近日，脑机团队成员欧奕婷等在潘家辉教授、王斐副研究员指导下的研究成果“ Spindle Detection Based on Elastic Time Window and Spatial Pyramid Pooling ”被SCI期刊Journal of Integrative Neuroscience录用。本论文于2023年11月8日投稿，2024年1月25日录用。

在临床诊断中，纺锤波检测主要依靠有经验的医生根据纺锤波的定义，通过肉眼观察，统计一段时间内振荡波形达到峰值的次数来识别纺锤波，这就是所谓的黄金法则。然而，手动检测成本高昂且耗时，且准确性在很大程度上依赖于医生的主观经验，因此使用黄金法则检测纺锤体具有很高的挑战性。目前主流的自动纺锤波检测器是基于模板匹配规则，即识别纺锤波事件的幅值信息或时频信息，并使用恒定或自适应阈值进行预测。

利用模板匹配规则来检测纺锤波，通常使用固定长度的时间窗来提取脑电信号，但由于纺锤波在持续时间和形成方面具有不确定性和个体差异性，因此固定长度的时间窗可能无法准确定位并完整分割所有的纺锤波，导致漏检或误检。采用弹性时间窗提取多尺度特征可以根据信号的局部特征自适应地调整时间窗的长度，将信号分解为不同尺度的子信号，并在每个尺度上提取相应的特征，从而更全面地描述信号的时频特征，提高了纺锤波检测的灵敏度和准确性。另外，纺锤波信号往往是较为罕见的，而非纺锤波信号则占据了大部分，利用深度学习方法进行睡眠纺锤波自动检测可能会受到数据的不平衡性影响，导致对纺锤波的检测效果较差。空间金字塔池的多尺度池化 可以增加对纺锤波信号的关注度，提高对纺锤波的检测准确率。同时多尺度深度可分离卷积网络 结构具有较强的表征学习能力，能够自动从数据中学习到更具有鉴别性的特征表示。

针对以上问题，我们提出了一种结合弹性时间窗和空间金字塔池化来提取多尺度特征的纺锤波检测算法。“弹性”时间窗适用于适应脑电图纺锤波持续时间的显着变化，之后通过具有空间金字塔池化的深度可分离卷积获得可变长度脑电图历元的调节深层特征。具体来说，我们在本文中的贡献可以总结如下：

• 我们设计弹性时间窗提取脑电信号的多尺度特征，以减少对纺锤波整体结构信息的破坏。
• 我们将空间金字塔池化集成到深度可分离卷积中，并对纺锤波特征进行多尺度池化以增强表示，以解决脑电信号中纺锤波数量不平衡的问题。
• 我们提出了用于自动睡眠纺锤波检测的Multiscale SPP-DSC，并在公共数据集DREAMS上验证了其效率。

该算法的整体架构如下图所示，首先采用“弹性”时间窗来切割脑电信号获取不同尺度下的纺锤波特征，以适应EEG周期中纺锤波持续时间和起偏位置的显著变化。其次，我们将空间金字塔池集成到深度可分离卷积网络中，对不同尺度分割的纺锤波信号特征进行多尺度池化，更有效地捕捉纺锤波的多尺度特征。与现有的模板匹配算法相比，该算法对纺锤波的起偏定位比其他方法更符合真实情况，在公共数据集DREAMS上进行的实验结果表明，该算法的平均准确率达到95.75%，平均Negative Predictive Value NPV达到96.55%，表明其具有先进的性能。通过彻底的消融实验，验证了各个模块的有效性。更重要的是，该算法在面对不同实验对象的变化时表现出强大的鲁棒性。这一特点使得该算法在识别睡眠纺锤波时表现更为精准，有望帮助专家自动地对睡眠脑电信号进行纺锤波的检测，减少了人工检测的工作量和时间。

欧奕婷 小组自2022年大创项目立项以来取得了不错的成绩：

欧奕婷、汤立仁、陈紫欣，MME——基于睡眠 EEG 和 Ghost-BiLSTM 的记忆观测与巩固系统，国家级大创项目202337001，

        欧奕婷、汤立仁、陈紫欣，基于睡眠分期的记忆巩固方法、装置以及计算机设备，发明专利申请号2023114544005，2023年.（指导老师，潘家辉）

       欧奕婷、汤立仁、陈紫欣，幻乐忆场——基于纺锤波检测和睡眠分期的记忆观测和巩固平台，第五届全国大学生智能技术应用大赛一等奖，2023年.（指导老师，潘家辉）

        欧奕婷、汤立仁、陈紫欣，幻乐忆场——基于纺锤波检测和睡眠分期的记忆观测和巩固平台，第十六届中国大学生计算机设计大赛三等奖，2023年.（指导老师，潘家辉）