狄耐克与中国科大先研院在国际期刊联合发表睡眠分期学术论文

全文概述

狄耐克联合中国科大先研院研发的单通道脑电睡眠分期算法成果已在国际SCIE期刊发表，该算法突破传统睡眠监测的技术限制，具备更高的精准度和便捷性，未来可应用于家庭睡眠自查、临床诊疗等场景，为睡眠监测技术的民用落地提供了核心算法基础。

刊发期刊及成果背景

2026年10月，狄耐克与中国科大先研院陈勋教授团队合作的睡眠分期研究论文，发表于SCIE收录的国际期刊《EXPERT SYSTEMS》。该期刊1984年由Wiley出版，是涵盖人工智能方法及应用的综合性学术期刊，研究成果经国际同行评审，具备较高的学术价值。此次是双方共建“脑机接口与大健康联合实验室”以来的重要协同创新成果。

现有睡眠分期技术的局限

睡眠阶段精准识别是睡眠障碍诊断、睡眠质量改善的核心前提，当前主流技术依赖多导睡眠图，需要专业设备和医护人员操作分析，流程繁琐、耗时较长，无法满足大众化、常态化的睡眠监测需求。

新型算法核心技术与性能表现

该研究创新性提出基于跨频交互的频率增强型单通道睡眠分期框架，同步从原始脑电信号中学习时域表征、通过短时傅里叶变换提取频域表征，还引入受相位-幅值耦合启发的交叉注意力机制捕捉跨频交互特征，最终融合两类特征完成睡眠阶段识别。在Sleep-EDF、MASS-SS3两大权威公开睡眠数据集上验证，算法准确率分别达87.0%、87.8%，Macro-F1值分别达82.0%、83.1%，有效提升了单通道脑电睡眠分期的性能，降低了对复杂信号采集的依赖。

算法应用价值与落地方向

该技术可实现脑电波信号自动分析睡眠阶段，操作便捷、适配性强，能覆盖三类场景：大众可通过简易脑电头环设备居家自主完成睡眠状态监测，实现常态化睡眠健康自查；为医护人员提供高效精准的睡眠分析工具，简化睡眠诊疗流程、降低工作压力、提升诊疗效率；为脑电信号分析、深度学习模型研究提供新思路，推动脑电波技术在睡眠健康领域的创新发展。

后续技术落地规划

狄耐克将依托自身产品落地能力、市场资源与中国科大先研院持续合作，构建从技术研发、成果转化到产业落地的完整生态链，推动脑机交互相关技术从科研场景走向大众市场，实现睡眠健康领域科技创新的民用普及。