从脑电到睡眠分期与注意状态，算法怎样作出判断？

“深睡了多久”是怎样从一条曲线里算出来的

设备显示的深睡时长，通常经历了几步：先取得信号，再把信号分成时间片段，给每个片段分配状态标签，最后将有关标签的时长加起来。每一步都可能引入新的选择。

一个成熟的睡眠分期系统并非只问“这一段有没有某种频率”。它可能同时使用脑电、眼动、肌肉活动、前后状态和已经睡了多久等信息。算法再把这些信息组合成对不同状态的支持程度。1 2

本篇先讲清这种组合怎样工作，再比较三个问题：它在熟悉的数据里能做多好，换了人群或睡眠条件后是否保持，以及相似方法能否用来判断注意状态。

人工标签提供参照，也规定了任务

睡眠研究常把记录划成30秒的片段，标为清醒W、N1、N2、N3或REM。分期并非任意命名：慢波、纺锤波、K复合波、眼动和肌张力等信号提供了不同生理线索。但一个30秒标签仍是对这段时间的概括，转变附近也可能出现混合或边界模糊的特征。1

人工专家同样会有分歧。2020年的Dreem验证让5名专家独立标注同一批PSG，并比较他们与其他专家构成的共识。评价某位专家时，将其自身排除出共识，避免把自己的票算成支持自己的证据；评价设备时，使用排名靠前的4位专家形成共识。遇到平票，又需要事先定义选择规则。2

这使参照比单一评分者更稳定，但“与共识一致”仍然是任务的操作定义。它没有逐个读取所有神经元，也没有证明整个大脑在每个30秒片段里只有一种完全均匀的状态。

相应地，30秒分期、几秒钟的短暂觉醒事件、整夜睡眠结构和某种疾病判断，是不同目标。把一个目标做得好，不能自动算作完成了其他目标。

两条具体算法路线：人工设计特征，再学习组合方式

YASA怎样组织输入

2021年发表的YASA分期方法，把单导脑电作为必要输入，也可以加入眼电、下巴肌电和年龄、性别等信息。原研究的主要完整模型使用一条脑电、一条眼电和一条肌电。1

每个30秒片段会被转换成一组特征，例如波动幅度、分布形状、过零次数、不同频带的功率和功率比例。这些特征分别描述信号的某个方面。这里没有先把每个纺锤波或眼动都明确检测出来再照规则分类，而是让这些活动对幅度、频谱和形状特征的影响进入模型。

随后，树模型逐步学习特征的组合：在什么幅度、频谱、眼电和时间背景下，人工更常给出哪个标签。它输出各阶段的概率分数，再选择某个阶段。特征的重要性可以提示模型主要依赖哪些信息，但不直接证明该特征就是睡眠状态的唯一生成原因。

眼电在这里尤其有意思。在某些脑电分析中，眼动是希望去掉的干扰；在睡眠分期中，眼动本身又是帮助区分状态的有用信息。信号的价值取决于任务。

Dreem怎样加入时间背景

2020年Dreem研究中的嵌入式算法也分为特征提取和分类。它使用79项特征，来源包括脑电、加速度计和光学脉搏；随后用循环神经网络结合近15分钟的既往片段进行分类。2

因此，研究验证的是一套多传感器、多特征和时间背景共同工作的系统。不能把其总体分期成绩全部解释成某一条脑电导联的独立能力。

该版本的训练使用423份既有记录，另用213份不同受试者的记录选择停止训练的时机；本次25人的正式测试记录未用于这两步。这是训练、模型选择和最终测试应当区分的具体例子。

时间背景也有不同实现。YASA原研究除了当前片段，还加入过去两分钟和居中7.5分钟窗口的特征，并进行整夜标准化。这会用到当前时刻之后的信息。它适合对已取得的整夜记录作判断，不能直接把该版本的表现等同于严格只看过去的实时报警。Dreem所述的既往片段路线与此不同；“有时间背景”不是单一实现。1 2

为什么相邻片段能纠错，也可能隐藏真正的短暂变化

如果一个人已经连续睡着，某个片段偶然受噪声影响，看起来像清醒，参考前后片段可能纠正错误。问题是，一个真正短暂的清醒片段也可能夹在睡眠中。

用一个二状态示例就能看出这种取舍。本库构造了60个30秒片段，只分“醒”和“睡”，并为每个片段指定一组支持分数。序列中有两次虚假的清醒线索，也有一次真实的短暂清醒。

