摘要
睡眠磨牙症是指睡眠期间发生的节律性或非节律性咀嚼肌活动。其传统诊断方法基于规则算法：通过与固定的肌电图（EMG）振幅阈值比对来标记候选肌电爆发，按持续时间将发作分为阵发性、持续性或混合性，并计算每小时发生率再与第二个阈值进行比较。这些阈值在不同个体和不同夜晚之间的泛化能力较差。这促使了越来越多的人工智能（AI）研究涌现，旨在用学习到的决策函数替代该经典算法中的一个或多个阶段。本文综合梳理了通过Web of Science和Google Scholar检索"sleep bruxism"结合人工智能相关术语所识别的28项AI睡眠磨牙症研究文献，检索于2026年进行，筛选标准为以英文报告的、采用学习训练分类方法的文献，并将其整理为一条技术流程管线。这些准确率数据应结合以下几个复杂因素来解读：十项研究使用了同一公共多导睡眠监测数据库中的两位患者子集；多项以睡眠磨牙症检测为题的研究仅在清醒状态下的模拟磨牙数据上进行了验证；此外，这些分类器所依据的金标准标签在该领域自身的共识文献中仍存在争议。因此，本文的贡献是双重的：其一，将技术流程综合本身——涵盖金标准、记录模态、预处理、特征提取和架构设计——作为一个此前未曾以这种形式汇集的技术参考进行整理；其二，利用该综合分析提出具体的研究议程，包括跨夜晚和跨受试者的验证基准、从二分类向连续严重度目标的转变，以及将检测拓展至实时治疗设备和临床预后。
