睡眠纺锤波自动检测及其在急性意识障碍患者中的应用

基于摘要分析。本研究针对急性意识障碍（ADOC）患者的睡眠纺锤波自动检测问题，提出 SpindleCatcher，并探索纺锤波密度与患者预后的相关性。主要研究对象是睡眠 EEG 事件及其临床关联，而非 BCI 控制或交互任务。 方法使用卷积神经网络从原始 EEG 提取特征，通过定位与分类模块联合预测纺锤波的位置和持续时间。针对 ADOC 患者纺锤波频率可能降低的情况，作者引入频率注意力模块，使模型关注目标频率范围。摘要还称该方法可检测 K-complexes 等其他 EEG 事件，但未提供相应评估结果，事件类型间的泛化能力尚未验证。 作者报告，在公开 MASS2 数据集上，SpindleCatcher 的总体 Recall 为 0.817、F1 为 0.794；在患者数据集上，总体 Recall 为 0.707、F1 为 0.681，并称其优于基线方法。摘要未说明被试数量、数据划分、被试内或跨被试协议、事件匹配规则及具体基线，因此这些结果只能分别置于各自数据集背景下理解，不能据此认定跨患者泛化有效。 作者报告，相关性实验提示 ADOC 患者睡眠纺锤波密度与预后可能存在较强正相关；摘要未提供相关系数、置信区间、预后终点或混杂因素控制信息，尚不能据此认定其具备独立预后预测效能。复现需核对频率注意力的具体实现、训练目标、患者 EEG 标注与数据可用性；实验协议、消融及统计信息尚未验证。