来源 :DNAKE狄耐克2026-10-15
2026年10月，厦门狄耐克智能科技股份有限公司与中国科学技术大学先进研究院（简称“中国科大先研院”）执行院长陈勋教授团队，在国际期刊《EXPERT SYSTEMS》联合发表题为“Frequency-Enhanced Single-Channel EEG Sleep Staging via Cross-Frequency Interaction（基于跨频交互的频率增强型单通道脑电睡眠分期模型）”的学术论文。
图源自《EXPERT SYSTEMS》官网
《EXPERT SYSTEMS》创刊于1984年，是由 Wiley 出版的国际同行评审学术期刊，已被国际权威数据库SCIE收录。随着人工智能技术的发展，该期刊的研究范围从专家系统、知识工程、知识表示和人工智能推理等领域，逐渐扩展至机器学习、数据挖掘、计算机视觉、自然语言处理、智能医疗等现代人工智能方向，成为涵盖知识工程、人工智能方法及其实际应用的综合性AI期刊。此次狄耐克脑机交互事业部彭俊仁博士与陈勋教授团队的合作研究成果成功刊发，充分证明该研究经过国际学术严格评审，具备科学性、可靠性与较高的学术价值和含金量。
精准识别睡眠阶段，是临床诊断失眠、睡眠呼吸暂停等各类睡眠障碍的重要依据，也是大众科学改善睡眠质量的关键前提。当前主流睡眠分期技术高度依赖多导睡眠图（PSG），需借助专业设备、专业医护人员操作分析，流程繁琐、耗时费力，难以适配大众化、常态化的睡眠监测需求。狄耐克彭俊仁博士与陈勋教授团队合作研发的算法模型，依托脑电波信号自动分析睡眠阶段，能够更加精准、快速地获取睡眠结果，操作便捷、适配性强，能够广泛应用于家庭日常睡眠监测场景。
基于跨频交互的频率增强的自动化睡眠分期模型
狄耐克与中国科大先研院自共建“脑机接口与大健康联合实验室”以来，双方持续聚焦脑电信号处理与分析展开合作，致力于研发更精准、更智能的算法模型，并推动其在具体场景的技术攻关与产品转化，本次刊发的学术论文正是双方协同创新的重要成果。该研究创新性提出了一种基于跨频率交互的频率增强型单通道睡眠分期框架，技术逻辑科学完善：一方面从原始EEG信号中学习时域表征，另一方面利用短时傅里叶变换（STFT）提取频域表征。
研究团队在Sleep-EDF、MASS-SS3两大权威公开睡眠数据集上开展大量实验验证，结果表明，该创新算法为单通道EEG自动睡眠分期提供了一种全新的建模思路。其中，在Sleep-EDF数据集上取得87.0%的准确率和82.0%的Macro-F1值，在MASS-SS3数据集上取得87.8%的准确率和83.1%的Macro-F1值，有效提升单通道EEG睡眠分期性能，降低传统多通道睡眠监测对复杂信号采集的依赖，并为未来可穿戴设备及家庭场景下的便携式睡眠监测产品提供算法基础。
模型可有效分辨五个睡眠期的时域与频域脑电特征
每一项科研成果的诞生，不仅凝聚着科研团队攀登科学高峰的雄心壮志，更寄托着狄耐克让创新成果走出实验室、融入日常生活的美好初心。此次研究开发的算法核心为“基于跨频交互的频率增强”模型，能够同时捕捉不同幅值与频率的脑电波变化规律，从而更准确地识别用户睡眠阶段，最终让睡眠分期变得更简单、智能，为行业发展与大众健康创造多重价值：
融入寻常百姓家
未来，大众有望只需借助简易的脑电头环设备，即可居家自主检测睡眠状态，实现便捷性睡眠健康常态化自查；
赋能医护工作者
可为医护工作者提供高效精准的睡眠分析工具，简化睡眠诊疗流程，降低诊疗工作压力，提升诊疗效率与精准度；
助力前沿技术革新
能够为脑电信号分析和深度学习模型的研究提供全新的思路和方法，进一步推动脑电波技术在睡眠健康领域的创新发展。
未来，狄耐克将依托自身成熟的产品落地能力、市场实践积淀与多元应用场景资源，与中国科大先研院等高端科研力量携手并进，构建从技术研发、成果转化到产业落地的完整生态链，持续推动脑机交互相关技术从科研场景走向大众市场，让睡眠健康等领域的科技创新温度融入寻常生活，触手可及。