信息速览

数据集名称SeizeIT2 — 可穿戴耳后多模态癫痫监测开放数据集

数据类型原始数据,人工标注,时序数据

规模125 名局灶性癫痫患者（五个欧洲癫痫监测中心）；5654 条 recordings（EEGDash 目录口径）

接入方式Byteflies Sensor Dot 可穿戴设备耳后 EEG+ECG+EMG+加速度计+陀螺仪多模态连续记录，256 Hz，BIDS 格式，含专家标注发作区间与官方训练/验证划分建议

AI 就绪度

INFOBOX — SeizeIT2 一屏速览

维度内容

本质首个面向局灶性癫痫患者的真实可穿戴（behind-the-ear，耳后）多模态生理信号开放数据集

团队 KU Leuven（鲁汶大学）ESAT-STADIUS 中心，一作/通讯 Miguel Bhagubai，资深作者 Maarten De Vos；13 位作者跨五国

论文 Scientific Data（Nature Portfolio）2025，doi:10.1038/s41597-025-05580-x；预印本 arXiv:2502.01224（2025-02-03）

数据 125 名患者、逾 11000 小时多模态记录、883 次专家标注局灶性发作（正刊口径）

模态耳后 EEG（bte-EEG）+ 心电 ECG + 肌电 EMG + 加速度计 ACC + 陀螺仪 GYR，256 Hz

设备 Byteflies Sensor Dot（比利时安特卫普），耳后电极贴片式可穿戴

中心五个欧洲癫痫监测中心：UZ Leuven（比）、Freiburg（德）、Coimbra（葡）、Karolinska（瑞典）、Aachen（德）

格式 BIDS（Brain Imaging Data Structure），OpenNeuro ds005873，版本 v1.1.0

许可 CC0-1.0（公有领域贡献，可商用、无需署名——工程上仍建议学术引用）

任务癫痫发作检测（seizure detection）：窗口级/事件级二分类与发作区间定位

基准特征+SVM（传统机器学习）与 ChronoNet（深度学习）双基线 + 官方训练/验证受试者划分建议

生态 NEMAR 收录；EEGDash 一行代码流式加载（eegdash.SeizeIT2）

谱系 SeizeIT1（院内模拟耳后电极先导研究）→ SeizeIT2（真实可穿戴多中心扩展）

SeizeIT2（brain-wearable-monitoring）

§0 导读：为什么这个数据集值得单独立条

在可穿戴脑机接口与移动神经影像（mobile neuroimaging）的赛道上，长期横亘着一道「鸡生蛋」困境：所有人都知道真实世界（in-the-wild）的癫痫发作监测是可穿戴 EEG 最有临床价值的落点之一，但算法研究者手里几乎没有大规模、带专家标注、多中心、真实佩戴设备的患者数据——于是模型只能在住院头皮视频脑电（video-EEG，vEEG）上训练，换到日常佩戴场景就性能崩塌；而设备厂商又因为缺少算法验证的公开参照，不敢贸然推进临床转化。SeizeIT2 正是为填这道沟而生的：它由比利时鲁汶大学 KU Leuven 的 STADIUS 中心牵头，联合德、葡、瑞典三国的四家癫痫中心，用真实商用可穿戴设备（Byteflies Sensor Dot，耳后电极贴片）在 125 名局灶性癫痫患者的住院长程监测期间同步采集了逾 11000 小时的多模态生理信号，覆盖耳后 EEG、心电、肌电与运动数据，并配以 883 次逐次人工标注的发作区间。

对 AI 从业者而言，这个数据集的价值在于三件事的同时成立：一是「真实可穿戴」——信号来自真正的贴片式设备而非模拟电极，因此包含全部真实世界的阻抗漂移、运动伪迹与佩戴 variability；二是「专家标注」——每次发作的起止时间基于住院视频脑电金标准逐次核对，标注质量对得起检测任务的严肃性；三是「多中心」——五个中心的设备一致性流程与人群差异，天然提供了跨中心泛化评估（cross-site generalization）的试金石，这在单一中心数据集上根本无从谈起。再加上 CC0 许可与 BIDS 标准格式，SeizeIT2 事实上成了可穿戴癫痫检测方向当前最重的公开基准底座。

