論文の概要: PACD-Net: Pseudo-Augmented Contrastive Distillation for Glycemic Control Estimation from SMBG

• arxiv url: http://arxiv.org/abs/2605.20751v1
• Date: Wed, 20 May 2026 05:50:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-21 19:19:56.508019
• Title: PACD-Net: Pseudo-Augmented Contrastive Distillation for Glycemic Control Estimation from SMBG
• Title（参考訳）: PACD-Net:SMBGからのグリセミック制御推定のための擬似拡張コントラスト蒸留
• Abstract要約: 多くの患者は、高コストで連続血糖モニタリング(CGM)のアクセシビリティが制限されているため、血糖自己モニタリング(SMBG)に依存している。 SMBGからグリセミック制御を推定するための自己監督型コントラスト型知識蒸留フレームワークPACD-Netを提案する。
• 参考スコア（独自算出の注目度）: 0.764671395172401
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Effective diabetes management requires continuous monitoring of glycemic levels. Clinically, glycemic control is assessed using metrics such as Time in Range (TIR), Time Below Range (TBR), and Time Above Range (TAR), typically derived from continuous glucose monitoring (CGM). However, many patients rely on self-monitoring of blood glucose (SMBG) due to the high cost and limited accessibility of CGM. Unlike CGM, SMBG provides sparse and irregular measurements, making accurate estimation of these metrics challenging. Conventional supervised learning approaches struggle under such sparsity, leading to poor generalization and unstable performance. To address this, we propose PACD-Net, a self-supervised contrastive knowledge distillation framework for estimating glycemic control from SMBG. Pseudo-SMBG samples with richer temporal coverage are used as teacher signals to guide learning from sparse observations. In addition, multi-view contrastive learning enforces representation consistency across diverse sampling patterns. The model adopts a hybrid Swin Transformer-CNN backbone to capture temporal dependencies in sparse SMBG sequences. Experimental results demonstrate that PACD-Net consistently outperforms existing methods in estimating TAR, TIR, and TBR from real-world SMBG data, achieving improved accuracy as well as enhanced stability and generalization under extremely sparse observation settings. The proposed framework provides a practical tool for clinical SMBG interpretation and offers a generalizable approach for learning from sparse and irregularly sampled sensor data in broader applications.
• Abstract（参考訳）: 効果的な糖尿病管理には、血糖値の継続的なモニタリングが必要である。 臨床的には、血糖コントロールは、通常、連続血糖モニタリング(CGM)から派生したTIR(Time in Range)、TBR(Time Below Range)、TAR(Time Above Range)などの指標を用いて評価される。 しかし、多くの患者は、高コストとCGMのアクセシビリティの制限により、血糖値(SMBG)の自己モニタリングに頼っている。 CGMとは異なり、SMBGはスパース測度と不規則測度を提供し、これらの測定値の正確な推定を困難にしている。 従来の教師付き学習アプローチは、そのような疎遠さの下で苦労し、一般化の貧弱さと不安定なパフォーマンスをもたらす。 そこで我々は,SMBGからグリセミック制御を推定する自己監督型コントラスト型知識蒸留フレームワークPACD-Netを提案する。 時間的カバレッジが豊富な擬似SMBGサンプルを教師の信号として用いて、スパース観測から学習を誘導する。 さらに、多視点コントラスト学習は多様なサンプリングパターンをまたいだ表現一貫性を強制する。 このモデルはSwin Transformer-CNNのハイブリッドバックボーンを採用し、スパースSMBGシーケンスの時間依存性をキャプチャする。 実験結果から,PACD-Netは実世界のSMBGデータからTAR,TIR,TBRを推定する既存の手法より一貫して優れており,精度が向上し,高度にスパースな観測環境下での安定性と一般化が向上していることが示された。 提案フレームワークは, 臨床用SMBG解釈のための実用的なツールを提供し, より広範なアプリケーションにおいて, スパースおよび不規則サンプルデータから学習するための一般化可能なアプローチを提供する。

