清华朱军团队Nature Machine Intelligence：多模态扩散模型实现心血管信号实时全面监测

现实监测因此呈现出明显的 "两难"：可穿戴信号获取便捷，却更易受到噪声、运动伪影与信号中断的影响；而高质量或更关键的信号采集，则可能带来不适、风 险与成本，难以长期连续部署。 过去的研究往往将这一问题拆解为若干 "单点任务"：有的方法专注于信号去噪，有的方法聚焦缺失片段补全，即从 " 低质量 " 信号重建 " 高质量 " 信号。还有的方 法研究信号模态转换，即从 " 易测量 " 信号预测 " 难测量 " 信号。这些方法已在各自任务上取得了进展，但一个显著的局限在于：多数模型仍然是任务特定、模态 特定，难以在同一个模型中同时覆盖多任务、多模态、多条件建模，也难以充分利用心血管信号之间天然存在的相关性与互补性。 可穿戴健康监测信号由于监测难度高、观测噪声大、易受干扰，高质量的心血管信号仍难以长期便捷获取，这是智能健康监测系统始终面临的现实困境。近日， 清华朱军等团队提出了一种统一的多模态生成框架 UniCardio，在单扩散模型中同时实现了心血管信号的去噪、插补与跨模态生成，为真实场景下的人工智能辅助 医疗提供了一种新的解决思路。相关工作《Versatile Cardiovascular Signal Gener ...