PACD-Net：用于 SMBG 血糖控制估计的伪增强对比蒸馏
机器学习
2026-05-21 v1 人工智能
系统与控制
系统与控制
摘要
有效的糖尿病管理需要持续监测血糖水平。临床上，血糖控制使用诸如时间在范围内（TIR）、时间在范围以下（TBR）和时间在范围以上（TAR）等指标进行评估，这些指标通常来自连续血糖监测（CGM）。然而，许多患者因成本高昂和可及性有限而依赖自我血糖监测（SMBG）。不同于 CGM，SMBG 提供稀疏且不规则的测量，使得准确估计这些指标具有挑战性。传统的监督学习方法在面对这种稀疏性时难以实现，导致泛化性差且性能不稳定。为此，我们提出 PACD-Net，这是一个自监督对比知识蒸馏框架，用于从 SMBG 估算血糖控制。伪 SMBG 样本（具有更丰富的时间覆盖）用作教师信号来指导从稀疏观察值的学习。此外，多视角对比学习强制在不同采样模式下的表示一致性。该模型采用混合的 Swin Transformer-CNN 主干网络来捕捉稀疏 SMBG 序列中的时间依赖性。实验结果表明，PACD-Net 在从真实世界 SMBG 数据估算 TAR、TIR 和 TBR 时 consistently 优于现有方法，实现了提高的精度以及在极端稀疏观察设置下的增强稳定性和泛化性。该提出框架为临床 SMBG 解释提供了实用工具，并为更广泛应用中从稀疏且不规则采样的传感器数据中学习提供了通用方法。
引用
@article{arxiv.2605.20751,
title = {PACD-Net: Pseudo-Augmented Contrastive Distillation for Glycemic Control Estimation from SMBG},
author = {Canyu Lei and David Repaske and Jianxin Xie},
journal= {arXiv preprint arXiv:2605.20751},
year = {2026}
}