同时也要把丑话说在前面：论文作者自己就把两组基准（SVM 与 ChronoNet）的定位讲得非常坦率——性能「仍低于文献中已发表的其他方法」，数据集的贡献在于提供可复现的起点与统一的评估协议，而不是刷榜纪录。可穿戴信号的噪声、电极接触不稳定、发作类别的极度不平衡，都是使用者必须正视的方法学现实。本条目将按数据构成、标注体系、获取方式、评估基准、生态互链的顺序逐层展开，并在坑点清单中集中列出引用双口径、格式陷阱与常见误用。

1. 名称与身份：SeizeIT2 是什么、不是什么

1.1 官方名称与标识

数据集的官方全称为 SeizeIT2: Wearable Dataset Of Patients With Focal Epilepsy（直译：SeizeIT2——局灶性癫痫患者可穿戴数据集）。它在 OpenNeuro 神经影像/神经生理数据仓库中的正式编号为 ds005873，当前引用版本为 v1.1.0，对应数据集 DOI 为 10.18112/openneuro.ds005873.v1.1.0。论文名与数据集名一致，预印本于 2025 年 2 月 3 日提交至 arXiv（编号 2502.01224，eess.SP 方向），正式版本发表于 Nature Portfolio 旗下的数据描述期刊 Scientific Data（DOI：10.1038/s41597-025-05580-x，开放获取）。

「SeizeIT」一名中的「seize」是癫痫发作（seizure）的词根，「IT」则可读作对「抓住发作」这一监测目标的双关——团队用同一品牌贯穿了先导研究与扩展研究两代数据资产，类似脑科学领域「HCP Young Adult → HCP Aging」的谱系命名法。在检索时需注意：SeizeIT2 有时会被写作 SeizeIT 2 或 seizeit2，OpenNeuro 检索以 ds005873 为准；EEGDash 生态中它注册的规范别名（canonical alias）就是 SeizeIT2，可直接作为类名加载。

1.2 与 SeizeIT1 的血缘关系：扩展而非别名

必须澄清的第一个身份问题是 SeizeIT2 与其前作 SeizeIT1 的关系。SeizeIT1 是同一团队的先导研究（pilot study）：在受控的院内环境中，给局灶性癫痫患者在做常规视频脑电监测的同时，额外在耳后位置布置一组模拟可穿戴布置的电极（simulated behind-the-ear EEG），以此验证「耳后这种少电极布置能否支撑发作检测」的方法学可行性。SeizeIT1 的结论是积极的——在以颞叶发作为主的小患者组里，耳后布置与头皮全导联的检测算法性能相当，从而证明了该模态的潜力。

SeizeIT2 则是这条路线的多中心真实设备扩展：不再模拟，而是直接使用商用的 Byteflies Sensor Dot 可穿戴设备；不再单一中心，而是横跨五个欧洲癫痫监测中心；不再只关注方法学验证，而是把重心放在构建可公开复用的开放数据集上。两者在数据内容、规模、设备、伦理与许可上均无继承关系，SeizeIT2 不是 SeizeIT1 的重打包或版本号升级——这是检索与引用时最容易踩的别名陷阱（属于本库认定的伪新条目四大模式中「版本后继」模式的反向情形：两个名字对应两份真实且不同的数据资产）。

1.3 库内身份核验与查重结论

按照本库存在性核验纪律，成稿前对数据库执行了只读查重：以 seizeit、brain-wearable、wearable 为关键词模糊匹配 url_name，结果命中两条既有条目——wearable-exam-stress（rid 807，考试压力可穿戴监测）与 big-ideas-glycemic-wearable（rid 1016，血糖可穿戴），二者均为健康人群的可穿戴生理数据，与 SeizeIT2 的癫痫患者临床数据在人群、设备、任务上完全不同源，不构成别名撞库。以 seizeit 精确检索为零命中，writing/ 目录下亦无同名条目目录。因此 brain-wearable-monitoring 这一 slug 可以安全使用，作为 SeizeIT2 在本库的唯一起名。

