随着可穿戴脑电设备、深度学习算法与闭环刺激技术的快速发展，脑电（EEG）正从实验室工具快速跃升为“可在家庭与临床路径中部署”的睡眠监测与干预手段。最近脑电在睡眠领域的最新进展。

1) 可穿戴 EEG：从“实验室”走向“家庭监测”

近年来多项系统综述分析汇总了40+ 篇 wEEG 验证研究，结论认为：现代低密度／头带式脑电设备在总体上能较好地复现 PSG 的睡眠分期，但对 REM 与 N2/N3 等细分阶段的一致性在不同设备与研究中差别明显。研究作者强调，设备电极布局、信号预处理与标注协议对比对结果影响显著，因此产业化与临床应用需要标准化的验证流程。

2) 算法进步：深度学习推动自动分期与事件检测实用化

深度学习（CNN、RNN、混合模型以及近年的 Transformer 变体）在睡眠分期、微觉醒检测与睡眠事件（如周期性四肢运动、短时觉醒）识别上取得显著进展。若结合跨夜/跨人群微调与自监督学习，单通道 EEG 的分期精度在多人群验证中已接近人工评分标准，显著降低了长期随访系统的成本与复杂度。

3) 闭环刺激与睡眠干预：可控增强慢波与记忆优化的证据积累

“相位靶向听觉刺激（phase-targeted auditory stimulation）”和其他闭环手段在实验中被用于增强慢波（SWS）振幅与密度，从而促进记忆巩固与睡眠质量改善。多项近期试验显示对年轻健康人群有效，但在人群异质性（年龄、失眠、神经退行性疾病）上的效果差异较大，且关于长期安全性与最优参数仍需进一步大规模 RCT 验证。

4) 临床应用趋势：从筛查到疗效随访

研究显示，低密度家庭EEG 可用于评估呼吸相关睡眠障碍治疗效果（如 CPAP 前后睡眠结构变化），以及作为远程随访与疗效评估工具。同时，基于 EEG 的 OSA 检测算法（单模或与心电/呼吸信号融合）在若干研究中表现出临床筛查潜力，尤其适合初筛与大规模人群监测。