么

PPG-Bench是一个开源的统一评测基准，覆盖面相当广泛。研究团队选取了5个公开的PPG基础模型，在9个开放获取数据集上，针对26项任务进行系统评估。这些任务横跨多个应用领域：心血管状态估计、活动识别、睡眠监测、疾病筛查以及身份识别。

为了全面刻画模型的适应能力，评测设计了四种递进式的下游训练范式：

• 线性探测（Linear Probing）：最简单，仅在冻结特征上训练线性分类器
• 随机森林（Random Forests）：非线性但不改动表征
• 冻结MLP探针（Frozen MLP Probes）：增加下游头容量
• 端到端微调（End-to-end Finetuning）：适应性最强，允许更新全部参数

每种范式都配合了模型专属的超参数优化，以及受试者不相交（subject-disjoint）的交叉验证，确保评估的严谨性与可复现性。这种设计避免了同一受试者数据同时出现在训练与测试集中造成的信息泄漏。

受试者不相交（subject-disjoint）的划分方式是健康信号评估中的重要原则。人体生理信号具有强烈的个体特异性——同一受试者在训练集和测试集中同时出现，会导致模型学到「认人」而非「理解生理规律」的能力，使测试指标虚高且缺乏泛化意义。在可穿戴健康领域，这种数据泄漏问题尤为突出，因为信号的个体差异（如基础心率、波形形态）往往远大于任务相关的差异（如疾病状态）。严格的受试者不相交划分确保了模型必须在从未见过的个体上进行预测，这才是衡量表征真实可迁移性的合理标准。

三条对照基线：照妖镜般的设计

真正让这项工作有分量的，是它引入的三条对照基线。许多基础模型评测的通病在于只和其他深度模型比较，缺乏对「简单方法是否同样有效」的检验。PPG-Bench则设置了三个梯度分明的参照物：

1. 随机/常数基线：即不包含任何有效信息的最低参照，用来检验模型是否真的学到了东西
2. 确定性PRV特征集：基于脉率变异性（Pulse-Rate-Variability）的传统手工特征，完全不涉及学习
3. 通用时序基础模型MOMENT：并非专为PPG设计，但代表了通用时序建模的能力

这三条基线构成了一套清晰的检验逻辑：一个合格的PPG专用基础模型，起码应当超越随机基线，更应当胜过手工特征和通用时序模型，否则它存在的意义便值得怀疑。

脉率变异性（Pulse-Rate-Variability，PRV）是对心率变异性（HRV）概念在PPG领域的对应延伸，指相邻脉搏波峰之间的时间间隔（即PP间期）的逐拍变化。传统HRV分析源于心电图（ECG）的RR间期，而PPG因更易穿戴获取，PRV被广泛用于近似替代HRV。PRV特征通常涵盖时域指标（如SDNN、RMSSD）、频域指标（低频/高频功率比）以及非线性指标（如近似熵、Poincaré散点图参数），无需任何训练即可确定性地从信号中计算得出。将PRV特征集作为对照基线，是对「基础模型的深度表征是否真的比人类先验知识更优越」这一根本问题的直接检验。

令人警醒的结论

评测结果相当尖锐。在全部68个任务-范式组合中：

• 35.3% 的组合里，PPG基础模型相比随机/常数基线没有任何有意义的优势——换言之，超过三分之一的情况下，这些模型表现得和瞎猜差不多；
• 83.8% 的组合里，没有任何PPG专用基础模型能够同时超越PRV手工特征和通用模型MOMENT。

这意味着在绝大多数任务上，花费大量算力训练的PPG专用模型，并不比简单的脉率变异性特征或一个非专用的通用时序模型更强。研究还有一个值得玩味的发现：增加下游头的容量通常能提升性能，但如果模型本身只是在随机/常数水平上运作，增加容量反而会导致显著的性能退化。这暗示着许多所谓的性能提升，可能来自下游头而非基础模型本身的表征质量。

对领域的启示

研究团队给出的结论直截了当：当前的PPG基础模型尚不能宣称提供了通用且可迁移的信号表征。 这并非否定基础模型路线的价值，而是对当前评测范式的严肃反思。

这项工作最大的方法论贡献，在于强调了「简单对照」的不可或缺。在深度学习研究中，模型越来越复杂，但研究者常常忽略了与非学习方法的对比。一个模型哪怕在绝对数值上表现亮眼，如果连手工特征都无法超越，其宣称的「学习到了有用表征」便站不住脚。PPG-Bench呼吁未来该领域的评估都应当纳入这类简单、非学习的对照检验。

对于从业者而言，这也提醒我们在选型时保持清醒：面对一个新发布的PPG基础模型，不妨先问一句——它和PRV特征比过了吗？基准代码及评估更多模型的说明已开源，地址为 https://github.com/mannas-ai/ppg-bench ，有兴趣的研究者可以将自己的模型纳入这一统一框架进行检验。

小结

PPG-Bench以统一、严谨、开源的姿态，为纷繁的PPG基础模型评测提供了一把标尺。它用68个任务-范式组合的扎实实验证明了一个略显残酷的事实：当下的PPG专用基础模型，离「通用可迁移」的承诺还有相当距离。这类带有自省精神的基准工作，恰恰是推动领域健康发展的关键力量。