Cross-university platform portalShow a desktop notification when the AI TA finishes replying
Notify me when classmates post messages in the forum
Play an alert sound whenever there is a new notification
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。
前往使用兩筆引用全部來自生醫訊號處理社群，沒有一筆來自教育社群——一篇是 Elsevier《Sensors and Actuators A: Physical》的駕駛狀態監測綜述，一篇是 Springer LNCS 的單通道 EEG 睡眠分期模型。這個組成與本團隊其他論文明顯不同，顯示本研究的 edge-deployable 推論框架是被當作生醫訊號工作在讀，而不是教育科技工作。
單通道 EEG 睡眠分期網路——與本研究同一任務的後續模型工作。
doi:10.1007/978-981-92-3495-0_15Elsevier 感測器領域期刊的綜述論文。引用來自駕駛狀態監測社群，與教育場域無關——顯示本研究的 edge-deployable EEG 方法被當作生醫訊號處理工作在讀。
doi:10.1016/j.sna.2026.117976資料來源：OpenAlex（主）＋ Semantic Scholar（補查），資料日期 2026-08-30。 引用次數依資料庫口徑而異；標為「已核對原文」者已取得全文並逐字抄錄引用段落。