World Sleep Industry ENCYCLOPEDIA

PSG标注数据集

4.4.3

定义、用途与词条边界

PSG 标注数据集是把多导睡眠监测(polysomnography,PSG)的同步生理信号、检查背景信息与时间对齐的人工或算法标注组织在一起的数据资源。它可用于睡眠生理研究、评分者培训、算法开发、质量控制和方法复现。典型资源以整夜记录或连续片段为单位,并把睡眠阶段、觉醒、呼吸事件、肢体运动、心律事件或技术伪差中的一种或多种标注关联到相应时间轴。

这类数据集不等于只有睡眠分期图,也不表示每条记录都包含完整导联、全部事件或可用于临床诊断。标注是依据特定协议、评分规则、信号质量和评分者判断形成的解释层,不是脱离条件的绝对真值。公开、免费或规模较大也不能自动证明样本有代表性、标签可靠、授权适合商业用途,使用前必须核实数据构成、来源、版本、许可和目标任务。

信号、标签与时间结构

PSG 通常可包含脑电、眼电、颏肌电、心电、气流、胸腹呼吸努力、血氧、体位、鼾声和肢体肌电,但实际导联随年代、实验室、设备和检查目的而异。每个通道还涉及采样率、物理单位、增益、参考导联、滤波、传感器类型和有效区间。所谓“相同通道”若位置或处理不同,可能并不直接可比;缺失通道也不能用空值静默伪装成正常信号。

标注可按固定历元表示清醒、非快速眼动和快速眼动睡眠,也可按起止时刻描述觉醒、呼吸暂停、低通气、氧减、周期性肢体运动、体位改变和伪差。数据集应说明事件能否重叠、边界如何定义、未评分与无事件如何区分,以及汇总指数由哪些事件和分母计算。自动预测、技术员初评、专家复核与共识标签应使用不同字段,避免把来源不同的标签混为一层。

评分规则、版本与标注来源

睡眠分期和事件评分依赖明确的规则体系及版本。历史资料可能采用较早的分期方法,而现代项目可能采用不同版本的专业评分手册;阶段合并、低通气阈值、氧减关联、觉醒关联或运动事件规则都可能不同。将旧阶段映射到新标签或统一事件定义时,应保存原始标签、转换规则和不可转换项,不能为了得到整齐类别而抹去语义差异。

来源记录应包括评分协议、软件版本、显示设置、可见通道、评分者资历、初评与复核流程、盲法状态及修改历史。若多名评分者参与,应保留各自标签或至少提供一致性指标和冲突解决方式;共识标签也需要说明形成过程。标注版本必须与信号文件、数据字典和发布版本绑定,使使用者能判断差异源于生理现象、规则变化还是后期修订。

文件格式、文档与跨库协调

资源可能用 EDF 或 EDF+ 保存波形和注释,也可能搭配 XML、CSV、JSON、文本或厂商格式。文件扩展名相同不代表通道命名、事件词汇、时间精度、字符编码和缺失值约定一致。完整文档应提供数据字典、协议、导联表、采样与校准信息、文件配对规则、受试者与夜晚标识关系、时区处理、质量标志、校验值、变更日志和已知问题。

跨库协调应从概念映射开始,而不是直接拼接文件。需要统一或明确单位、通道别名、参考方式、阶段编码、事件层级、年龄分组和检查场景,并记录重采样、滤波、裁剪和标签转换。整夜记录中灯灭、关灯、睡眠开始、记录开始和有效分析区间并非同一概念;如果时间原点或边界处理错误,信号与标签会整体错位,且可能在表面指标正常时仍污染分析。

信号质量、标签不确定性与偏差

质量评价应同时检查信号和标签。常见问题包括电极脱落、饱和、基线漂移、运动伪差、传感器更换、时钟不同步、长段缺失、重复文件和截断记录。数据集宜给出逐通道或逐区间的质量标志,并说明哪些夜晚被排除、修复或重新评分。仅凭文件可以打开、历元数量正确或汇总指数存在,不能证明原始波形足以可靠识别目标事件。

人工评分存在边界病例和评分者差异,算法预标也可能把模型偏差带入参考标签。研究应报告标签来源、不确定或未评分比例,并在必要时采用多评分者、仲裁、软标签或敏感性分析。来自单一实验室、特定疾病门诊、某类设备或某一年龄段的数据,可能受到转诊、第一夜效应、治疗状态和采集年代影响;记录数量巨大仍不能补足缺失人群或改变选择偏差。

机器学习划分、评测与可复现性

用于机器学习时,训练、验证和测试应按受试者划分,而不是随机拆分历元。同一个人的重复夜晚、相邻片段、重新导出的副本或同一记录的派生特征若跨集合出现,会造成信息泄漏并夸大性能。预处理参数、标准化统计、类别重采样和阈值选择也只能在训练资料中拟合;测试集应保持独立,并尽量增加来自其他中心、设备或人群的外部验证。

评测应与任务相符,除总体准确率外,可报告分类别表现、混淆、事件灵敏度与精确度、时间重叠、校准和失败病例,并给出置信区间。模型与人类评分的一致不等于临床结局有效,标签体系改变后也不能直接比较指标。复现记录应包含数据版本、纳入清单、代码与依赖、随机种子、预处理、排除规则和硬件相关设置,且不得通过测试集反复调参形成隐性过拟合。

隐私、访问治理与临床边界

PSG 可包含可识别的日期、年龄、罕见疾病、设备编号、自由文本、音视频或独特生理模式;删除姓名并不保证无法关联。发布者应依据同意范围和适用规则进行去标识、数据最小化和风险评估,并按敏感度选择开放、申请制或受控计算访问。使用者需遵守数据使用协议、禁止再识别和超范围共享,保护下载副本、访问令牌和派生文件,并在授权到期或撤回适用时执行规定处理。

治理还应覆盖版本冻结、问题通报、纠错、撤回记录、引用方式和长期保存。数据集适合研究或算法评估,并不自动使模型成为获准的临床工具;对单个患者的诊断、严重度判断或治疗选择仍需完整病史、合格人员复核及适用的临床和监管流程。成熟的 PSG 标注数据集应让使用者既能追溯每个标签的证据链,也能清楚知道哪些人群、事件和用途超出其证据范围。