需要说明 slug 与官方名的关系：brain-wearable-monitoring（脑可穿戴监测）是主题式命名，直接点出数据集「用可穿戴设备做脑（及配套生理）监测」的核心身份，同时为该主题族留下扩展空间；官方名 SeizeIT2 全程保留在 title、正文与元数据中，检索友好性不受影响。

2. 论文与时间线：从预印本到 Scientific Data

SeizeIT2 的时间线相对紧凑清晰。2025 年 2 月 3 日，团队将完整数据描述论文以预印本形式提交 arXiv（2502.01224），摘要页明确注明该论文「in submission on Scientific Data Journal from Nature」，即从预印本阶段起目标期刊就是 Scientific Data。此后论文经同行评审，于 2025 年在 Scientific Data 正式见刊（DOI：10.1038/s41597-025-05580-x），延续该刊「数据集描述 + 可复用性评估」的标准体例：Abstract、Background & Summary、Method、Data Records、Technical Validation、Usage Notes、Limitations 一应俱全。

预印本与正刊之间存在一处需要留意的数字漂移：arXiv 摘要写「886 focal seizures」，而 Scientific Data 正刊摘要定稿为「883 focal seizures」。这一差异是本库双口径存照制度要重点记录的对象——按定稿晚于预印本、正刊经同行评审的取信原则，本条目以正刊 883 次为主口径，预印本 886 次作为历史口径在引用存照中注明。类似地，数据总时长在论文口径（逾 11000 小时）与 EEGDash 目录统计口径（22897.2 小时）之间存在约两倍的差异，详见 §9 的口径分析。

往前追溯，数据集的科学源头可以拉到更早：团队在 SeizeIT1 阶段已发表多篇验证性研究，证明模拟耳后 EEG 在颞叶癫痫发作检测上与头皮全导联性能相当，Sensor Dot 设备本身也是在与临床需求对接的迭代中逐步定型。因此 SeizeIT2 并非凭空项目，而是一条持续多年的「可穿戴癫痫学（wearable epileptology）」研究线的数据集阶段成果。资助方包括欧盟 H2020 EIT-Health 项目（编号 19263）、KU Leuven 特别研究基金（BOF，C24/18/097）、比利时科研基金会 FWO 的多项资助（含给一作 Bhagubai 的战略性基础研究资助 1SB5922N、项目 G0D8321N「深度个性化癫痫发作检测」与 G046925N「任务与设备无关的 EEG 分析 AI」），以及佛兰德政府的 AI 研究计划——这一资助结构也解释了为什么项目在「临床多中心组织」与「AI 方法学」两端都有扎实投入。

3. 机构与人物：谁做的、在哪做的

3.1 牵头团队：KU Leuven STADIUS

数据集的学术牵头单位是比利时鲁汶大学（KU Leuven）电子工程系（ESAT）下的 STADIUS 中心（Center for Dynamical Systems, Signal Processing and Data Analytics）。STADIUS 是欧洲生物医学信号处理领域最资深的实验室之一，长期深耕 EEG 信号处理、癫痫检测与可穿戴健康监测方向，一作兼通讯作者 Miguel Bhagubai（博士研究生，FWO 资助）与资深作者 Maarten De Vos（教授，STADIUS 可穿戴神经技术方向负责人）是团队的核心。共同作者阵容横跨五国：Christos Chatzichristos、Jingwei Zhang 等来自 STADIUS；Lauren Swinnen、Jaiver Macea、Wim Van Paesschen 来自 UZ Leuven 癫痫研究室；Lieven Lagae、Katrien Jansen 来自鲁汶儿科神经科；Andreas Schulze-Bonhage 来自弗莱堡癫痫中心；Francisco Sales 来自科英布拉；Benno Mahler 来自卡罗林斯卡；Yvonne Weber 来自亚琛。论文致谢中还特别点名了参与共享代码开发与验证的研究者 Thomas Strypsteen、Maarten Vanmarcke 与 Anna Martens。

