本文介绍了一种基于1D CycleGAN的方法，用于重建胎儿心电图信号，以提高心率和R-R间期的估计准确性，助力胎儿心脏疾病的早期诊断。同时，提出了一种自监督对比学习的多模式情感识别方法，实验结果表明其在情感识别任务中优于现有方法，具有良好的跨个体泛化能力。

本文提出了一种新框架，通过显性和隐性先验知识改进远程光电容积图术（rPPG）模型，分析噪声源并利用双分支网络提取生理特征。研究表明，该方法在RGB和NIR数据集上表现优越，增强了模型的泛化能力，并提出了修正非接触式心率估计误差的新方法。

本文提出了一种数据扰动方法，通过对面部区域进行像素洗牌和模糊处理，降低面部识别算法的准确性60%，有效保护隐私。同时，研究了多种无监督和自监督学习方法，提升远程光电容积描记术（rPPG）的准确性和鲁棒性，解决了环境干扰问题，展示了在心率估计和生理信号提取中的应用潜力。