2022年9月4日，在中国睡眠研究会第十四届全国学术年会上，北京师范大学认知神经科学与学习国家重点实验室副主任、认知神经工效研究中心主任李小俚教授作“睡眠脑节律分析与调控”的主题报告。李小俚教授通过分享自身团队在五个方面的研究进展对该主题展开介绍：（1）睡眠特征波在睡眠N3期的缺失规律；（2）睡眠阶段识别；（3）睡眠纺锤波检测；（4）神经调控技术调节睡眠节律；（5）节律性声音刺激调控睡眠慢波。

1. 睡眠特征波在睡眠N3期的缺失规律

李小俚教授先是对睡眠阶段以及睡眠N3期的特征波（慢波、纺锤波、K复合波）进行了简单的介绍，随后展示了患者和正常人的睡眠结构在N3期上的显著区别，如图所示，正常人的N3期比例远高于患者。

随后，李小俚教授还展示了睡眠N3期以及其睡眠特征波与其他因素相关性的研究，如下图所示，可以发现N3期、N3期纺锤波和K复合波的缺失与年龄、BMI（身体质量指数）、AHI（睡眠呼吸暂停低通气指数）均有相关性，但与睡眠效率无关。

2. 睡眠阶段识别

李小俚教授先介绍了目前睡眠阶段自动识别的两种方式，一是基于特征工程的方法，该方法过于依赖特征集合质量；二是基于特征学习的方法，该方法如果只是简单应用经典网络模型则会导致性能不足。随后李小俚教授根据睡眠阶段识别常用指标提出目前自动睡眠阶段识别的两点主要挑战：（1）多模态信号的强异质性； （2）生理状态演化复杂。

为了应对上述挑战，李小俚教授团队提出了基于时序关联性驱动的多模态睡眠阶段识别方法，并在公开数据集上取得了较好的性能。针对多模态信号的强异质性，该方法使用如图所示的多模态数据多视角表征形式，给予不同模态特定的数据形式，再利用卷积运算消除模态间特异性并融合特征。

针对生理状态演化复杂这一挑战，该方法使用如图所示的时序关联性双重嵌入策略，根据睡眠阶段在时间维度演化的规律性，在模型训练和测试时嵌入睡眠阶段的变化规则。

3. 睡眠纺锤波检测

李小俚教授先介绍了目前睡眠纺锤波自动检测的两种方式，一是基于模板的方法，因为个体间EEG信号差异较大，该方法的普适性较差且对参数过于依赖；二是基于分类器的方法，该方法必须使用固定长度的片段作为输入数据且方法的域适应性差，由此李小俚教授提出目前睡眠纺锤波自动检测的两点主要挑战：（1）数据集间的数据分布差异大，无法跨域检测； （2）固定长度会破坏纺锤波整体结构，无法灵活定位纺锤波。

为了应对第一个挑战，李小俚教授团队提出了基于深度网络自适应的纺锤波检测跨域迁移方法，如图所示，该方法使用最大均值差异计算源域和目标域间的距离，再将域间距离度量合并到表征学习当中，确保模型同时实现优化分类任务和缩小域间距离的有效方法。

为了应对第二个挑战，李小俚教授团队提出了基于联合特征的睡眠纺锤波检测方法，如图所示，该方法使用弹性时间窗口对训练集和测试集进行切片，并同时从微观尺度和宏观尺度提取不同尺度下的EEG信号特征来增强纺锤波的表征，取得了较好的性能。

4. 神经调控技术调节睡眠节律

李小俚教授分别介绍了经颅直流电刺激、经颅交流电刺激、经颅磁刺激和慢振荡经颅直流电刺激四种电神经调控技术的作用。经颅直流电刺激能稳定睡眠，经颅交流电刺激可以缓解焦虑、抑郁、压力和失眠，经颅磁刺激则比药物更能优化睡眠结构保持治疗效果，而李小俚教授团队实现的慢振荡经颅直流电刺激则在调节睡眠纺锤波和记忆巩固方面有巨大的潜力，但该效果还需要进行验证。

5. 节律性声音刺激调控睡眠慢波

最后，李小俚教授简单介绍了目前正在进行的使用节律性声音刺激调控睡眠慢波以增强记忆力的研究，目前还没得到较好的实验结果，但在下次报告中可能会有新的成果进行展示。

李小俚 北京师范大学认知神经科学与学习国家重点实验室副主任/认知神经工效研究中心主任，教授，博士生导师。国家杰出青年基金获得者和国家海外高层次人才。中国老年学和老年医学学会睡眠科学分会副主任委员。中国神经科学学会意识与意识障碍分会副主任委员。重点研究脑功能成像和脑功能调控技术，主持过科技部、基金委等科研项目18项，已在SCI期刊发表论文335篇，专利60多项，获得6项医疗器械注册证。

撰稿人：刘捷