SmartHypnos eXpert：一款支持睡眠分期和呼吸事件检测的MATLAB工具箱及其在睡眠医学中的应用

推荐：为解决睡眠分期和呼吸事件检测耗时、易错的问题，研究人员开发了SmartHypnos eXpert工具箱。该MATLAB工具整合了多模态PSG信号可视化、自动睡眠分期（准确率84%）和呼吸事件检测（准确率90%）功能，支持EDF+格式并兼容Android设备。其用户友好界面和开源特性为睡眠医学研究提供了高效解决方案。

　　

睡眠作为影响身心健康的重要生理过程，其质量评估主要依赖专业医师对多导睡眠图(PSG)的人工判读。然而传统睡眠分期和呼吸事件检测存在三大痛点：耗时费力（整夜PSG需分析近1000个30秒时段）、判读一致性低（专家间一致性仅82%）、现有工具存在兼容性差或需专用硬件等问题。这些瓶颈严重制约了睡眠医学研究和临床诊断效率，亟需开发兼具高精度和易用性的分析工具。

针对这些需求，希腊亚里士多德大学医学物理与数字创新实验室团队在《Computers in Biology and Medicine》发表了SmartHypnos eXpert工具箱。这项研究创新性地将信号处理、机器学习与人性化界面设计相结合，开发出首个免费开源的MATLAB睡眠分析平台。研究团队采用多学科交叉方法，通过神经网络的智能辅助与专家协同设计，实现了专业工具的大众化应用。

关键技术方法包括：1）采用Butterworth滤波器组进行PSG信号预处理（0.5-50Hz带通滤波）；2）基于同步化似然(SL)和EEG节律能量(δ/θ/α/β/γ)构建20维特征向量；3）使用SMOTE算法增强N1期样本的神经网络训练；4）基于AASM指南开发呼吸事件阈值检测算法；5）通过11名睡眠专家的参与式设计优化GUI。实验数据来自DLR的23名健康男性（ENVIHAB研究）和SmokeFreeBrain研究的吸烟者队列。

【自动睡眠分期结果】

采用双层神经网络(100-50节点)对8879个PSG时段分类，整体准确率达84.47%，与专家判读一致性相当。各期召回率呈现显著差异：N3期最高（86.83%），N1期最低（53.66%），反映浅睡眠判读的固有难度。值得注意的是，通过SMOTE合成684个N1样本后，模型对这类稀少样本的识别能力提升40%。

【呼吸事件检测性能】

在5667个测试时段中，对 apnea（ apnea）和hypopnea（ hypopnea）的检测表现出色：总体准确率99.56%，事件检出率90.12%。算法严格遵循AASM标准，设置10%振幅下降阈值检测apnea，30%阈值识别hypopnea，并结合SpO₂下降≥3%的辅助判据。

【用户体验评估】

11名睡眠专家（6名医师、3名心理学家、2名生物学家）从10个维度评分（1-9分）。工具箱在"稳定性"(8.46)和"元素组织"(8.36)方面表现最佳，但在"视觉吸引力"(7.55)方面有提升空间，部分专家建议增加深色模式缓解视觉疲劳。

该研究的创新价值体现在三个方面：首先，SmartHypnos X首次实现PSG分析与移动健康数据的整合，其Android兼容性支持步数统计与主观睡眠质量(SQS/PSQI)评估的同步展示。其次，工具箱采用"AI辅助而非替代"的设计哲学，自动分期结果作为专家决策参考，既保持84%的合理准确率又避免过度依赖算法。最后，开源特性打破了商业软件的设备绑定限制，EDF+和.mat格式支持确保广泛适用性。

讨论部分指出，当前版本在N1期识别和视觉设计上仍有改进空间。未来将通过增加注意力机制(attention mechanism)和Transformer架构提升模型性能，并允许用户自定义界面配色和信号显示组合。研究者特别强调，尽管自动分析达到专家级水准，临床应用中仍需保持人工复核，尤其在癫痫样放电或肢体运动等复杂场景下。

这项研究为睡眠医学数字化提供了标杆式解决方案，其技术路线对开发其他生理信号分析工具具有借鉴意义。工具箱的下载使用将促进睡眠研究的可重复性，而用户参与开发模式也为医学软件设计提供了最佳实践范例。随着5.0版本规划中病理特征检测等功能的加入，SmartHypnos X有望成为睡眠诊疗全流程管理的核心平台。