撰文丨王聪 编辑丨王多鱼 排版丨水成文 全世界每年有近 1800 万人死于 心血管疾病 ，占全球死亡总数的 32%。这一惊人数字背后，是 实时健康 监测 技术的迫切需求。然而，传统心血管信号监测面临一个核心矛盾：信号质量与患者舒适度难以兼得。 心血管信号，例如光电容积脉搏波 （PPG） 、心电图 （ECG） ，还有血压 （BP） ，本质上 相互关联且 互补， 共同反映心血管系统的健康状况。然而，每种技术都有其局限性，可穿戴设备方便但信号易受干 扰，医疗级设备精确却难以持续使用。这导致了这些心血管信号在实时监测中的联合应用受到严重限制。 2025 年 12 月 29 日，清华大学 朱军 、 王立元 等，在 Nature 子刊 Nature Machine Intelligence 上发 表了 题为： Versatile cardiovascular signal generation with a unified diffusion transformer 的研究论 文。 该研究开发了一种多模态 diffusion transformer 模型—— UniCardio ，能够根据已有的心血管信号"补 全"缺失或 ...

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 ...