PhysioWave

用多尺度小波Transformer，把生理信号变成高精度AI特征

PhysioWave 是一个面向生理信号表示学习的多尺度小波-Transformer 模型，发表于 NeurIPS 2025。它旨在解决生理信号（如 ECG、EEG、EMG）中复杂的时间动态和多尺度特征提取难题。通过结合小波变换的多分辨率分析能力与 Transformer 的全局上下文建模能力，PhysioWave 能够同时捕捉信号的局部细节和长期依赖，从而生成鲁棒的信号表示。该模型支持多种生理信号模态，提供预训练和微调流程，可应用于健康监测、疾病诊断、人机交互等场景。其核心优势在于对非平稳、噪声大的生理数据具有更强的适应性和特征表达能力。

开源 free 开源模型
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 193
维护状态 低维护
是否开源 是
定价模式 free

项目数据

分类开源模型
开发团队ForeverBlue816
所属国家
官网地址https://github.com/ForeverBlue816/PhysioWave
GitHubhttps://github.com/ForeverBlue816/PhysioWave
定价模式free
价格说明开源模型，MIT许可证，完全免费，可自行部署使用。
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型biosignals,deep-learning,ecg,eeg,emg,foundation-models,neurips-2025
GitHub 星标★ 193
30天Star增速
HF 下载量
上线时间2025-09-24 00:00:00
最近更新2026-09-05 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数6

使用教程

核心亮点

  • 多尺度小波变换与Transformer结合，兼顾局部细节和全局依赖，特征提取更全面
  • 针对生理信号非平稳、噪声大的特点设计，鲁棒性优于通用时序模型
  • 提供预训练与微调流程，降低下游任务应用门槛

不足之处

  • 早期项目，文档和社区生态尚不完善
  • 模型复杂度较高，训练推理资源需求可能较大

适用场景

  • 健康监测设备中的ECG/PPG信号分析
  • 脑机接口中的EEG信号解码
  • 临床辅助诊断中的生理信号异常检测

替代项目

TS2Vec、TimesNet、ST-GCN

项目介绍

PhysioWave 是开源模型领域的开源项目，由 ForeverBlue816 开发，2025 年首次发布。

它收录于开源模型分类，该分类目前共有 425 个项目，GitHub 星标数为 193。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-05。MIT许可证，完全免费，可自行部署使用。

它主要面向的使用场景是：健康监测设备中的ECG/PPG信号分析。同类可对比的替代方案包括 TS2Vec、TimesNet、ST-GCN。

上一篇：poseidon

下一篇：FLAIR

同类项目推荐

Machine-Learning 开源

跟着博客笔记，边看边跑机器学习代码

All content related to machine learning from my blog

★ 115 2026-08-09
awesome-ltx2 开源

找齐 LTX-2 模型、工作流和 LoRA，一键上手视频生成。

All available LTX-2 models, encoders, workflows, LoRAs for ComfyUI

★ 593 2026-08-10