近日，团队2022级研究生杨钲烺在潘家辉教授的悉心指导下，联合中山大学孙逸仙纪念医院神经科李艺团队，在脑机接口领域权威期刊《IEEE Transactions on Biomedical Engineering》（华南师范大学一类层次期刊）成功录用学术论文“Deep Learning-Augmented Sleep Spindle Detection for Acute Disorders of Consciousness: Integrating CNN and Decision Tree Validation”。该论文自2024年10月6日提交，于2025年4月7日被正式接收。

图1 睡眠纺锤波检测方法CDTSD的整体结构

在急性意识障碍（Acute Disorder of Consciousness, ADOC）的临床评估中，睡眠纺锤波（Sleep Spindle，频率11-16 Hz、持续0.5-2秒）的检测对于患者预后的预测具有极其重要的价值。然而，当前针对ADOC患者的睡眠纺锤波分析面临着诸多挑战：自动化检测技术在临床应用中的普及程度不足，导致检测效率低下；慢纺锤波（8-10 Hz）的精准识别存在困难，容易被传统方法遗漏；此外，关于睡眠纺锤波特征与患者预后之间关联的定量研究也极为匮乏。为攻克这些难题，杨钲烺等研究人员提出了一种融合卷积神经网络（CNN）与决策树验证机制的深度学习自动检测算法CDTSD，该算法能够高效、精准地从患者脑电图（EEG）中识别出睡眠纺锤波。进一步的斯皮尔曼相关分析揭示，患者睡眠纺锤波密度与伤后第28天格拉斯哥预后量表（Glasgow Outcome Scale, GOS）评分之间存在中等程度的正相关关系，这为ADOC的预后评估提供了一种全新的潜在客观量化指标，有望为临床诊断和治疗提供有力支持。

研究创新点

本研究的贡献与创新之处主要体现在以下3个方面：

1. 深度学习增强算法的提出：本研究成功开发了一种创新的深度学习增强算法，实现了对ADOC患者睡眠纺锤波的自动化检测。这一成果有效解决了当前临床应用中自动化检测技术不足的问题，显著提升了检测效能，为临床实践带来了新的希望。
2. 决策树验证机制的设计：研究团队精心设计了一种基于TEO（Teager能量算子）与频率捕获方法的决策树验证机制。该机制针对性地提升了纺锤波检测的敏感度，尤其在检测ADOC患者脑电图中可能出现的慢纺锤波方面表现出色，弥补了传统方法的局限性，进一步提高了检测的准确性。
3. 预后量化指标的发现：通过斯皮尔曼相关分析，本研究发现ADOC患者睡眠纺锤波密度与伤后第28天GOS评分呈中等程度正相关。这一发现证实了睡眠纺锤波密度作为预后量化指标的潜力，为临床预后评估与诊疗提供了新的依据，有望推动相关领域的研究和实践发展。

CDTSD方法的具体实现步骤

本研究提出的CDTSD方法通过以下四个关键步骤实现对患者睡眠纺锤波的精准检测：

1. 信号预处理：首先对EEG信号进行带通滤波、去噪和数据增强处理，以提高信号质量。此外，患者EEG数据还通过FastICA（快速独立成分分析）去除伪影，进一步确保信号的纯净度，为后续检测提供可靠的数据基础。
2. 深度学习检测：利用CNN强大的特征提取能力，从预处理后的EEG信号中提取时空特征，并生成初步的纺锤波事件。这一过程充分发挥了深度学习在复杂信号分析中的优势，为后续的验证和优化提供了初步结果。
3. 决策树验证：通过频率捕获算法和TEO能量算子，对深度学习模型输出的可能误判的纺锤波事件进行二次验证。这一验证过程有效提升了纺锤波，尤其是患者慢纺锤波的检测敏感性，进一步提高了检测的准确性和可靠性。
4. 结果优化：最后采用非极大值抑制（NMS）去除重叠事件，输出最终的检测结果。这一优化步骤确保了检测结果的清晰性和准确性，为临床应用提供了高质量的检测数据。

实验结果与讨论

实验结果表明，CDTSD方法在MASS2数据集及一个自采患者数据集上分别取得了0.798/0.841（基于两位专家E1与E2的纺锤波注释）和0.745的F1分数，均处于行业先进水平。其中，决策树模块的引入显著提升了慢纺锤波的检测敏感性与模型的稳定性。此外，患者纺锤波密度与28天GOS评分呈中等正相关（ρ=0.5439, p<0.01），这一发现进一步验证了纺锤波密度作为预后量化指标的有效性。本研究提出的混合框架通过CNN与决策树的有机结合，成功弥补了传统方法的不足，首次量化了纺锤波密度的预后价值，为ADOC患者的睡眠纺锤波自动检测与预后预测辅助提供了一种高效、可靠的工具。

未来展望

尽管本研究取得了令人鼓舞的成果，但当前研究仍存在一些局限性。由于ADOC患者数据规模有限，样本量较小，这在一定程度上限制了相关性分析的稳健性，也使得对纵向动态变化规律的挖掘存在局限。此外，本研究尚未充分探讨病因、年龄等因素对患者预后的影响，这些因素可能在临床实践中具有重要意义。未来的研究将致力于扩大临床数据采集规模，开展多中心、大样本研究，以验证纺锤波密度与预后关联的稳定性。同时，研究团队还将探索多模态数据融合的可能性，例如结合影像学、行为学指标等，进一步完善急性意识障碍患者的预后评估体系。通过这些努力，我们期望推动该方法从实验研究阶段向临床常规应用的转化，为急性意识障碍患者 的诊断和治疗提供更有力的支持，造福更多患者。