本研究提出了一种新颖的自我监督预训练方法，解决重症监护中的数据不足问题，并在数据有限的情况下，在院内死亡预测和表型预测等任务中优于基线模型，提升数据分析能力。

本文提出了两种新的数据集剪枝方法，可以在不牺牲下游性能的情况下，将源数据类别剪枝达到40%至80%，在预训练阶段实现了显著的2至5倍加速。该方法具有广泛的适用性，可以改进其他计算密集型的传输学习技术。