20.500.12556/RUL-189511 Analiza dejavnikov napovedne uspešnosti temeljnih modelov za signale PPG Analysis of Factors Affecting the Predictive Performance of Foundation Models for PPG Signals Fotopletizmografija (PPG) je neinvazivna optična metoda, ki odraža predvsem spremembe lokalnega krvnega volumna, nanjo pa vplivajo različni fiziološki dejavniki. V zadnjih letih so bili razviti temeljni modeli za PPG, ki se učijo predstavitev signalov, namenjenih ponovni uporabi pri različnih ciljnih nalogah. Te v tej magistrski nalogi opredeljujemo kot napovedne probleme, določene z vrsto in obliko vhodnih podatkov ter odzivno spremenljivko. Njihovo vrednotenje na omejenem naboru realnih nalog pa daje le malo vpogleda v to, katere značilnosti signala in lastnosti nalog so povezane z napovedno uspešnostjo. Za obravnavo te omejitve predstavljamo metodološko ogrodje za analizo in primerjavo temeljnih modelov za PPG s sintetičnimi nalogami. Z ogrodjem preučujemo, kako dobro je mogoče iz predstavitev modelov oceniti različne morfološke značilke signala PPG ter kako se napovedna uspešnost razlikuje glede na fiziološko motivirane dele posameznih pulzov, načine agregiranja, dolžino vhodnega okna in količino šuma. Uporabnost ogrodja smo prikazali s preliminarnim sintetičnim vrednotenjem, ki je pokazalo velike razlike v uspešnosti, povezane z izbranimi lastnostmi nalog. To analizo smo dopolnili z navzkrižno preverjenim vrednotenjem na realnih nalogah napovedovanja krvnega tlaka in srčnega utripa ter zaznavanja dogodkov zmanjšanja nasičenosti krvi s kisikom. Za oblikovanje sintetičnih nalog smo najprej razvili generator signalov z razširitvijo obstoječega modela pulza z dvema Gaussovima krivuljama. Izvirni pristop je daljša zaporedja tvoril s ponavljanjem povprečnega pulza, mi pa smo namesto tega uporabili modele časovnih vrst, ki opisujejo, kako so parametri posameznega pulza odvisni od parametrov predhodnih pulzov, s čimer smo omogočili spreminjanje morfologije skozi čas. Obravnavali smo tri pristope, in sicer ločene avtoregresijske modele za posamezne parametre pulza, vektorsko avtoregresijo in avtoregresijski skriti model Markova (AR-HMM). S štirikratnim navzkrižnim preverjanjem smo izbrali njihove zamike, pri AR-HMM pa tudi število skritih stanj, nato pa izbrane konfiguracije primerjali med seboj in z izvirnim modelom z dvema Gaussovima krivuljama. AR-HMM je dosegel najboljše skupno ujemanje z obravnavanimi značilnostmi realnih zaporedij pulzov. Na naboru OPTIVAS je v primerjavi z izvirnim pristopom zmanjšal razlike v porazdelitvah sprememb parametrov med zaporednimi pulzi in v korelacijah med parametri. Obe izboljšavi sta bili statistično značilni pri 5-odstotni stopnji značilnosti. Razlike v marginalnih porazdelitvah posameznih parametrov pulza so bile prav tako manjše, vendar ta izboljšava ni bila statistično značilna. Izbrani AR-HMM smo nato uporabili za generiranje oken signala za sintetične naloge, pri katerih so temeljni modeli GPT-PPG, PaPaGei-S, PaPaGei-P in Pulse-PPG za posamezno okno napovedovali eno odzivno vrednost. To smo izračunali tako, da smo v določenem delu vsakega pulza izmerili izbrano morfološko značilko in dobljene vrednosti agregirali čez pulze v oknu. Štiri različne dele pulza smo določili na podlagi fiziološko motiviranih parametrov modela pulza z dvema Gaussovima krivuljama. Dva dela sta obdajala središči Gaussovih komponent, povezanih s sistolično in diastolično fazo, v bližini pripadajočih vrhov. Druga dva sta zajemala prehod med tema deloma ter prehod od konca enega pulza do začetka naslednjega. Obravnavane morfološke značilke so bile povprečna vrednost signala, povprečna absolutna vrednost prvega in drugega odvoda ter časovni integral. Te značilke so bile predhodno uporabljene v modelih strojnega učenja, ki so pri napovedovanju fizioloških spremenljivk dosegli boljše rezultate od primerjalnih metod. Za agregiranje smo uporabili povprečje, maksimum ali uteženo povprečje, pri katerem so večjo utež dobili pulzi, katerih vrednost značilke je bolj odstopala od povprečja teh vrednosti v oknu. S temi načini agregiranja smo preučevali, ali modeli zajamejo povprečne vrednosti značilk, izrazitejša odstopanja posameznih pulzov ter spreminjanje vrednosti značilk med pulzi. Definicije nalog so vključevale tudi vhodna okna dolžine 10, 30 ali 60 sekund ter eno ravni izmed štirih ravni dodanega šuma. Rezultate preliminarnega sintetičnega vrednotenja smo eksploratorno analizirali z linearnimi modeli, s katerimi smo povzeli razlike v uspešnosti glede na izbrane referenčne ravni. Napovedna uspešnost