関連論文リスト

• GlyRAG: Context-Aware Retrieval-Augmented Framework for Blood Glucose Forecasting [3.494950334697973]
  GlyRAGは、CGMトレースから直接血糖値のセマンティック理解を導き出す、文脈対応、検索強化予測フレームワークである。 GlyRAGは最先端の手法を一貫して上回り、RMSEは最大で39%低下し、RMSEはベースラインよりもさらに1.7%減少する。
  論文  参考訳（メタデータ） (2026-01-08T20:07:59Z)
• DPA-Net: A Dual-Path Attention Neural Network for Inferring Glycemic Control Metrics from Self-Monitored Blood Glucose Data [0.764671395172401]
  血糖の自己モニタリング(SMBG)は安価で広く利用可能であるが、希少で不規則なデータが得られる。 SMBGデータから直接AGPメトリクスを推定するためのデュアルパス注意ニューラルネットワーク(DPA-Net)を提案する。 DPA-Netは、系統的バイアスを低減しつつ、低いエラーで堅牢な精度を達成する。
  論文  参考訳（メタデータ） (2025-10-08T04:06:22Z)
• SSM-CGM: Interpretable State-Space Forecasting Model of Continuous Glucose Monitoring for Personalized Diabetes Management [0.6481500397175589]
  連続グルコースモニタリング(CGM)は、糖尿病管理に不可欠な高密度なデータストリームを生成する。 我々は,マンバをベースとしたCGMとウェアラブル活動信号を統合したニューラルステートスペース予測モデルであるSSM-CGMを提案する。
  論文  参考訳（メタデータ） (2025-10-05T22:37:28Z)
• An Improved Strategy for Blood Glucose Control Using Multi-Step Deep Reinforcement Learning [3.5757761767474876]
  血糖コントロール(BG)は、体外インスリン注入によって、個人のBGを健康な範囲に保持する。 最近の研究は、個別化および自動化されたBG制御アプローチの探索に費やされている。 深層強化学習(DRL)は新たなアプローチとしての可能性を示している。
  論文  参考訳（メタデータ） (2024-03-12T11:53:00Z)
• GARNN: An Interpretable Graph Attentive Recurrent Neural Network for Predicting Blood Glucose Levels via Multivariate Time Series [12.618792803757714]
  マルチモーダルデータをモデル化するための解釈可能なグラフ減衰ニューラルネットワーク(GARNN)を提案する。 GARNNは最高の予測精度を達成し、高品質な時間的解釈性を提供する。 これらの知見は糖尿病治療改善のための堅牢なツールとしてのGARNNの可能性を示している。
  論文  参考訳（メタデータ） (2024-02-26T01:18:53Z)
• Differentially Private SGD Without Clipping Bias: An Error-Feedback Approach [62.000948039914135]
  Differentially Private Gradient Descent with Gradient Clipping (DPSGD-GC) を使用して、差分プライバシ(DP)がモデルパフォーマンス劣化の犠牲となることを保証する。 DPSGD-GCに代わる新しいエラーフィードバック(EF)DPアルゴリズムを提案する。 提案アルゴリズムに対するアルゴリズム固有のDP解析を確立し,R'enyi DPに基づくプライバシ保証を提供する。
  論文  参考訳（メタデータ） (2023-11-24T17:56:44Z)
• Graph-Aware Contrasting for Multivariate Time-Series Classification [50.84488941336865]
  既存のコントラスト学習手法は主に、時間的拡張とコントラスト技術による時間的一貫性を達成することに焦点を当てている。 MTSデータ間の空間的整合性を考慮したグラフ認識コントラストを提案する。 提案手法は,様々なMSS分類タスクにおける最先端性能を実現する。
  論文  参考訳（メタデータ） (2023-09-11T02:35:22Z)
• Stochastic Training is Not Necessary for Generalization [57.04880404584737]
  勾配降下の暗黙的な正則化(SGD)は、ニューラルネットワークで観測される印象的な一般化の振る舞いに基礎的であると広く信じられている。 本研究では,SGDと同等のCIFAR-10において,非確率的フルバッチトレーニングが強力な性能を発揮することを示す。
  論文  参考訳（メタデータ） (2021-09-29T00:50:00Z)
• Dual-Consistency Semi-Supervised Learning with Uncertainty Quantification for COVID-19 Lesion Segmentation from CT Images [49.1861463923357]
  CT画像を用いた半監視型COVID-19病変分割のための不確実性誘導型二重一貫性学習ネットワーク(UDC-Net)を提案する。 提案した UDC-Net は,Dice の完全教師方式を 6.3% 向上させ,他の競合的半監督方式を有意なマージンで上回っている。
  論文  参考訳（メタデータ） (2021-04-07T16:23:35Z)
• Deep Semi-supervised Knowledge Distillation for Overlapping Cervical Cell Instance Segmentation [54.49894381464853]
  本稿では, ラベル付きデータとラベルなしデータの両方を, 知識蒸留による精度向上に活用することを提案する。 摂動に敏感なサンプルマイニングを用いたマスク誘導型平均教師フレームワークを提案する。 実験の結果,ラベル付きデータのみから学習した教師付き手法と比較して,提案手法は性能を著しく向上することがわかった。
  論文  参考訳（メタデータ） (2020-07-21T13:27:09Z)
• Improving Sampling Accuracy of Stochastic Gradient MCMC Methods via Non-uniform Subsampling of Gradients [54.90670513852325]
  サンプリング精度を向上させるための一様でないサブサンプリング手法を提案する。 EWSGは、一様勾配MCMC法がバッチ勾配MCMC法の統計的挙動を模倣するように設計されている。 EWSGの実践的な実装では、データインデックス上のMetropolis-Hastingsチェーンを介して、一様でないサブサンプリングを効率的に行う。
  論文  参考訳（メタデータ） (2020-02-20T18:56:18Z)
• Short Term Blood Glucose Prediction based on Continuous Glucose Monitoring Data [53.01543207478818]
  本研究では,デジタル意思決定支援ツールの入力として連続グルコースモニタリング(Continuous Glucose Monitoring, CGM)データを利用する方法について検討する。 短時間の血液グルコース (STBG) 予測において, リカレントニューラルネットワーク (Recurrent Neural Networks, RNN) をどのように利用できるかを検討する。
  論文  参考訳（メタデータ） (2020-02-06T16:39:44Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。