Computer Graphics Metafile
PulseAugur coverage of Computer Graphics Metafile — every cluster mentioning Computer Graphics Metafile across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
Google Research 发布 GlucoFM 用于连续血糖监测数据
Google Research 推出了 GlucoFM，一个专门设计用于解读连续血糖监测 (CGM) 数据的基础模型。此举旨在增强对这些医疗传感器数据的理解和利用。
-
糖尿病技术需求强劲，微泰医疗海外营收飙升227%
专注于糖尿病管理设备的微泰医疗公司实现了显著增长，尤其是在其海外业务方面。公司2025年营收增长91.20%至6.61亿元人民币，其中国际营收飙升227.20%至3.43亿元人民币，首次超越国内收入。这种扩张得益于糖尿病患者和注重健康的个体对持续葡萄糖监测（CGM）系统日益增长的需求，以及公司战略性的市场进入和产品开发，包括即将推出的“人工胰腺”技术。
-
新框架应对多模态大语言模型中的灾难性遗忘问题
研究人员推出了一种名为 Curvature-Guided Mixing (CGM) 的新框架，旨在改进多模态大语言模型 (MLLM) 的适应性。该方法解决了灾难性遗忘问题，即在特定任务上进行微调会损害通用能力。CGM 利用损失景观的二阶近似，根据预训练模型和微调模型各自损失景观的曲率，分析性地确定混合它们的最佳比例。增强版 CGM$ exttt{ ext{ extdagger}}$ 通过一种新颖的曲率感知评分来指导鲁棒的参数选择。在 …
-
MetaPlate 使用 LLM 和 CGM 数据进行个性化糖尿病预防餐食
研究人员开发了 MetaPlate，一个旨在为管理餐后高血糖提供个性化餐食推荐的新框架。该系统整合了来自 25 名个体的连续血糖监测 (CGM) 数据、来自可穿戴设备的生理信号以及用户餐食输入。它利用机器学习模型预测血糖反应，并利用反事实优化模块调整餐食成分，目标是使血糖水平保持在 140 mg/dL 以下。然后，基于 LLM 的检索增强生成 (RAG) 层将这些调整转化为人类可读的饮食建议，这些建议通过与注册营养师的专家评估进行了完善。
-
新的PACD-Net框架改进了从稀疏SMBG数据估计血糖控制的方法
研究人员开发了PACD-Net，一个新颖的框架，旨在从稀疏的自我血糖监测（SMBG）数据中估计血糖控制指标。这种自监督对比知识蒸馏方法使用伪样本来指导学习，并采用多视图对比学习来确保表示的一致性。该模型采用Swin Transformer-CNN骨干网络，与现有的SMBG数据解释方法相比，在准确性、稳定性和泛化能力方面表现更优。
-
CGM-JEPA通过自监督预训练学习一致的葡萄糖监测表示
研究人员开发了CGM-JEPA，一种新颖的自监督预训练框架，旨在改进连续血糖监测（CGM）数据的分析。该方法侧重于学习跨不同数据模态（如CGM时间序列和静脉口服葡萄糖耐量试验）的一致性抽象表示，解决了在不同数据视图和设置之间迁移模型的挑战。通过预测掩码潜在表示而非原始值，CGM-JEPA旨在捕获更高级别的时间和分布结构，从而在代谢健康方面获得更鲁棒和可迁移的见解。
-
开源AI平台GlycemicGPT助力糖尿病管理
GlycemicGPT是一个新的开源、自托管AI平台，专为糖尿病管理设计，连接CGM和胰岛素泵以进行实时数据分析和个性化见解。该平台提供AI驱动的每日简报、模式识别和对话式AI聊天，并注重用户数据隐私和安全。它支持各种AI提供商，并旨在成为专业医疗护理的补充工具。