完成 EDF Viewer 之後，試試用 AI 做更進階的分析。以下兩題都可以直接用 Claude Code 完成。
A
產出睡眠報告
用程式分析 PSG 和 Hypnogram 資料，自動產出一份圖文並茂的睡眠報告，包含關鍵的睡眠品質指標。
給 Claude Code 的 PROMPT
幫我寫一個 Python 腳本，讀取 data/SC4002E0-PSG.edf 和 data/SC4002EC-Hypnogram.edf，產出一份睡眠報告（HTML 或 PDF），內容包括：
1. Hypnogram 圖（時間 vs 睡眠階段）
2. 各睡眠階段的時間與佔比（圓餅圖）
3. 睡眠效率（Sleep Efficiency）
4. 入睡潛伏期（Sleep Onset Latency）
5. REM 潛伏期（REM Latency）
6. 覺醒次數與時間
7. 各階段的 EEG 功率頻譜圖
使用 mne + matplotlib，報告要好看。
你會學到
- 睡眠品質的量化指標
- 如何用程式自動產出分析報告
- Hypnogram 的視覺化
B
YASA 自動睡眠分期
用 YASA（Yet Another Spindle Algorithm）這個 Python 套件，讓 AI 模型自動幫你做睡眠分期，然後跟人工標註比較準確度。
給 Claude Code 的 PROMPT
幫我寫一個 Python 腳本，使用 YASA 做自動睡眠分期：
1. 讀取 data/SC4002E0-PSG.edf 的 EEG 和 EOG 頻道
2. 用 yasa.SleepStaging 進行自動睡眠分期
3. 同時讀取 data/SC4002EC-Hypnogram.edf 的人工標註
4. 畫出兩條 Hypnogram 對比圖（人工 vs YASA）
5. 計算 epoch-by-epoch 的 accuracy、Cohen's Kappa
6. 畫出 confusion matrix
7. 輸出每個階段的 precision、recall、F1-score
先 pip install yasa，使用 mne + yasa + sklearn。
你會學到
- AI 自動睡眠分期的實際效果
- 如何評估分類模型的表現
- Confusion matrix 和 Cohen's Kappa 的意義
繳交方式
請將你的實作成果放在一個公開的 GitHub repo，繳交時附上 repo 連結。
- Repo 內容 — 完整的程式碼、README 說明如何執行
- 練習 A — 附上產出的睡眠報告（HTML 或 PDF 或截圖）
- 練習 B — 附上 YASA vs 人工標註的比較結果（accuracy、Kappa、confusion matrix 截圖）