AI与世界难题 · 医学与药物研发 · Nature (computational biology) · 2026-10-24
一种基于自适应Transformer、采用熵驱动知识蒸馏的单通道脑电图（EEG）快速眼动（REM）睡眠检测模型
原标题: An adaptive transformer-based model with entropy-driven knowledge distillation for single-channel EEG REM sleep detection
从单通道脑电图（EEG）检测快速眼动（REM）睡眠，对于神经生理监测和睡眠相关疾病的早期识别十分重要。作者提出了一种轻量级Transformer，采用熵驱动的自适应知识蒸馏方法进行训练，该方法根据教师模型与学生模型之间的熵来调整温度缩放和蒸馏权重。在三个公开数据集上进行与受试者无关的交叉验证时，该模型优于CNN、LSTM和标准Transformer基线，平均准确率为93.2%，F1分数为92.8%，同时经蒸馏的学生模型将训练时间和内存占用减少了约30%。