L'IA face aux grands problèmes du monde · Médecine et découverte de médicaments · Nature (computational biology) · 2026-10-24
Un modèle adaptatif basé sur les Transformers avec distillation de connaissances pilotée par l'entropie pour la détection du sommeil paradoxal à partir d'un EEG monocanal
Titre original: An adaptive transformer-based model with entropy-driven knowledge distillation for single-channel EEG REM sleep detection
La détection du sommeil paradoxal à partir d'un seul canal EEG est importante pour la surveillance neurophysiologique et l'identification précoce des troubles du sommeil. Les auteurs proposent un Transformer léger entraîné avec une méthode de distillation de connaissances adaptative pilotée par l'entropie, qui ajuste la mise à l'échelle de la température et la pondération de la distillation en fonction de l'entropie entre l'enseignant et l'élève. Sur trois jeux de données publics, en validation croisée indépendante des sujets, il a surpassé les modèles de référence CNN, LSTM et Transformer standard, avec une précision moyenne de 93,2 % et un score F1 de 92,8 %, tandis que le modèle élève distillé a réduit d'environ 30 % le temps d'entraînement et l'utilisation de la mémoire.