可穿戴加速度計基礎模型透過知識蒸餾促進健康

現代可穿戴設備的健康監測

現代的可穿戴設備能夠方便地記錄我們日常生活中各種生物信號，讓我們更好地了解自己的健康狀況。不過，並不是所有的生物信號都是一樣的：高保真度的生物信號，比如光電容積描記圖 (PPG)，能提供更多的生理資訊，但需要高功耗的光學感測器。相對來說，像加速度計這樣的低保真度生物信號，功耗要小得多，幾乎所有可穿戴設備都可以使用。雖然加速度計廣泛用於活動識別和健身，但在健康生物標記和診斷方面的應用還不多。

加速度計基礎模型的潛力

在這裡，我們展示了一個加速度計基礎模型可以預測多種健康目標。為了提高性能，我們從光電容積描記圖編碼器中提取代表性知識，並將其應用於加速度計編碼器，這些數據來自於約172,000名參與者的2000萬分鐘無標籤數據，這些參與者是在知情同意下參加蘋果心臟與運動研究 (Apple Heart and Movement Study)。我們在未見過的數據上觀察到強大的跨模態對齊，例如，從加速度計嵌入中檢索PPG嵌入的準確率高達99.2%。

加速度計編碼器的優勢

我們發現，經過提煉的加速度計編碼器相比於直接在加速度計數據上訓練的自我監督或監督編碼器，具有更具資訊性的表示，預測心率和心率變異性時性能提高了至少23%到49%。我們還顯示，經過提煉的加速度計編碼器能夠準確預測多種健康目標，也就是說，它們是通用的基礎模型。我們相信，加速度計基礎模型在健康領域的應用，可能會為從任何可穿戴設備開發數位生物標記開啟新的機會。