مقاله ترجمه عنوان: ترجمه فشرده منیفولد نهان: مدل پایه‌ای کارآمد از نظر پارامتر برای سنتز سیگنال‌های فیزیولوژیکی بین‌وجهی و بین‌فرکانسی

تحلیل سری‌های زمانی فیزیولوژیکی مانند نوار قلب (ECG) و فتوپلتیسموگرام (PPG) به دلیل شکاف‌های مربوط به نوع دستگاه و فرکانس ناشی از دستگاه‌های ضبط ناهمگن، همواره با چالش‌هایی روبرو است. مدل‌های پایه‌ی موجود معمولاً بر فضاهای نهفته پیوسته تکیه دارند که اغلب از درهم‌تنیدگی شدید بین انواع دستگاه‌ها، عدم توانایی تولید با وفاداری بالا در فرکانس‌های مختلف و هزینه‌های محاسباتی بالا رنج می‌برند که استقرار آن‌ها را بر روی دستگاه‌های لبه (edge devices) غیرممکن می‌سازد. در این مقاله، ما مدل "ترجمه فشرده منیفولد نهفته" (CLMT) را معرفی می‌کنیم، یک چارچوب یکپارچه با پارامترهای بسیار بهینه (۰.۰۹ میلیارد پارامتر) که با استفاده از یک رویکرد نوین دو مرحله‌ای ترجمه گسسته، این شکاف‌ها را پر می‌کند. ابتدا، یک "توکنایزر جهانی" با استفاده از "کوانتیزاسیون برداری پسماند سلسله مراتبی" (RVQ) معرفی می‌کنیم تا سیگنال‌های ناهمگن را به منیفولدهای نهفته گسسته، مجزا و خوش‌ساختار تفکیک کند و به طور مؤثری از تداخل بین انواع دستگاه‌ها جلوگیری نماید. سپس، یک "مترجم نهفته با راهنمایی زمینه" (Context-Prompted Latent Translator) این توکن‌های گسسته را با ادغام دانش فیزیولوژیکی ایستا، بین انواع دستگاه‌ها نگاشت می‌کند و سنتز سیگنال پیچیده را به یک وظیفه صرفاً ترجمه دنباله نهفته تبدیل می‌نماید. ارزیابی‌های گسترده نشان می‌دهد که مدل ۰.۰۹ میلیارد پارامتری ما به طور قابل توجهی از مدل‌های پایه عظیم‌الجثه بهتر عمل می‌کند. در سنتز متقابل PPG به ECG، این مدل انحراف فاز زمانی را برطرف کرده و امتیاز F1 تشخیص پیک R بالینی را از ۰.۳۷ (مدل پایه) به ۰.۸۳ به طرز چشمگیری بهبود می‌بخشد. علاوه بر این، در ابروضوح‌بخشی شدید بین فرکانسی (از ۲۵ هرتز به ۱۰۰ هرتز)، این مدل با موفقیت نقاط عطف تشخیصی فرکانس بالا را بازیابی کرده و به همبستگی پیرسون بی‌سابقه ۰.۹۹۵۶ دست می‌یابد. با یادگیری یک زبان گسسته جهانی برای سیگنال‌های زیستی با کسری از توان محاسباتی، رویکرد ما مسیر جدیدی را برای مدل‌های پایه‌ی پزشکی چندوجهی قابل استقرار بر روی دستگاه‌های لبه تعیین می‌کند.

The analysis of physiological time series, such as electrocardiograms (ECG) and photoplethysmograms (PPG), is persistently hindered by modality and frequency gaps stemming from heterogeneous recording devices. Existing foundation models typically rely on continuous latent spaces, which frequently suffer from severe modality entanglement, lack high-fidelity cross-frequency generative capacity, and impose high computational costs that prohibit edge-device deployment. In this paper, we propose Compact Latent Manifold Translation (CLMT), a highly parameter-efficient (0.09B) unified framework that bridges these gaps through a novel two-stage discrete translation paradigm. First, we introduce a Universal Tokenizer utilizing Hierarchical Residual Vector Quantization (RVQ) to decouple heterogeneous signals into isolated, well-structured discrete latent manifolds, effectively preventing inter-modality interference. Second, a Context-Prompted Latent Translator maps these discrete tokens across modalities by integrating static physiological priors, reframing complex signal synthesis as a pure latent sequence translation task. Extensive evaluations demonstrate that our 0.09B model significantly outperforms massive baselines. In cross-modal PPG-to-ECG synthesis, it resolves temporal phase drift and dramatically improves the clinical R-peak detection F1-score from 0.37 (baseline) to 0.83. Furthermore, in extreme cross-frequency super-resolution (25Hz to 100Hz), it successfully recovers high-frequency diagnostic landmarks, achieving an unprecedented Pearson correlation of 0.9956. By learning a universal discrete language for biological signals with a fraction of the computational footprint, our approach sets a new trajectory for edge-deployable, multi-modal medical foundation models.