冻结的睡眠基础模型补上局部时频分支，纺锤波定位在中等重叠下F1达0.808
核心概要
睡眠基础模型把数秒脑电压成紧凑词元，时间分辨率不足以精确勾出睡眠纺锤波的起止边界。一种做法是保持SleepFM编码器冻结，另加一条局部时频分支保留11–16 Hz的sigma频段能量与词元内部位置，再用残差交叉注意力引入预训练的时间上下文。在MODA基准的六个折上，事件级F1在IoU 0.2处为0.8080±0.0040，在IoU 0.5处为0.7766±0.0050；更严格的边界重叠下性能下降更快。
深度剖析
睡眠纺锤波这类持续0.5–3秒的瞬态脑电事件，现在可以由一个冻结的睡眠基础模型配合局部时频分支来逐样本定位起止边界，而不必从头训练专用的纺锤波检测器。 此前的稠密检测器SUMO和BLAST各自学习任务专用的纺锤波表示；SleepFM这类基础模型虽可迁移到多种下游任务，却把数秒脑电窗口压缩成紧凑词元，与稠密定位所需的分辨率不匹配。 在MODA基准上，该模型在IoU 0.2处的事件级F1为0.8080±0.0040，与SUMO和BLAST相当；在IoU 0.5处为0.7766±0.0050，而SUMO为0.7682±0.0103、BLAST为0.7554±0.0142。
定位主要依靠局部时频信息，预训练表示提供的是补充性的时间上下文。 消融中关闭帧重注入后，以频率为查询的融合参考在IoU 0.2处F1为0.8006±0.0051，仅用频率分支为0.7898±0.0030，仅用SleepFM时间表示为0.4024±0.0125；把交叉注意力方向反过来后F1降到0.5137±0.0204。 同一组消融还显示，频带池化把IoU 0.2处的F1从0.8006降到0.6779，把IoU 0.5处从0.7662降到0.5479；局部小波重建优于线性插值，增益从IoU 0.2处的0.7856升到IoU 0.5处的0.7398一侧。
实现方式是固定Morlet小波变换给出时频图，按五个生理频带和有序时间片段做均值池化，保留词元内部的频谱位置。 全局池化只能保留相关活动是否存在，却丢掉了它在3秒词元内的位置；频带结构化读出把这一位置信息显式保留下来。 融合后的词元通过固定原子库做局部小波合成，预测各时间原子的系数与位置概率，再用Hann加权重叠相加合并相邻窗口；词元内部特征经最近邻上采样重注入，并由五层残差时间卷积网络细化。
启示与展望
评估限定在MODA基准上，使用MASS的749段N2脑电摘录、180名受试者与5,342个专家共识纺锤波事件，信号重采样到128 Hz，输入为C3、F3、O1三个通道，F3缺失时以垂直眼电替代；36名受试者构成固定测试集，其余144人按六折划分为120/24的训练与验证受试者。
在更严格的重叠阈值下，该模型的性能下降比SUMO和BLAST更快，作者据此指出非常精确的边界对齐仍然困难；材料未给出这些阈值下的具体数值。