Naukowcy z branży AI opracowali nową metodę TF-IG do precyzyjnego pomiaru tętna z wykorzystaniem fotopletyzymografii - technologii, która mierzy zmiany natężenia światła przechodzącego przez skórę. Proponowane rozwiązanie łączy architekturę dwukanałową: jeden kanał analizuje morfologię pulsu w domenie czasowej, drugi wydobywa informacje o rytmiczności serca z spektrogramów. Kluczowym elementem jest mechanizm interaction-gated fusion, który inteligentnie waży i łączy informacje z obu dziedzin, przy jednoczesnym modelowaniu zgodności i rozbieżności między reprezentacjami.
Wielka wada dotychczasowych podejść to złożoność modeli, które trudno wdrażać na urządzeniach mobilnych. TF-IG rozwiązuje ten problem - parametry wspóldzielone między gałęziami sieci i głowicą regresji drastycznie zmniejszają rozmiar modelu. W testach na benchmarku BIDMC PPG i Respiration Dataset model osiągnął średni błąd bezwzględny (MAE) wynoszący 1,227 BPM oraz współczynnik korelacji Pearsona 0,9934, co świadczy o niezwykłej dokładności.
Znaczenie tego odkrycia polega na praktycznym zastosowaniu - precyzyjne, efektywne obliczeniowo estymowanie tętna może trafić do smartwatch'y, fitness trackerów i aplikacji mobilnych. Fotopletyzymografia jest wrażliwa na zniekształcenia, zmienność fizjologiczną i zakłócenia pomiaru, dlatego metody łączące domenę czasową i częstościową stanowią naturalny kierunek rozwoju w tego typu systemach.