通过二分类分层与基于置换的通道选择改进睡眠阶段分类

基于摘要分析。该研究面向 EEG 睡眠阶段分类，使用 CNN 模型 EEGNeX 提取并分类不同睡眠阶段的波形特征，将睡眠阶段组织为二分类任务，并通过基于置换的通道选择探索减少输入通道的可行性；其主要研究对象是睡眠分期，而非直接验证 BCI 控制任务。 方法与对照：摘要描述了使用 128 个 EEG 通道的 EEGNeX，以及根据置换式通道选择结果保留排名前三通道的方案。对照包括 AASM 推荐的三个通道和随机选择的三个通道。置换操作的具体方式、通道重要性计算、二分类任务组合，以及多个二分类模型如何形成完整睡眠分期结果，尚未验证。 结果：作者报告，在摘要所述睡眠阶段二分类评估中，所选前三通道的 Accuracy、Fscore、precision、recall、AUROC 和 Kappa 整体表现较高，原文将这些指标表述为超过 80%；但 N1 与 N2 分类的平均 Kappa 为 0.52。Kappa 并非百分比指标，相关量纲与各任务的具体结果需核对全文，不宜将这些指标混同为同一种性能。作者报告，采用 AASM 推荐三通道或随机三通道时性能下降，所选三通道模型的计算成本则远低于使用 128 通道的模型；摘要未提供成本测量方式或降幅。 验证与复现：数据集、被试数量、被试内或跨被试划分、训练与测试协议、类别分布、消融及统计信息尚未验证。复现时需核对通道选择是否限定于训练数据、选择结果在不同被试或会话间是否稳定，以及二分类表现能否支持实际多阶段睡眠分期；这些是待核对事项，不能据摘要认定存在协议问题。