스마트 웨어러블 기기는 심박수, 심박변이성, 혈중 산소 포화도 등의 확립된 생리학적 지표를 광플레치소미그라피(PPG)를 통해 연속 추적할 수 있게 해준다. 하지만 PPG 파형에는 최근 딥러닝(DL) 연구에서 보듯이 더 많은 생리학적 정보가 포함되어 있음이 밝혀졌다. 그러나 DL 모델은 종종 생리학적 의미가 불명확한 피처에 의존하여 예측력, 임상 해석 가능성 및 센서 설계 사이에 긴장을 유발한다. 이 문제를 해결하기 위해 PPG 신호를 해석 가능한 생리학적 및 광학적 정보와 관련시키는 PPGen이라는 바이오피지컬 모델을 소개한다. PPGen은 PPG 파형을 해석 가능한 광학적 특성으로 변환하는 하이브리드 감쇠 추론 모델이다. PPGen은 PPG 파형에서 생리학적 특성을 직접 추론하고, 이를 통해 DL 모델이 사용하는 잠재 변수를 해석 가능한 형태로 변환한다. 이를 통해 PPGen은 PPG 파형에서 생리학적 특성과 광학적 특성 사이의 상호작용을 모델링하고, 이를 통해 PPG 파형에서 잠재적으로 숨겨진 정보를 추출한다. 이 연구는 클리니컬 미션에서 PPG 파형을 더 잘 활용하고, 신뢰할 수 있는 바이오메디컬 응용프로그램을 가능하게 한다. PPGen은 PPG 파형을 해석 가능한 광학적 특성으로 변환하는 하이브리드 감쇠 추론 모델이다. PPGen은 PPG 파형에서 생리학적 특성을 직접 추론하고, 이를 통해 DL 모델이 사용하는 잠재 변수를 해석 가능한 형태로 변환한다. 이를 통해 PPGen은 PPG 파형에서 생리학적 특성과 광학적 특성 사이의 상호작용을 모델링하고, 이를 통해 PPG 파형에서 잠재적으로 숨겨진 정보를 추출한다. 이 연구는 클리니컬 미션에서 PPG 파형을 더 잘 활용하고, 신뢰할 수 있는 바이오메디컬 응용프로그램을 가능하게 한다.