苹果研究揭示语音处理模型在估算心率中的潜力

近日，苹果公司公布了一项名为《Foundation Model Hidden Representations for Heart Rate Estimation from Auscultation》的研究报告，重点探索了利用语音处理模型估算心率的可行性。尽管语音处理模型最初是为识别语音而设计的，但苹果的研究人员发现，这些模型同样能够有效处理心音图（Phonocardiogram，PCG）数据，这在心脏健康监测中具有重要价值。

研究团队使用了公开的CirCor DigiScope Phonocardiogram数据集，包含约20小时的心音录音，每段录音时长在5.1至64.5秒之间。将这些音频文件分割为每秒移动一次的5秒片段，共生成23381个心音片段用于心率转换测量。研究测试了包括Whisper、wav2vec2、wavLM等在内的六个主流语音处理模型，并将其与苹果自研的CLAP（Contrastive Language-Audio Pretraining）模型进行了对比实验。

结果显示，苹果自研的CLAP模型在不同数据分割中都取得了最低的平均绝对误差（MAE），明显优于传统声学特征训练的基准模型。这表明，CLAP模型由于其训练数据涵盖了更多非语音内容，能够更好地捕捉心音相关特征，从而提升心率估算的准确性。该研究展示了语音处理模型在处理心音图数据方面的巨大潜力，为未来心率监测技术的发展指明了新的方向。

这项研究不仅对医学领域具有重要意义，同时也展示了语音处理技术在健康监测中的广阔应用前景。苹果公司表示，他们将继续探索语音处理模型在医疗健康领域的应用，努力为用户提供更便捷、准确的健康监测服务。