je bila praviloma slabša pri nalogah, ki so temeljile na delu pulza okoli diastoličnega vrha, kot pri nalogah, ki so temeljile na delu okoli sistoličnega vrha. Slabša je bila tudi pri uporabi uteženega povprečja glede na odstopanje in maksimuma namesto povprečja kot načina agregiranja. Posebej zahtevne so bile tudi naloge, pri katerih je bila odzivna spremenljivka določena na podlagi povprečne absolutne vrednosti drugega odvoda. Te razlike podpirajo uporabnost predlaganega vrednotenja in utemeljujejo obsežnejšo raziskavo z natančnejšimi ocenami ter eksperimentalnim načrtom, ki bi omogočal vzročno interpretacijo. Značilke, ki jih je iz predstavitev modelov težko oceniti, bi bilo mogoče dodatno vključiti ob obstoječih predstavitvah in preveriti, ali s tem izboljšamo napovedno uspešnost na ciljnih nalogah. Pri vrednotenju na realnih nalogah smo uporabili iste štiri temeljne modele, pri čemer so bile njihove hrbtenice v celoti zamrznjene. Pulse-PPG je dosegel najboljšo povprečno uspešnost pri večini obravnavanih metrik. Pri napovedovanju srčnega utripa sta GPT-PPG in Pulse-PPG dosegla povprečni absolutni napaki približno 8,0 oziroma 7,3 utripa na minuto, ki sta bili statistično značilno nižji kot pri napovedovanju s povprečno vrednostjo. Pulse-PPG je dosegel tudi korelacijo približno 0,8, ki je bila statistično značilno višja kot pri drugih obravnavanih temeljnih modelih. Pri klasifikaciji dogodkov desaturacije kisika so vsi štirje modeli pri več metrikah statistično značilno presegli metodo napovedovanja večinskega razreda, čeprav je bila njihova skupna uspešnost še vedno omejena. Preciznost je pri večini modelov znašala približno 0,5, občutljivost pa od 0,16 do 0,30, kar pomeni, da je velik delež dogodkov ostal nezaznan. Pri napovedovanju krvnega tlaka noben model ni statistično značilno presegel napovedovanja s povprečno vrednostjo pri obravnavanih merah napake. Korelacije pri sistoličnem krvnem tlaku so znašale približno od 0,30 do 0,48 in so bile statistično značilno pozitivne pri vseh modelih razen pri PaPaGei-S. Pri diastoličnem krvnem tlaku je statistično značilno pozitivno korelacijo dosegel le Pulse-PPG, in sicer približno 0,26. Photoplethysmography (PPG) is a non-invasive optical technique that primarily reflects changes in local blood volume and is influenced by several physiological factors. PPG foundation models have recently been developed to learn reusable signal representations for various downstream tasks, defined in this thesis as prediction problems specified by the type and format of both the input data and the output variable. Their evaluation on a limited range of real-world tasks, however, provides little insight into which signal features and task characteristics are associated with predictive performance. To address this limitation, we present a methodological framework for analyzing and comparing PPG foundation models through synthetic tasks. The framework examines how well different morphological features of the PPG waveform can be estimated from model embeddings and how predictive performance differs across physiologically motivated regions within individual pulses, aggregation methods, window durations and noise levels. We demonstrate its usefulness through a preliminary synthetic benchmark that showed large performance differences associated with the selected task characteristics. Alongside this analysis, we provide a cross-validated real-world benchmark for blood pressure and heart rate estimation and blood oxygen desaturation event detection. To construct the synthetic tasks, we first developed a signal generator by extending the existing two-Gaussian pulse model. The original approach generated sequences by repeating an average pulse, while we instead used time-series models to describe how the parameters defining each pulse depend on those of preceding pulses, allowing morphology to evolve over time. Three approaches were considered, namely separate autoregressive models for each pulse parameter, vector autoregression and an autoregressive hidden Markov model (AR-HMM). Using four-fold cross-validation, we selected their lag orders and the number of hidden states for the AR-HMM, then compared the selected configurations with one another and with the original two-Gaussian baseline. The AR-HMM achieved the closest overall agreement with the evaluated properties of real pulse sequences. On the OPTIVAS dataset, it reduced discrepancies in the distributions of parameter changes between consecutive pulses and in the correlations between parameters compared with the