3.2 五个临床中心：跨国的数据采集网络

数据的临床采集在五个欧洲癫痫监测中心（Epilepsy Monitoring Units，EMU）完成：

UZ Leuven（比利时鲁汶大学医院）——牵头中心，兼儿科神经协作；
University Medical Center Freiburg（德国弗莱堡大学医学中心癫痫中心）；
Coimbra University Hospital（葡萄牙科英布拉大学医院癫痫参考中心）；
Karolinska University Hospital（瑞典斯德哥尔摩卡罗林斯卡大学医院神经科）；
RWTH University Aachen（德国亚琛工业大学医院癫痫科）。

五中心协作的意义远不止「凑样本量」：不同中心的患者构成、发作类型谱、记录流程与临床实践差异，使数据集天然带有跨中心异质性，这为「训练于 A 中心、测试于 B 中心」的跨站点泛化实验提供了现成条件，也促使团队在数据记录中保留了中心级元数据以便分层分析。

3.3 设备提供方：Byteflies

可穿戴硬件由比利时安特卫普的数字健康公司 Byteflies 提供，其旗舰产品 **Sensor Dot（SD）**是一款模块化贴片式可穿戴生理记录设备，可同时采集 EEG、ECG、EMG 与运动（加速度计 + 陀螺仪）信号，已通过医疗级认证流程并在欧洲多个癫痫居家监测项目中商用部署。选择商用设备而非自研原型，是 SeizeIT2 相比先导研究的另一个关键升级：设备的一致性、固件版本控制与信号特性直接对应未来真实临床部署场景，算法在它上面跑出的性能更具落地参考价值。

§0.1 阅读本条目的三条路线

快速路线（10 分钟）：INFOBOX → §0 → §14 坑点 → §17 FAQ。适合需要快速判断「这个数据集适不适合我的项目」的读者。
标准路线（1 小时）：§0 → §1-§7（身份、论文、机构、规模、标注、格式、评估）→ §16 互链。适合准备立项或开题的读者。
深度路线（半日）：全文顺序阅读，§9 双口径存照与 §13 附录配合 FACTS.md 九节档案使用。适合写作综述、审稿或构建衍生基准的读者。

三条路线的终点是同一个事实底座：三源互证的硬数字与三处双口径存照。无论哪条路线，遇到与外部二手资料数字冲突时，以本条目 §9 的存照口径仲裁。

4. 数据规模硬数字：125 人、逾 11000 小时、883 次发作

把 SeizeIT2 的规模用几个经三源互证（arXiv 预印本、Scientific Data 正刊、OpenNeuro/EEGDash 元数据）的硬数字钉死：

指标	数值	口径来源
受试者	125 名局灶性癫痫患者	正刊 + 预印本一致
临床中心	5 个欧洲癫痫监测中心	正刊 + 预印本一致
总时长	> 11000 小时多模态数据	论文口径
记录条数	5654 条 recordings	EEGDash 目录统计口径
标注发作	883 次（正刊）/ 886 次（预印本）	双口径，取正刊
采样率	256 Hz（全部记录一致）	EEGDash 元数据
磁盘体量	约 44.4 GB	EEGDash 目录参考值
模态	bte-EEG + ECG + EMG + ACC + GYR	正刊 + 预印本一致
许可	CC0-1.0	OpenNeuro + HF 镜像一致
版本	v1.1.0（DOI 10.18112/openneuro.ds005873.v1.1.0）	OpenNeuro

逐项展开说明：

125 名患者：均为临床确诊的局灶性癫痫（focal epilepsy）患者，在参与中心因诊断评估或术前定位目的入住癫痫监测单元，在常规视频脑电监测期间同步佩戴 Sensor Dot 可穿戴设备。这意味着每一段可穿戴信号都有同时间的临床金标准（vEEG 视频 + 头皮脑电）可供对照，发作标注的可信度由此建立。

