Collaborative Reasoning Framework for Edge-Deployable EEG Sleep Staging via Local LLM
睡眠品質對學習成效有深遠影響，但傳統的睡眠監測需要昂貴的醫療級設備與專業人員判讀。 如何讓一般學生透過平價的 EEG 裝置，也能獲得準確的睡眠分期分析？ 此外，睡眠數據涉及個人隱私，將數據上傳至雲端進行分析存在隱私風險。
本研究提出一套協作推理框架，使用本地部署的大型語言模型進行 EEG 睡眠分期。 系統在邊緣裝置上運行，不需要將敏感的生理數據上傳至雲端， 同時透過多模型協作推理提升分期準確度。
了解學生的睡眠狀態可以幫助教師更好地理解學生的學習狀況。 邊緣部署的 AI 分析方式，在保護學生隱私的前提下， 讓生理數據的應用更加安全且可及。 這為 Uedu Brain 穿戴裝置的發展提供了重要的技術基礎。
Uedu Brain 是目前開發中的自製生理感測裝置，整合 EEG、fNIRS 與 PPG 感測器。 本研究的成果將應用於 Uedu Brain 的睡眠分析模組， 讓學生在本地裝置上即可獲得睡眠品質分析，保護個人隱私。
前往使用