CGM-JEPA: Pre-addestramento Auto-supervisionato per il Monitoraggio Continuo del Glucosio
Il framework CGM-JEPA, un nuovo approccio di pre-addestramento auto-supervisionato, affronta le sfide dell'apprendimento di rappresentazioni nel Monitoraggio Continuo del Glucosio (CGM). Invece di concentrarsi sui valori grezzi, questo metodo predice rappresentazioni latenti mascherate, facilitando l'astrazione attraverso varie modalità, tra cui serie temporali CGM, OGTT venoso e riepiloghi Glucodensity. Una versione migliorata, X-CGM-JEPA, introduce un obiettivo di vista incrociata Glucodensity mascherato per raccogliere informazioni distributive complementari. I modelli vengono pre-addestrati su circa 389.000 campioni non etichettati. Questa strategia mira a identificare sottofenotipi metabolici precoci, come la resistenza all'insulina e la disfunzione delle cellule β, affrontando le incongruenze riscontrate nei metodi di base tradizionali quando si passa da una modalità all'altra o da un contesto all'altro.
Fatti principali
- CGM-JEPA è un framework di pre-addestramento auto-supervisionato per il Monitoraggio Continuo del Glucosio.
- Predice rappresentazioni latenti mascherate invece di valori grezzi.
- X-CGM-JEPA aggiunge un obiettivo di vista incrociata Glucodensity mascherato.
- Pre-addestrato su circa 389.000 campioni non etichettati.
- Mira alla rilevazione della resistenza all'insulina e della disfunzione delle cellule β.
- Affronta il trasferimento di rappresentazioni tra modalità come CGM, OGTT e Glucodensity.
- Punta a migliorare la coerenza attraverso cambiamenti di distribuzione.
- Pubblicato su arXiv con ID 2605.00933.
Entità
Istituzioni
- arXiv