背景：人間の睡眠脳波（EEG）における自動化された単一チャンネルのスパインドル検出手法は、視覚的に専門家が行うアノテーションとは異なり、他の記録チャンネルにおけるスパインドルの存在に無関心である。新手法：本研究では、人間の睡眠EEGにおいてグローバルおよびローカルなスパインドル活動を検出することを目的としたマルチチャンネルスパインドル検出手法を提案する。非線形信号モデルを用い、入力EEGを一時的成分（transient component）と周期的成分（oscillatory component）の和として仮定する。このモデルに基づき、マルチチャンネルの一時的成分分離アルゴリズムを提案する。周期的成分の連続する重複ブロックは低ランクであると仮定し、一方で一時的成分はゼロベースの区分定数であると仮定する。得られた周期的成分は、バンドパスフィルタとテーガー演算子（Teager operator）と組み合わせて、睡眠スパインドルの検出に用いる。結果および他の手法との比較：提案手法は、2つの公的データベースに適用され、既存の7種類の単一チャンネル自動検出手法と比較された。2つのデータベースにおける提案手法のF1スコアは、それぞれ平均0.66（標準偏差0.02）および0.62（標準偏差0.06）であった。1晩分の6チャンネルEEG信号に対して、同一のアルゴリズムパラメータ設定で全チャンネルのスパインドルを同時に検出するのに、約4分間の処理時間で実現可能である。結論：本手法は、専門家がスパインドルイベントをマークする際、ディスプレイ上に表示される中央チャンネル以外のEEGチャンネルに存在するスパインドルの有無が、無意識のうちに判断に影響を与えるという、特定の専門家行動を模倣・活用することを目的としている。これにより、より精度の高いスパインドル検出が可能となる。