该文综述基于光电容积脉搏波（PPG）的机器学习研究，利用神经网络、图论与计算机视觉提取生物特征，实现血压、糖尿病、高血压分期的无创连续检测，并比较血压回归与分类方法，探讨远程rPPG信号提取、数据集扩充及先验知识融合以提升模型泛化能力。

该文综述了多种基于深度学习的房颤检测方法，包括：利用神经网络从心电图中识别尚无房颤迹象但未来可能发病的患者，并用生存模型评估风险概率；在超边缘设备上实现实时检测；采用双通道网络、注意力框架、孪生网络SiamAF及卷积循环网络等分析ECG或PPG信号；RawECGNet可检测房颤与房扑；数据增强提升分类效果，F1达82.1%；压缩分类法亦获较好结果。