U-Sleep：对 AASM 指南约束的稳健性

基于摘要分析。本研究以自动睡眠分期为对象，考察 U-Sleep 是否必须严格遵循 AASM 指南中的导联建议并利用被试年龄信息，以及多中心训练相较单一队列训练的价值。核心贡献是对既有睡眠分期算法的临床先验依赖与数据来源稳健性进行评估，而非提出新的 BCI 解码方法。 AASM 指南涵盖推荐 EEG 导联、技术与数字化规范，以及按年龄制定的睡眠评分规则。作者报告，基于深度学习的 U-Sleep 即使使用临床不推荐或非常规导联，且不利用被试的实际年龄信息，仍能完成睡眠分期任务。摘要未给出具体导联配置、模型训练与推理细节、评价指标或性能差异，因此尚不能据此量化其相对标准配置的性能保持程度，也不能将结论扩大为所有 AASM 规则均可忽略。 作者报告，全部实验使用来自 13 项不同临床研究的 28,528 项多导睡眠监测记录；这一数字是检查记录数，不能直接视为独立被试数。作者还报告，多中心数据训练优于单一队列训练，即使增大单一队列的规模与异质性，该结论仍成立。其适用范围应限定于本文所评估的数据与设置，不能据此断言多中心训练在任何条件下都更优。 复现时需核对推荐与非常规导联的具体定义、年龄信息的使用方式、多中心与单队列训练的规模匹配方式，以及训练测试划分和各队列的分层结果。实验协议、消融及统计信息尚未验证；摘要未提供可核实的代码与权重信息。该研究直接支持的是睡眠分期场景下的稳健性讨论，不构成其他 EEG 或 BCI 任务有效性的证据。