定义、用途与词条边界
脑电睡眠分期标注数据,是将连续脑电图(EEG)与时间对齐的清醒、非快速眼动睡眠和快速眼动睡眠阶段标签,以及必要的记录与评分元数据组织在一起的数据资源。它可用于睡眠结构研究、评分培训、自动分期算法开发、质量控制和方法复现。常见交付形式包括整夜 EEG、按历元切分的片段、阶段序列或 hypnogram,以及受试者、夜晚和记录条件信息。
这类数据不等于完整 PSG 标注库,也不等于每个标签都仅凭 EEG 产生。临床评分常结合眼电、颏肌电、呼吸事件、觉醒和前后历元上下文,即使发布给算法的输入只有一个脑电导联。数据集应说明评分者当时可见哪些信号,以及模型可用信号与参考标签生成信号是否相同。标签是特定规则和证据下的参考解释,不是无条件正确的生理真值。
脑电信号、导联与预处理
EEG 的含义取决于电极位置、参考电极或双极导联、极性、采样率、振幅单位、增益、模拟与数字滤波、校准和电极质量。看似相同的通道名可能采用不同参考方式,频谱和波形幅度因而不同。数据文档应提供实际导联表达式、设备与放大器、采集参数、阻抗或质量记录,并区分原始通道、重新参考通道和算法生成的规范通道。
预处理可包含重采样、带通或陷波、去趋势、振幅裁剪、伪差抑制、归一化和片段剔除,每一步都可能改变睡眠特征。发布者应保留原始或最接近原始的版本,并记录参数、软件和处理顺序;无法逆转的清洗不应只以“去噪”概括。缺失、平线、饱和、运动、导联脱落和设备离身应有独立质量标志,不能用补零后的整齐数组掩盖无效信号。
阶段标签、历元与时间语义
现代成人数据通常以固定时长历元标注 W、N1、N2、N3 和 R,同时还可能存在未评分、未知、运动时间或伪差状态。标签文件必须说明历元长度、首个历元时间原点、边界规则、记录末尾不足一历元的处理,以及标签是点、区间还是整段类别。hypnogram 表示阶段随时间的序列,但通常不包含全部觉醒、呼吸或运动事件,不能把它误作完整睡眠检查注释。
整夜文件常裁剪入睡前或起床后的清醒段,以控制类别比例或文件大小;这会改变睡眠效率、转移概率和算法难度。数据集应保留原始记录区间、裁剪规则与被删时长,并区分“未评分”“无法评分”“不属于分析窗口”和真实阶段。若用滑动窗口或上下文序列生成样本,还要记录窗口跨越阶段边界、夜晚边界和缺失区间的处理方式。
评分体系、版本与跨库协调
睡眠分期规则随历史和手册版本演变。旧数据可能把深睡眠分为阶段 3 与阶段 4,或包含现代分类中没有的状态;直接改名可能丢失语义。协调时应保留原始标签和评分体系,另建明确的映射字段,记录合并、舍弃及无法转换的情况。儿童、婴儿或特殊人群还可能使用不同规则,不能把成人阶段集合无条件套用到所有年龄。
评分来源应包括规则版本、评分软件、显示滤波、可见导联、评分者身份或资历、自动预标、人工复核、盲法和修改历史。不同数据源还需协调单位、通道名、参考方式、极性、采样率、时间戳和标签词汇。发布版本应带文件校验值、数据字典、样本清单、变更日志和已知问题,使研究者能够复现所用快照,并区分原始标注、协调标签和后续纠错。
信号质量、评分者差异与标签不确定性
分期可靠性同时受信号和判断影响。低幅脑电、短暂事件、阶段转移、伪差和有限导联会产生边界病例,不同评分者可能给出不同标签。数据集宜保留多评分者结果、仲裁或共识过程、一致性统计和未评分比例;若只发布一个最终标签,也应说明它来自单人评分、专家复核、投票还是自动系统。共识可以提高一致性,但仍不等于不可质疑的真值。
质量检查应验证信号与标签数量、起点、持续时间和时钟一致,抽查波形是否符合单位与极性,并识别重复记录、错配 hypnogram 和整体偏移。标签类别分布也要按受试者、夜晚、年龄、疾病、设备和中心查看。来自单一实验室或特定门诊的数据可能受转诊、药物、第一夜效应和采集年代影响;大量相邻历元不能替代独立受试者数量或目标人群覆盖。
机器学习划分、评测与复现
算法数据应按受试者划分训练、验证和测试,使同一人的不同夜晚、相邻历元、重导出副本及派生通道留在同一集合。随机拆分历元会因个体特征和强时间相关性造成泄漏。归一化统计、伪差阈值、类别重采样和模型选择只能使用训练资料;验证集负责调参,测试集应保持封存,并尽量增加跨中心、跨设备和不同人群的外部验证。
总体准确率容易被常见阶段主导,应同时报告逐类灵敏度或召回率、精确度、混淆、宏平均指标、一致性指标和置信区间,并单独评估阶段转移、低质量信号和少数类别。比较模型时必须使用相同评分体系、裁剪范围和受试者划分。数据版本、纳入清单、代码依赖、随机种子、预处理和后处理规则都应保存,不能反复查看测试标签后调整系统。
隐私、访问治理与临床限制
脑电和整夜时间结构可能具有个体特征,文件还可能包含日期、年龄、设备编号、站点、自由文本或关联临床资料。发布者应依据同意和适用规则开展数据最小化、去标识和再识别风险评估,并按敏感度设置开放、申请制或受控访问。使用者需保护下载副本、访问令牌和模型派生产物,遵守许可与禁止再识别、再分发限制,并在授权到期、撤回适用或发现错配时执行规定处理。
自动分期可支持研究和工作流程,但分期标签本身不能诊断某种睡眠疾病,也不能单独决定个体治疗。模型与参考评分一致,不代表已证明临床效益或适合所有人群;部署还需验证输入设备、信号质量、失败检测、人工复核和适用监管要求。成熟的数据集应让使用者追溯每个阶段标签的信号、规则、评分者和版本,同时清楚标出证据缺口和不可使用的情境。