只看当前片段的分类器弄错了两次。加入较强的状态连续性先验后，两次虚假变化都被纠正，却把那次真实短暂清醒也覆盖掉了，总错误变成一次。

自选的二状态解码示例，不是YASA或Dreem的实现，也不是人体EEG模拟。算法综合单窗支持和状态转移的代价，选择整段序列。

它的整体分数提高了，但如果研究者最关心的恰好是短暂清醒，这次“改进”就没有回答好目标问题。反过来，适度减弱连续性约束，在这个特定例子里又能同时保留真实变化并消去两个假变化；并非所有时间整合都会必然抹掉事件。

这说明参数和验收指标要跟着用途走。整夜大致结构、精确转变时间和短暂事件的检出，对同一算法可能提出不同要求。

2026年的独立验证，揭示了总体成绩里藏着什么

一项独立研究在75名年轻成人中检验YASA 0.6.5，包含适应夜、正常睡眠夜和限制睡眠夜，共483个有效夜晚。人工参照来自一名有经验的技师，算法使用脑电、眼电和肌电。这是已有算法面对新数据和条件的一次实际检验。4

本库取得作者公开的逐夜汇总，重新计算得到：每夜一致率的平均值为82.90%；把所有命中数与逐夜记录的片段总数合并计算，则约为83.17%。两者不矛盾，前者每夜权重相同，后者较长夜晚的权重更大。

总体分数也没有说明每一阶段都一样可靠。为了保持同一个人内的比较，本库按原分析标记，取68名有三种条件数据的参与者，先在每个条件内平均多夜结果，再比较条件。下图每条细线代表一人，粗线连接条件中位数。

逐夜汇总复算；N1与REM指标按人工给出该阶段的片段计算。最后一列先计算每个人的差值，因此不要求等于前两列中位数之差。

这项结果说明，这个算法在该样本中保留较好的总体一致，同时对N1和部分短睡眠条件存在更明显困难。它没有证明“每个短夜晚都会更差”，也没有单独识别出困难的原因。阶段组成、时间背景、特征分布和训练覆盖范围都可能参与，需要进一步比较。

单纯说“夜晚短了，错误没机会平均掉”也不能充分解释平均识别率下降。样本变少可以增加波动，但若每个片段的错误概率不变，片段少本身并不必然降低期望一致率。观察到的条件差异，仍应回到实际分布和算法过程。

回到三条真实的分期序列

本库按编号选择公开目录中第一位参与者的第1、2、5夜，分别对应适应、正常和限制睡眠，按记录的熄灯、开灯时刻截取。三夜的片段数、命中数与阶段时长均和作者逐夜汇总对上，再画出人工与算法标签。

这是一个人的三夜示例，按参与者和夜晚编号选择，未按性能排序。它展示标签怎样相同或不同，不用来代表75人的总体表现。图中是处理后的标签，未从原始脑电重新运行分类器。

多数长段可以对应，转变和部分局部片段仍会分歧。这个人的限制睡眠夜一致率还高于所选正常睡眠夜，正好说明群体条件差异不是逐人的必然规律。

公开数据也留有需要诚实保留的缝隙：三行逐夜汇总的总片段数比命中与未命中之和合计多21，原公开混淆矩阵的分母相应较小；部分阶段时长汇总又未与该矩阵的边际计数一致。本篇的总体和条件比较按逐夜汇总复算，三条图按逐片段标签核对，不将尚未核通的全体表格拼成一份完整重现。原始483夜脑电与全部逐片段处理没有重跑。

人群变了，设备版本和分析窗口也可能一起变

2020年的Dreem研究在25名较年轻参与者中，用设备标签与专家共识比较，报告每夜平均总体一致率83.5%。这提供了指定版本与样本中的正向验证，但研究也排除了部分技术失败夜晚、发现睡眠呼吸问题的记录和一条较短记录，其结果不能直接代表所有实际使用者。2

2025年的研究扩展到62名较年长参与者，其中12人处于阿尔茨海默病谱系，并使用Dreem 2和3两种版本。研究显示，区分睡与醒比区分五个阶段更容易：平均MCC分别约为0.77和0.54。N1是较弱的一项，不能用总体睡醒表现代替其分期表现。3

这里的MCC是另一种考虑分类关系的指标，不是正确片段百分比，也不能直接与2020年的83.5%相减来判断“退步了多少”。两篇的人群、参照评分、设备版本和汇总方式都不同。

记录质量同样依任务而变。2025年研究中62夜都有自动分期结果，但按作者针对定量频谱分析的质量标准，只有45夜可用。这个45/62不能被改写成“只有73%的夜晚能分期”，也不能因为都有分期输出，就推断所有夜晚都适合精细频谱分析。3

