Token导航 LogoToken导航

AI 资讯 · AIBase

蚂蚁 inclusionAI 开源生理信号编码器 LingSante-Pulse-1.0

更新 2026-11-20AIBase正文 1125字阅读约 4分钟

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,为开发者提供了基础的信号编码资产。

核心定位与前置依赖:提供纯信号表征,需搭配推理代码包使用

在功能定位上,LingSante-Pulse-1.0属于生理信号编码器,主要负责输出信号表征,模型本身并不包含针对特定下游任务的预测头。

开发者在使用该模型资产前,需要先安装独立的推理代码包 lingsante_pulse。完成安装后,通过调用 LingSantePulse.from_pretrained() 即可在首次使用时自动下载模型;若希望直接加载当前模型目录下已下载的资产,可使用 LingSantePulse.from_pretrained(".", local_files_only=True)。此外,用户还能通过 revision 锁定特定提交版本,或借助 local_files_only=True 调用本地及缓存资产。

输入输出接口与预处理机制:支持多维输入,固定128-Hz 处理

LingSante-Pulse-1.0在输入格式上具备较好的灵活性,支持 [T]、[C,T]、[B,C,T] 或对齐的通道字典(如传入实际采样率 sample_rate 以及包含 "modality": "ECG"、"lead": "II" 等信息的通道描述)。

在使用时,开发者需要指明实际的采样率与物理通道身份,而配套的推理代码包会自动完成多项底层处理工作:

统一预处理与掩码: 代码包负责固定的128-Hz 预处理,同时处理观测样本与存储填充掩码(storage-padding masks)。

特征输出结构: 模型将 CLS 特征与观测有效的 PatchMean 分开返回,维度均为 [B,C*256],且各通道会按输入顺序拼接。当设置 return_tokens=True 时,还能额外返回按顺序排列的 patch 特征,以及按0.25秒 间隔划分的有效性掩码。

仓库文件与通道向量溯源

开源仓库中包含完整的模型与通道配置说明文件:

model.safetensors:存放编码器参数。

config.json:记录模型格式,并支持自动文件完整性检查。

channels.npz:保存固定的通道条件向量及名称。

channels.json:提供通道身份的物理描述信息。

关于固定通道向量的来源,官方说明显示,这些向量由BAAI/bge-small-en-v1.5经过 CLS 池化与 L2归一化生成。仓库中仅包含最终生成的向量结果,不分发上游编码器代码、权重或分词器。

文章标签模型发布开源

资讯来源:由AI资讯编辑整理自互联网公开内容,版权归原作者所有,未经许可,不得转载。