近日，医学影像学院医学装备学教研室主任、第一附属医院第三党总支书记赵巍副教授与合肥工业大学彭虎教授团队，在物联网领域权威学术期刊《IEEE Internet of Things Journal》（中科院一区TOP期刊，影响因子8.2）上发表了题为“Data Distillation for Sleep Stage Classification”的研究成果，论文第一作者为合肥工业大学郭韩飞，通讯作者为赵巍副教授。
随着深度学习技术的不断进步，自动化睡眠阶段分类技术逐渐走向成熟。然而，目前的研究框架普遍依赖于庞大的数据集，这不仅增加了数据存储与计算的负担，还带来了患者隐私泄露的潜在风险。因此，研究人员一直在探索能够降低计算开销，同时保护患者隐私的解决方案。
本研究创新性地提出了一种数据蒸馏（Data Distillation）方法，旨在优化并提升睡眠阶段分类任务的效率与准确性。该方法旨在将庞大的原始脑电（EEG）数据集精简为一个高质量的小型合成数据集，以便神经网络能在此合成数据集上从头开始训练，同时保持与完整数据集训练相近的效果。主要技术亮点包括：
1. K-medoids 聚类初始化：该方法首先对原始数据集进行K-medoids聚类，以生成具有代表性的数据点作为合成数据集的初始状态，从而减少优化过程中陷入局部最优的风险。
2. 梯度匹配优化：在训练过程中，该方法匹配合成数据集和原始数据集的梯度变化，以确保神经网络在合成数据上的训练路径与完整数据集上的训练路径相似。
3. 数据增强：在数据蒸馏过程中，研究人员引入数据增强（如翻转、旋转、添加噪声等）技术，以提高合成数据的泛化能力，使其更好地学习原始数据中的关键信息。
该研究首次将数据蒸馏技术应用于睡眠阶段分类任务，成功减少了模型训练所需的数据量和计算资源，同时消除了患者数据隐私泄露的风险。此外，该方法的成功应用为情绪识别、运动想象等其他生物信号处理任务提供了新的思路。未来，研究人员计划引入生成模型和贝叶斯推理等方法，以进一步提升数据蒸馏的效果，使其适用于更复杂的数据集。（赵巍/文、图）
论文链接：https://www.ieee.org/publications/rights/index.html for more information
研究方法总体框架
皖公网安备 34020302000135号