看懂你的夜晚：睡眠模型升级，从“记时长”到“懂节律”
很多人看睡眠报告时，最先关注两个数字：几点睡、睡了多久。
但真正影响睡眠质量的，往往藏在整晚的变化里：
什么时候进入稳定睡眠？夜里有没有频繁清醒？
浅睡和深睡如何交替？醒来前身体是否已经逐渐恢复？
这也是本次睡眠模型升级重点想解决的问题：
不只给出一个总时长，而是更细致地理解整晚睡眠节律。
整体技术架构图
从心电信号开始，捕捉一整晚的身体节律
这次模型以夜间心电信号为基础。
原始心电信号经过 R 峰检测，转换成瞬时心率序列（IHR）。
相比单点心率高低，IHR 更像一条连续的身体节律轨迹，能帮助模型观察整晚状态的起伏。
�� 对应图中：Raw ECG → R-Peak Detection → Instantaneous Heart Rate |
把整晚切成30秒片段，但绝不孤立看
模型会把整晚数据切分成连续的 30 秒睡眠片段，并结合前后上下文窗口进行判断。
换句话说——
它不是孤立地看某一个片段，而是把这个片段放回整晚变化中理解：
前面发生了什么？后面是否延续？是否真的进入了稳定睡眠？
�� 对应图中：Epochs with Context |
模型内部：两条腿走路，理解睡眠节律
在模型内部，采用了混合时序架构：
• 一维卷积模块
负责捕捉局部节律特征（如心率变异性中的高频/低频变化），区分 REM 与浅睡。
• 时序建模模块（双向循环层 / Transformer 编码器）
负责理解更长时间范围内的连续变化，让模型“看到”前后10–15分钟的睡眠状态。
最终输出 清醒 / REM / 浅睡 / 深睡 等睡眠阶段，形成一条整晚睡眠曲线（Hypnogram）。
�� 对应图中： |
这次升级带来的三个技术变化，你直接就能感受到
第一，更重视连续性
睡眠不是一段段孤立的标签。
模型会减少短时间抖动带来的误判（例如翻身引起的伪清醒）。
第二，更重视稳定边界
入睡和起床并不总是发生在某一个“看起来像睡眠”的瞬间。
模型结合连续片段、心率变化和前后状态，识别更稳定的入睡点和醒来点。
第三，结果更容易被理解
相比只有一个总时长，连续睡眠曲线能让你直观看到：
什么时候睡得深、什么时候容易醒、整晚睡眠是否稳定。
睡眠质量的改善，往往从看懂自己的夜晚开始
对用户来说，这意味着睡眠报告不再只是一个简单结论，
而是一张更接近真实夜间状态的变化图。
我们希望通过这次模型升级，
让心电信号不只是记录心跳，
也能帮助每一个人更清楚地理解自己的睡眠节律。
看懂夜晚，才是好睡眠的第一步。 |
附文献参考：
1. Horie, K., Miyamoto, R., Ota, L. et al. An ensemble method for improving robustness against the electrode contact problems in automated sleep stage scoring. Sci Rep 14, 21894 (2024). https://doi.org/10.1038/s41598-024-72612-8
2. Horie, K., Ota, L., Miyamoto, R. et al. Automated sleep stage scoring employing a reasoning mechanism and evaluation of its explainability. Sci Rep 12, 12799 (2022). https://doi.org/10.1038/s41598-022-16334-9
3. Sridhar, N., Shoeb, A., Stephens, P. et al. Deep learning for automated sleep staging using instantaneous heart rate. npj Digit. Med. 3, 106 (2020). https://doi.org/10.1038/s41746-020-0291-x
4. Biabani, N., Ilic, K., Birdseye, A. et al. Disorder-specific alterations of transient oscillatory dynamics during sleep across cortical and subcortical networks. Sci Rep 16, 3630 (2026). https://doi.org/10.1038/s41598-025-33669-1
5. Seol, J., Chiba, S., Kawana, F. et al. Validation of sleep-staging accuracy for an in-home sleep electroencephalography device compared with simultaneous polysomnography in patients with obstructive sleep apnea. Sci Rep 14, 3533 (2024). https://doi.org/10.1038/s41598-024-53827-1