逾 11000 小时：论文口径的多模态数据总量。需要留意 EEGDash 目录给出的 22897.2 小时是镜像统计口径（很可能按「记录时长 × 模态流数」或双份存储口径累计），两者相差约两倍，引用时应首选论文口径并注明出处。这一体量使其成为可穿戴癫痫方向公开可得的最大规模数据集——相较之下，许多同类数据集停留在数十小时量级。

883 次发作：经专家基于 vEEG 金标准逐次标注的局灶性发作事件。这一数字决定了数据集在「事件检测」任务上的统计功效：既有足够的正样本支撑深度学习训练，又保持了真实世界的类别极端不平衡（11000 小时 vs 约 1-2 小时发作占比），不会像人工平衡的合成基准那样给出虚高的性能预期。

5654 条记录：EEGDash 对 ds005873 的目录级统计，指 BIDS 组织下的记录单元总数（受试者-会话-模态组合）。论文正文未给出等价的单一总数，引用时建议注明「EEGDash 目录口径」。

约 44.4 GB：镜像侧统计的磁盘占用。原始 OpenNeuro 快照的精确字节数随版本更新浮动，以下载页面实时显示为准；对今天的存储条件而言，这一体量属于「单工作站可全量落地」的友好区间，无需专门的大数据基础设施。

5. 任务与标注体系：发作检测怎么做、标注从哪来

5.1 主任务定义：癫痫发作检测

SeizeIT2 支撑的核心任务是癫痫发作检测（seizure detection）：给定连续多模态生理信号流，判断任意时刻是否存在发作活动，并尽可能精确定位发作起止。在方法学上它通常被实现为三种形式之一：

窗口级二分类（window-level classification）：把信号切成固定长度窗口（如 2 秒、10 秒），逐窗判断「发作/非发作」，输出逐窗概率序列再做平滑与后处理；
事件级检测（event-based detection）：以「检测到一次发作事件」为单元评估，通常配合重叠判据（如预测区间与真实区间重叠超过一定比例记为命中）统计灵敏度（sensitivity）与假阳性率（false alarms per 24 hours，FP/24h）；
发作区间定位（onset/offset localization）：在检出事件的基础上进一步精确起止边界，对临床价值最高也最难。

数据集同时附带官方建议的训练/验证受试者划分（suggestive training/validation split），这是很多同类数据集缺失的关键配套：癫痫检测任务上「按受试者划分」与「按时间划分」的结果可能天差地别（受试者内泄漏是本领域最常见的虚高来源），官方划分给了社区一个统一的对比起点。

5.2 标注来源与质量控制

发作标注的质量链路是 SeizeIT2 可信度的根基：

金标准锚定：所有患者均在住院视频脑电监测中采集数据，每一次临床发作都被 vEEG 系统记录在案，由各中心临床专家确认发作类型与起止时间；
同步对齐：Sensor Dot 可穿戴设备与 vEEG 系统在监测期间同步运行，发作区间被映射到可穿戴信号时间轴上，形成逐次标注（per-event annotation）；
BIDS 事件文件承载：标注以 BIDS 标准的 TSV 事件文件形式发布，包含发作起止与相关元数据，任何 BIDS 兼容工具链（如 MNE-BIDS、EEGDash、braindecode）都能直接消费。

除发作标注外，参与者表（participants.tsv）携带受试者级元数据（含年龄、性别等人口学字段），各记录附通道级元数据，保证了数据集作为「临床研究资产」而非「裸信号堆」的完整可用性。

5.3 人群与发作类型覆盖

数据集覆盖的临床谱以局灶性癫痫为限（这也是它命名的直接依据），五中心的患者构成带来了发作类型与起源部位的多样性，其中颞叶起源发作占相当比例（与 SeizeIT1 阶段的观察一致）。需要注意两个边界：其一，全面性发作（generalized seizures）不在覆盖范围内，试图训练「全谱系发作检测器」的研究者需另行补充数据；其二，所有数据在住院环境采集——佩戴的虽然是真实可穿戴设备，但受试者的活动范围受病房约束，完全自由生活的居家信号（真正的 in-the-wild）仍需后续数据集补充。论文 Limitations 节对此有明确交代。

