阅读笔记

以下为个人阅读笔记，原文见 arXiv:2602.15967v1。

论文精读：儿科重症监护室中的非接触生理监测

1. 研究背景与临床挑战

在儿科重症监护室（PICU）中，对生命体征的连续监测对于早期发现临床恶化至关重要。然而，传统的接触式传感器（如脉搏血氧仪、心电图）存在显著局限性：它们可能引起皮肤刺激、增加感染风险，并导致患儿不适，尤其是对于皮肤脆弱的早产儿或新生儿而言。

远程光电容积脉搏波描记法（rPPG）提供了一种非接触式的替代方案，通过面部视频中微弱的颜色变化来估算血容量脉搏（BVP）和心率。尽管 rPPG 在远程医疗和健身应用中日益受到关注，但在 PICU 环境中的部署仍面临巨大挑战：

• 信号干扰： 临床环境中存在大量的运动伪影、遮挡（如导管、医护人员）、光照变化。
• 域偏移（Domain Shift）： 实验室数据（如 UBFC-rPPG, PURE）与真实临床数据之间存在显著差异，导致模型泛化能力差。
• 数据稀缺： 由于伦理和隐私限制，带有标签的临床视频数据极其稀缺，限制了监督学习的应用。

本文提出了一种基于**自适应掩码（Adaptive Masking）和自监督学习（Self-Supervised Learning）**的框架，旨在解决上述问题，实现 PICU 环境下的鲁棒非接触监测。

2. 核心方法：自适应掩码与自监督框架

该研究的核心创新在于将自监督预训练策略与特定的生理信号特征相结合。整体框架基于 Masked Autoencoder (MAE) 架构，但引入了多项改进以适应临床场景。

2.1 基于 VisionMamba 的架构

不同于传统的 Transformer 或 CNN，该框架采用了 VisionMamba 架构。Mamba 是一种基于状态空间模型（SSM）的架构，具有线性计算复杂度，适合处理长序列视频数据，能够更有效地捕捉时空依赖关系。

2.2 自适应掩码网络 (Adaptive Masking Network, AMN)

传统的 MAE 通常采用随机掩码策略，这可能会掩盖包含关键生理信息的区域。本文提出了一种自适应掩码机制：

• 控制器： 使用轻量级的 Mamba 控制器，通过策略梯度强化学习（Policy Gradient RL）进行训练。
• 重要性评分： 控制器为每个时空 patch 分配重要性分数。
• 掩码策略： 优先掩码那些包含强搏动信号的高信息区域。这迫使模型学习更通用的、生理上有意义的表示，而不是简单地重建容易预测的背景。

这种方法使得模型无需显式的感兴趣区域（ROI）提取，就能隐式地关注富含脉搏信号的面部区域。

框架整体架构示意图（摘自 PDF 第 5 页嵌入图）

自适应掩码机制与 Mamba 控制器细节（摘自 PDF 第 5 页嵌入图）

2.3 课程学习策略 (Curriculum Learning)

为了应对域偏移和数据稀缺问题，训练过程分为三个阶段，逐步增加难度：

1. 阶段一： 在干净的公共数据集（如 UBFC-rPPG）上进行初始学习。
2. 阶段二： 引入合成遮挡场景，模拟临床环境中的干扰。
3. 阶段三： 在 500 名儿科患者的未标记真实 PICU 视频上进行大规模预训练。

三阶段课程学习策略流程图（摘自 PDF 第 5 页嵌入图）

2.4 教师 - 学生蒸馏 (Teacher-Student Distillation)

为了解决临床数据缺乏标签的问题，研究采用了知识蒸馏策略：

• 教师模型： 一个在公共数据集上训练好的监督专家模型，提供高质量的潜在生理信号指导。
• 学生模型： 在 PICU 数据上训练的自监督模型。
• 目标： 学生模型不仅进行掩码重建，还通过蒸馏损失对齐教师模型的预测，从而引入生理归纳偏置（Inductive Bias）。

教师 - 学生蒸馏训练设置（摘自 PDF 第 5 页嵌入图）

此外，生成目标结合了均方误差（MSE）和像素级皮尔逊相关系数（Pearson Correlation），以确保准确建模 BVP 的时间动态。

3. 实验设置与数据集

3.1 数据集

• 公共数据集： 用于预训练和对比实验，包括 UBFC-rPPG 和 PURE 等，这些是在受控条件下采集的。
• 临床数据集： 研究团队使用了一个经机构审查委员会（IRB）批准的数据集，包含 500 名儿科患者 的视频。这是本研究的一大亮点，提供了真实的临床环境验证。

3.2 评估指标

主要评估指标为平均绝对误差（MAE），单位为 bpm（次/分钟）。

4. 结果与分析

实验结果表明，该框架在 PICU 环境下具有显著的优越性。

4.1 性能提升

• 对比标准 MAE： 与标准的掩码自编码器相比，MAE 降低了 42%。
• 对比 SOTA 模型： 优于 PhysFormer 模型 31%。
• 最终精度： 达到了 3.2 bpm 的最终 MAE，这对于临床监测而言是一个具有实用价值的精度水平。

不同模型性能对比结果（摘自 PDF 第 16 页嵌入图）

4.2 鲁棒性与注意力机制

模型在没有显式 ROI 提取的情况下，能够一致地关注富含脉搏的区域。在存在临床遮挡和噪声的情况下，模型表现出了良好的鲁棒性。自适应掩码机制有效地引导模型学习关键特征，而非被背景噪声干扰。

模型注意力分布与遮挡下的鲁棒性分析（摘自 PDF 第 16 页嵌入图）

5. 总结与展望

本文提出了一种针对儿科重症监护室（PICU）的非接触生理监测框架。通过结合 VisionMamba 架构、自适应掩码机制、课程学习 以及 教师 - 学生蒸馏，该研究成功解决了临床环境中运动伪影、遮挡和数据稀缺等关键问题。

主要贡献总结：

1. 提出了一种降低皮肤损伤风险并实现连续生理监测的 PICU 非接触框架。
2. 设计了结合掩码自编码、皮尔逊相关性和生理蒸馏的自监督 rPPG 框架。
3. 引入了基于 Mamba 控制器的自适应掩码策略，提升了对遮挡和光照变化的鲁棒性。
4. 在包含 500 名儿科患者的大型 IRB 批准数据集上验证了方法的有效性。

未来展望： 虽然该框架在单模态视频心率监测上取得了显著进展，未来工作可探索多模态融合（如结合红外或热成像），以及扩展到更多生理参数（如呼吸率、血氧饱和度）的监测，以进一步支持临床决策。