背景：睡眠スパindle（睡眠スパイラル）に関する研究は、通常、専門家による視覚的マークに基づいて行われているが、このプロセスは時間のかかるものであり、専門家間の一致度が低いため、データ量が限られ、バイアスの影響を受けやすい。自動検出器の導入により、客観的なデータを大量に生成することで、こうした課題を解決できる。新手法：本研究の目的は、感度・精度・堅牢性に優れた睡眠スパindle検出法の開発である。特に、多様な記録データに対して一貫した性能を発揮し、さらなるパラメータの微調整を必要としない点に重点を置いた。開発された検出器は単一チャネルで動作し、サポートベクターマシン（SVM）を用いた多変量分類に基づいている。頭皮脳波（EEG）記録はエポックに分割され、関連性が高く冗長性のない特徴量によって記述された。トレーニングおよび検証データはフライブルク大学医学センターのデータを用い、テストデータとして27件の記録が、公開されている2つのデータベースから収集された。結果：サンプルベースの評価において、DREAMSデータベースでは53％の感度、37％の精度、96％の特異度を達成した。MASSデータベースでは、77％の感度、46％の精度、96％の特異度を達成した。従来の検出器と比較して、本検出器は優れた性能を示した。多次元空間における正規化されたEEGエポックの分類および検証セットの使用により、すべてのデータベースおよび被験者に対して、客観的に一つの検出閾値を定義することが可能となった。結論：本研究で開発したツールの活用により、睡眠スパindleに関する研究におけるデータ量の増加と統計的有意性の向上が期待される。