蚂蚁 inclusionAI 开源生理信号编码器 LingSante-Pulse-1.0:MIT 协议开放表征能力
随着医疗健康与可穿戴设备领域对生理信号分析需求的增长,如何为心电等连续生理信号构建统一、规范的特征表征成为技术研发的重要一环。蚂蚁 inclusionAI 近日在 Hugging Face 发布并开源了生理信号编码器 LingSante-Pulse-1.0,采用宽松的 MIT 开源许可证,为开发者提
心电等连续生理信号怎么做出统一、规范的特征表征,是医疗健康和可穿戴设备领域眼下绕不开的研发课题。蚂蚁 inclusionAI 为此在 Hugging Face 发布并开源了生理信号编码器 LingSante-Pulse-1.0,许可证用的是宽松的 MIT,开发者因此多了一份基础的信号编码资产。
这个模型的定位很明确:它只做纯信号表征,得配合推理代码包才能用起来。LingSante-Pulse-1.0 属于生理信号编码器,输出的是信号表征,模型本身不带任何针对特定下游任务的预测头。
用之前,开发者要先装好独立的推理代码包 lingsante_pulse。装完之后调用 LingSantePulse.from_pretrained(),第一次使用时会自动下载模型;如果想直接加载当前模型目录里已经下好的资产,可以写成 LingSantePulse.from_pretrained(".", local_files_only=True)。另外,通过 revision 能锁定某个特定提交版本,用 local_files_only=True 也能调用本地和缓存资产。
输入格式方面,LingSante-Pulse-1.0 的灵活性不错,支持 [T]、[C,T]、[B,C,T],也接受对齐的通道字典——比如传入实际采样率 sample_rate,再带上包含 "modality": "ECG"、"lead": "II" 等信息的通道描述。处理时统一按固定的 128-Hz 进行。
实际使用时,开发者要指明真实采样率和物理通道身份,剩下的多项底层处理由配套推理代码包自动完成。
一是统一预处理与掩码:固定的 128-Hz 预处理由代码包负责,观测样本和存储填充掩码(storage-padding masks)也一并处理。
二是特征输出结构:CLS 特征与观测有效的 PatchMean 分开返回,维度都是 [B,C*256],各通道按输入顺序拼接。如果把 return_tokens=True 设上,还会额外给出按顺序排列的 patch 特征,以及按 0.25 秒间隔划分的有效性掩码。
开源仓库里,模型与通道配置的说明文件是齐全的。
model.safetensors 用来存放编码器参数。
config.json 记录模型格式,并支持自动做文件完整性检查。
channels.npz 保存固定的通道条件向量及其名称。
channels.json 则提供通道身份的物理描述信息。
这些固定通道向量从哪来?官方说明显示,它们由 BAAI/bge-small-en-v1.5 经过 CLS 池化与 L2 归一化生成。仓库里只放了最终生成的向量结果,上游编码器的代码、权重和分词器都不分发。