睡眠脑电的自动分期与睡眠障碍事件检测：基于深度学习的家庭可穿戴脑机接口设备算法开发与应用.docx

PAGE2

睡眠脑电的自动分期与睡眠障碍事件检测：基于深度学习的家庭可穿戴脑机接口设备算法开发与应用

本报告概述

睡眠障碍已成为全球性公共卫生挑战，影响超过10亿人口，其中阻塞性睡眠呼吸暂停（OSA）患病率在30至69岁人群中高达14%至26%。

传统多导睡眠监测（PSG）虽为金标准，但成本高昂、操作复杂、场景受限，难以满足大规模筛查与长期居家监测需求。本报告聚焦神经信号处理与解码领域，系统梳理基于深度学习的家庭可穿戴脑机接口设备在睡眠脑电自动分期与睡眠障碍事件检测中的技术演进与产业趋势。

核心趋势发现：轻量化深度学习模型正从实验室走向消费级硬件，在保持与PSG高度一致的分期准确率（Ka