C-SHARE：用于 CAP Phase A 提前预测的跨被试异质性感知检索增强

基于摘要分析。研究针对 NREM 睡眠中循环交替模式（CAP）的 Phase A 起始预测，提出可接入冻结 EEG 预测器的模型无关检索增强模块 C-SHARE，以应对事件标注稀疏、生理前兆异质性以及对未见被试泛化的问题，并贡献包含 120 名被试的 NapCAP-128Ch 数据集。 CAP 是睡眠不稳定与碎片化的 EEG 标志，由反复出现的 Phase A 激活与 Phase B 间隔交替组成。本文研究对象是睡眠事件的提前预测，并非已验证的 BCI 控制或睡眠干预。其核心思路是在参数化预测器的人群层面预测之外，从训练数据中检索源事件作为经验性校正，同时处理检索证据可能重复或不具可迁移性的问题。 机制上，C-SHARE 将同一起始事件前相互重叠的窗口归并为按起始事件索引的片段，学习以未来信息为条件的多子空间检索键进行预测性匹配，并依据事件层面与被试层面的支持对每次校正进行门控。摘要未说明未来条件信息在训练与推理中的具体使用方式、检索键的监督目标、支持量定义及门控实现，这些均需全文核对。 作者报告，在 NapCAP-128Ch 与公开 CAP Sleep Database 上，覆盖八种骨干预测器、三个预测时间跨度的全部 48 个“数据集—骨干—预测时间跨度”设置中，C-SHARE 相较对应冻结骨干的 AUPRC 均有提升，AUROC 在其中 42 个设置中提升，且收益比通用检索基线更一致。这些数字反映提升覆盖的设置数量，并非性能增幅；摘要未提供绝对指标、具体时间跨度或统计不确定性。作者称 NapCAP-128Ch 据其所知是首个高密度 CAP EEG 数据集，也是按被试数计最大的 CAP 标注 EEG 队列，该优先性与规模比较尚未独立验证。 跨被试划分、事件窗口构造、检索库边界、基线配置、消融及统计信息尚未验证；数据与代码的开放情况亦未确认。当前证据支持进一步审查其睡眠 EEG 预测方法，不能据此推定临床监测或干预收益。