定義、用途與詞條邊界
PSG 標註資料集是把多項睡眠檢查(polysomnography,PSG)的同步生理訊號、檢查背景資訊與時間對齊的人工或演算法標註組織在一起的資料資源。它可用於睡眠生理研究、評分者訓練、演算法開發、品質控制和方法重現。典型資源以整夜紀錄或連續片段為單位,並把睡眠階段、覺醒、呼吸事件、肢體運動、心律事件或技術偽差中的一種或多種標註關聯到相應時間軸。
這類資料集不等於只有睡眠分期圖,也不表示每筆紀錄都包含完整導程、全部事件或可用於臨床診斷。標註是依據特定協定、評分規則、訊號品質和評分者判斷形成的解釋層,不是脫離條件的絕對真值。公開、免費或規模較大也不能自動證明樣本有代表性、標籤可靠、授權適合商業用途,使用前必須核實資料構成、來源、版本、授權和目標任務。
訊號、標籤與時間結構
PSG 通常可包含腦電、眼電、頦肌電、心電、氣流、胸腹呼吸努力、血氧、體位、鼾聲和肢體肌電,但實際導程隨年代、實驗室、裝置和檢查目的而異。每個通道還涉及取樣率、物理單位、增益、參考導程、濾波、感測器類型和有效區間。所謂「相同通道」若位置或處理不同,可能並不直接可比;缺失通道也不能用空值靜默偽裝成正常訊號。
標註可按固定時段表示清醒、非快速動眼和快速動眼睡眠,也可按起止時刻描述覺醒、呼吸中止、低通氣、血氧下降、週期性肢體運動、體位改變和偽差。資料集應說明事件能否重疊、邊界如何定義、未評分與無事件如何區分,以及彙總指數由哪些事件和分母計算。自動預測、技術員初評、專家覆核與共識標籤應使用不同欄位,避免把來源不同的標籤混為一層。
評分規則、版本與標註來源
睡眠分期和事件評分依賴明確的規則體系及版本。歷史資料可能採用較早的分期方法,而現代專案可能採用不同版本的專業評分手冊;階段合併、低通氣閾值、血氧下降關聯、覺醒關聯或運動事件規則都可能不同。將舊階段映射到新標籤或統一事件定義時,應保存原始標籤、轉換規則和不可轉換項,不能為了得到整齊類別而抹去語意差異。
來源紀錄應包括評分協定、軟體版本、顯示設定、可見通道、評分者資歷、初評與覆核流程、盲法狀態及修改歷史。若多名評分者參與,應保留各自標籤或至少提供一致性指標和衝突解決方式;共識標籤也需要說明形成過程。標註版本必須與訊號檔案、資料字典和發布版本綁定,使使用者能判斷差異源於生理現象、規則變化還是後期修訂。
檔案格式、文件與跨庫協調
資源可能用 EDF 或 EDF+ 保存波形和註釋,也可能搭配 XML、CSV、JSON、文字或廠商格式。副檔名相同不代表通道命名、事件詞彙、時間精度、字元編碼和缺失值約定一致。完整文件應提供資料字典、協定、導程表、取樣與校準資訊、檔案配對規則、受試者與夜晚識別碼關係、時區處理、品質標誌、校驗值、變更日誌和已知問題。
跨庫協調應從概念映射開始,而不是直接拼接檔案。需要統一或明確單位、通道別名、參考方式、階段編碼、事件層級、年齡分組和檢查場景,並記錄重新取樣、濾波、裁剪和標籤轉換。整夜紀錄中燈滅、關燈、睡眠開始、紀錄開始和有效分析區間並非同一概念;如果時間原點或邊界處理錯誤,訊號與標籤會整體錯位,且可能在表面指標正常時仍污染分析。
訊號品質、標籤不確定性與偏差
品質評價應同時檢查訊號和標籤。常見問題包括電極脫落、飽和、基線漂移、動作偽差、感測器更換、時鐘不同步、長段缺失、重複檔案和截斷紀錄。資料集宜給出逐通道或逐區間的品質標誌,並說明哪些夜晚被排除、修復或重新評分。僅憑檔案可以開啟、時段數量正確或彙總指數存在,不能證明原始波形足以可靠識別目標事件。
人工評分存在邊界病例和評分者差異,演算法預標也可能把模型偏差帶入參考標籤。研究應報告標籤來源、不確定或未評分比例,並在必要時採用多評分者、仲裁、軟標籤或敏感度分析。來自單一實驗室、特定疾病門診、某類裝置或某一年齡層的資料,可能受到轉診、第一夜效應、治療狀態和採集年代影響;紀錄數量巨大仍不能補足缺失人群或改變選擇偏差。
機器學習劃分、評測與可重現性
用於機器學習時,訓練、驗證和測試應按受試者劃分,而不是隨機拆分時段。同一個人的重複夜晚、相鄰片段、重新匯出的副本或同一紀錄的衍生特徵若跨集合出現,會造成資訊洩漏並誇大效能。預處理參數、標準化統計、類別重新取樣和閾值選擇也只能在訓練資料中擬合;測試集應保持獨立,並儘量增加來自其他中心、裝置或人群的外部驗證。
評測應與任務相符,除總體準確率外,可報告分類別表現、混淆、事件靈敏度與精確度、時間重疊、校準和失敗案例,並給出信賴區間。模型與人類評分的一致不等於臨床結局有效,標籤體系改變後也不能直接比較指標。重現紀錄應包含資料版本、納入清單、程式碼與依賴、隨機種子、預處理、排除規則和硬體相關設定,且不得透過測試集反覆調參形成隱性過度擬合。
隱私、存取治理與臨床邊界
PSG 可包含可識別的日期、年齡、罕見疾病、裝置編號、自由文字、影音或獨特生理模式;刪除姓名並不保證無法關聯。發布者應依據同意範圍和適用規則進行去識別、資料最小化和風險評估,並按敏感度選擇開放、申請制或受控運算存取。使用者需遵守資料使用協議、禁止再識別和超範圍分享,保護下載副本、存取權杖和衍生檔案,並在授權到期或撤回適用時執行規定處理。
治理還應涵蓋版本凍結、問題通報、修正、撤回紀錄、引用方式和長期保存。資料集適合研究或演算法評估,並不自動使模型成為獲准的臨床工具;對單一患者的診斷、嚴重度判斷或治療選擇仍需完整病史、合格人員覆核及適用的臨床和監管流程。成熟的 PSG 標註資料集應讓使用者既能追溯每個標籤的證據鏈,也能清楚知道哪些人群、事件和用途超出其證據範圍。