算入睡时间，先要有同一个起点

这项研究还有一个十分具体的例子。设备从开始记录的时刻计算整段统计，而PSG按实验记录的熄灯窗口计算。按设备自动窗口比较，入睡潜伏期的平均偏差约为多估27分钟；改用同一个熄灯窗口后，平均偏差变为约−0.3分钟。3

这种改善包含了定义和分析窗口的统一，不应全部归给算法终于识别出了更准确的脑状态。即便平均偏差接近零，统一窗口后的一致性界限仍约为−18.1到17.6分钟，个体误差没有因此消失。

总体而言，较年长和临床相关人群中的验证很有价值。但两种硬件版本与不同招募队列交织，不能将观察到的全部差异只归给年龄或某种诊断。对这些人群的分期和具体睡眠指标，仍应分别检验。

怎样证明算法能够处理新的人

一个关键选择是测试集怎么划分。

若从同一人的一夜中随机抽一些片段训练、另外一些片段测试，模型面对的仍然是熟悉的个人信号特征、设备与夜间背景。这个结果可以回答该划分下的预测问题，却没有充分回答新来一个人会怎样。片段之间还有明显时间依赖，数百万片段也不等于数百万独立受试者。

YASA原研究除在已有数据库中划出留出记录，还把整套未参与训练的Dreem开放数据库用于外部测试。它在健康与睡眠呼吸障碍数据中分别报告结果，也比较共识明确或模糊、阶段稳定或转变附近的表现。这比只列一个总分更能说明实际边界。1

如果要声称个体校准有帮助，校准用的数据与最终评估数据也应分开。若要用于实时判断，就不能在测试时偷偷使用未来片段、整夜统计或事后选定的窗口。原算法本来用于离线处理时使用这些信息并没有错，关键是用途必须一致。

概率分数可以帮助标出不确定片段，但一个0.9的输出是否真对应约90%的正确率，需要验证其校准，而且这种对应可能在新设备或新样本中改变。只保留高置信度片段后成绩提高，还需要同时报告保留了多少数据、被排除的片段是否正是最关心的转变。

注意和警觉状态，需要另一套参照

睡眠分期做得好，并没有自动完成“专注度”测量。后者可能指任务反应速度、错误率、主观走神、自感困倦，或维持某个目标的能力。这些量相关，但不是同一标签。

Andrillon等2021年的研究提供了一个有外部行为标准的例子。26名参与者完成较简单的Go/NoGo任务，同时记录高密度EEG、瞳孔和主观报告。应该反应却没反应、应该抑制却按了键、反应快慢，分别有可观察的定义；走神或脑中空白则来自被试自己的报告。5

研究发现，某些局部慢波特征与这些结果相关，且额部和后部记录的关联方向不同。它支持把空间、时间及行为类型一同考虑，而不是只把慢波总量换成一个统一注意分数。

但这里的“预测”主要是统计模型中的关联解释，没有建立一款在全新用户身上提前预警失误的设备。单试次行为分析使用了刺激呈现期间的慢波；报告前的脑活动与之后主观报告对应，也不等于已经在行为失误之前完成了实时预测。作者还明确承认，将这类清醒慢波解释成局部睡眠依赖间接证据，未直接验证相应神经元是否进入了沉默状态。5

这类研究可以为后续状态识别提供特征与假说。要发展成具体用途，还需要明确标签、预测时点、独立测试人群，以及相对于行为或其他简便读数究竟增加了多少信息。

一个有用的分类结果，应当保留哪些条件

算法能从生理信号中学到稳定关系，这一点已经有实际验证。它如何形成判断，也可以拆开理解：传感器决定可见信息，特征保留某些信号形态，时间背景提供先验，标注规定学习目标，外部测试检验关系能否迁移。

本篇的整合判断是，可靠应用来自这些环节的对应。算法与专家共识的高一致，可以支持加速指定任务的分析；精确的转变时间、短暂事件、睡眠疾病和通用注意状态，则各需自己的验收依据。

仍未解决的是，怎样在保持易用和低负担的同时，应对更多人群、设备差异和少见状态，以及怎样让不确定度真正帮助识别边界片段。提高一个平均分数只是其中一部分，理解这个分数针对什么，才能知道下一步应改哪里。

复算结果、逐夜汇总重算和三夜示例的标签可回查。本文未重新训练或完整运行原分类器，也不把研究结果作为个人诊断或治疗建议。