睡眠纺锤波（sleep spindles）和K复合波（K-complexes）是睡眠期间脑电图（EEG）记录中最显著的微事件之一。这些EEG微结构被认为与睡眠相关的认知过程密切相关。尽管其识别与量化过程繁琐且耗时，但在健康人群及睡眠障碍患者的研究中仍具有重要意义。因此，实现纺锤波与K复合波的自动检测，可为研究人员和临床医生提供有力支持。近期，我们提出了一种联合检测纺锤波与K复合波的框架（Lajnef等，2015a），该方法基于可调Q因子小波变换（Tunable Q-factor Wavelet Transform, TQWT；Selesnick, 2011a）与形态成分分析（Morphological Component Analysis, MCA）。本文通过在蒙特利尔睡眠研究档案库（Montreal Archive of Sleep Studies, MASS；O'Reilly等，2014）提供的公开EEG数据集上应用该方法，采用多种性能评估指标，对所提方法进行了严格的验证与基准测试。尤为重要的是，所得结果与先前在相同数据库上测试的其他方法进行了系统比较。在纺锤波检测方面，本方法的性能优于大多数对比方法。该优势在同时考虑敏感性与精确性的统计检验中得到进一步证实，所采用的评估指标包括马修斯相关系数（Matthew’s Correlation Coefficient, MCC）、F1分数以及Cohen’s κ系数。为促进方法的可及性与共享，我们已将该方法以开源工具的形式发布，命名为Spinky（用于纺锤波与K复合波检测）。该工具配备图形用户界面（GUI），并提供Matlab与Python版本的接口资源。Spinky有望推动开放科学的发展，提升健康人群与患者群体中睡眠EEG微结构检测方法的可重复性与分类器性能比较的可靠性。