一、题目背景睡眠分期（Sleep Staging）是脑电临床 AI 最经典的任务之一。把一整夜的脑电信号切成 30 秒的帧，逐帧判定是清醒（W）、浅睡一期（N1）、浅睡二期（N2）、深睡（N3）还是快速眼动期（REM）——这不仅是睡眠医学的日常工作，也是 FDA 已批准的多款 AI 睡眠监测产品的核心功能。但这里有一个巨大的"坑"：数据泄漏。很多入门教程为了漂亮的准确率，把同一被试的相邻帧随机分到训练集和测试集。这在临床场景中是荒谬的：来一个新病人，你不可能见过他的任何一帧。本篇把实战 07 建立的"评估卫生学"完整应用到这个真实临床任务上，用留一被试法（LOGO）给出诚实的性能数字。二、数据来源：PhysioNet Sleep-EDF（完全真实）我们使用PhysioNet Sleep-EDF (Expanded)数据集的 sleep-cassette 子集，版本 v1.0.0。这是公开的真实临床数据，无任何模拟成分。记录：SC4001E0、SC4011E0、SC4021E0、SC4031E0（4 名被试，每人第 1 夜）