baseline. Both improvements were statistically significant at the 5% significance level. Discrepancies in the marginal distributions of individual pulse parameters were also lower, although this improvement was not statistically significant. The selected AR-HMM was then used to generate signal windows for synthetic tasks in which foundation models GPT-PPG, PaPaGei-S, PaPaGei-P and Pulse-PPG predicted a single response value per window. This response was calculated by measuring a selected morphological feature within a defined region of each pulse and aggregating the resulting values across pulses. Four regions were defined using the physiologically motivated parameters of the two-Gaussian pulse model. Two surrounded the centers of the Gaussian components associated with the systolic and diastolic phases, near the corresponding peaks. The other two covered the transition between these regions and the transition from the end of one pulse to the beginning of the next. The selected morphological features comprised the mean signal value, the mean absolute first and second derivatives, and the time integral. These features had previously been used in machine learning models that outperformed baseline methods in physiological prediction tasks. Aggregation used the mean, maximum or a weighted mean that gave more weight to pulses whose feature values differed more from the average across pulses in the window. These aggregation methods allowed us to examine whether the models capture average feature values, larger deviations in individual pulses, and variation in feature values across pulses. Task definitions also included window durations of 10, 30 or 60 seconds and one of four input noise levels. We conducted an exploratory analysis of the resulting preliminary synthetic benchmark using linear models to summarize performance differences relative to selected reference levels. Performance was generally poorer for tasks based on the diastolic core than on the systolic core, and for deviation-weighted mean and maximum aggregation than for mean aggregation. Tasks based on the mean absolute second derivative were also particularly difficult. These differences support the usefulness of the benchmark and motivate a larger study with more precise estimates and an experimental design that supports causal interpretation. Features that are poorly recovered could also be incorporated alongside existing embeddings to investigate whether they improve downstream performance. The real-world benchmark evaluated the same four foundation models with their backbones fully frozen. Pulse-PPG achieved the best average performance on most evaluated metrics. For heart-rate estimation, GPT-PPG and Pulse-PPG achieved mean absolute errors of approximately 8.0 and 7.3 bpm, respectively, both significantly lower than the mean baseline. Pulse-PPG also achieved a correlation of approximately 0.8, significantly higher than those of the other foundation models. For oxygen-desaturation classification, all four models significantly outperformed the majority-class baseline in several metrics, although overall performance remained limited. Precision was approximately 0.5 for most models, while recall ranged from 0.16 to 0.30, indicating that many events were missed. For blood-pressure estimation, no model significantly outperformed the mean baseline in the evaluated error metrics. Systolic blood pressure correlations ranged from approximately 0.30 to 0.48 and were significantly greater than zero for all models except PaPaGei-S. For diastolic blood pressure, only Pulse-PPG achieved a significantly positive correlation, at approximately 0.26. Temeljni modeli Fotopletizmogram Fotopletizmograf PPG Sintetično vrednotenje Vrednotenje modelov Generiranje PPG Sintetični PPG Foundation Models Photoplethysmogram Photoplethysmograph PPG Synthetic Benchmark Benchmark PPG Generation Synthetic PPG true false false Slovenski jezik Angleški jezik Magistrsko delo/naloga 2026-10-08 09:30:05 2026-10-08 09:30:23 2026-10-10 03:45:37 0000-00-00 00:00:00 2026 0 0 0000-00-00 NiDoloceno NiDoloceno NiDoloceno 0000-00-00 0000-00-00 0000-00-00 1970-01-01 63502 Mujagic_Amer_-_Analiza_dejavnikov_napovedne_uspesnosti_temeljnih_modelov_za_signale_PPG.pdf Mujagic_Amer_-_Analiza_dejavnikov_napovedne_uspesnosti_temeljnih_modelov_za_signale_PPG.pdf 1 677D3781408A4B5D6456ABA2D7B3449A 0c9d71f6817eb37f7bfd9fbbbccca9b0b39ff8f60aaa063a5f6c6a2a30661191 fa0de3d2-c2e9-11f1-8bc5-0050569b8976 https://repozitorij.uni-lj.si/Dokument.php?lang=slv&id=250111 Fakulteta za elektrotehniko 0 0 0