光電脈波計（PPG）信号から心拍数を正確に抽出することは、運動アーティファクトや信号の劣化により依然として困難な課題となっています。データ駆動型推論問題として訓練された深層学習手法は有望な解決策を提供していますが、しばしば医療や信号処理分野の既存の知識が十分に活用されていません。本論文では、深層学習モデルの3つの欠点である運動アーティファクト除去、信号劣化評価、および生理学的に妥当なPPG信号解析に焦点を当てます。私たちはKID-PPGという知識に基づいた深層学習モデルを提案します。このモデルは適応的な線形フィルタリング、深層確率的推論、およびデータ拡張を通じて専門家の知識を統合します。KID-PPGはPPGDaliaデータセットで評価され、平均絶対誤差2.85ビート/分を達成し、既存の再現可能な手法を超える結果となりました。私たちの結果は、事前知識を深層学習モデルに組み込むことで心拍数追跡における性能が大幅に向上することを示しています。このアプローチは、既存の専門家知識を深層学習モデルに取り入れることによって様々なバイオメディカルアプリケーションの向上が期待されます。