6. 数据格式与获取：BIDS、OpenNeuro 与一条代码加载

6.1 BIDS 格式：为什么这件事很重要

SeizeIT2 全量按 **BIDS（Brain Imaging Data Structure）**标准组织。BIDS 是神经科学界事实上的数据组织标准，对使用者意味着三件实事：一是目录层级可预测（sub-<id>/ses-<id>/… 的受试者-会话结构），写脚本无需逐数据集重新摸索；二是元数据约定统一（通道 TSV、事件 TSV、participants TSV 各就各位），工具链自动解析；三是跨数据集合并分析变得低成本——你可以把 SeizeIT2 与其他 BIDS 格式的 EEG 数据集放进同一条 pipeline 对比。

具体到本数据集：生理信号以 BIDS 兼容格式存储（EEG/ECG/EMG 通道各带采样率与位置元数据），发作标注在事件文件中，参与者信息在 participants.tsv（含受试者唯一标识，同一患者多次记录可通过 pid 关联）。EEGDash 对其通道构成的统计显示记录在通道配置上存在两种主要形态（2 通道与 1 通道 EEG 的组合分别对应约 2850 与 2804 条记录），使用前应按需筛选。

6.2 获取路径：三级入口

主入口——OpenNeuro：数据正式家在 https://openneuro.org/datasets/ds005873 ，CC0-1.0 许可，无需注册即可下载当前快照（注册账号仅上传/同步需要）。快照按版本管理，引用版本 v1.1.0 时应使用对应 DOI：10.18112/openneuro.ds005873.v1.1.0。对批量与断点续传需求，OpenNeuro 提供 CLI 与 S3 直链下载两种进阶方式。

镜像入口——NEMAR：NEMAR（EEG 数据的 OpenfMRI 式镜像，nemar.org）收录了 ds005873，提供在线浏览与 README 级别的元数据预览，适合先「看一眼再决定下载」的评估场景。

流式入口——EEGDash：对 PyTorch/braindecode 生态的用户，EEGDash 项目提供了最省事的路径：

pip install eegdash
from eegdash import EEGDashDataset
ds = EEGDashDataset(dataset="ds005873", cache_dir="./cache")

# 或使用注册的规范别名类
from eegdash.dataset import SeizeIT2
ds = SeizeIT2(cache_dir="./cache")

EEGDash 按需从 OpenNeuro/NEMAR 流式拉取并缓存为 PyTorch 可用对象，免去全量 44 GB 的落地等待；其 HuggingFace 上的 EEGDash/ds005873 仓是元数据指针（大陆网络环境下经 hf-mirror.com 镜像可达），原始数据仍在 OpenNeuro。

6.3 许可：CC0-1.0 的分量

数据集以 CC0-1.0（公有领域贡献）发布，这在临床神经数据集中是相当慷慨的选择：不要求署名、允许商用、允许再分发与衍生——对比同类数据集中常见的 CC BY-NC-SA（非商业）或注册申请制，CC0 把使用门槛压到了最低。工程上仍有两条专业建议：其一，学术引用论文（Bhagubai et al., Scientific Data 2025）是社区规范，也是作者持续维护版本的动力；其二，CC0 许的是数据，配套的基准代码仓库若另有许可文件，以其声明为准。数据含患者临床信息，发布方已完成去标识化与伦理审批（各中心 ethics 批准 + 书面知情同意），使用者不再承担原始采集的伦理义务，但衍生成果若触及患者再识别风险，仍应遵守所在机构的数据治理规范。

6.4 版本链与引用规范

截至核验时点，OpenNeuro 上的当前版本为 v1.1.0（EEGDash 元数据与 DOI 均指向该版本），历史上存在更早的 v1.0.x 快照；版本间的修订差异（如补充记录或标注修正）未在检索源中逐项披露，属于遗留待核项。引用建议采用双重 DOI 形式：数据引用 ds005873 的 OpenNeuro DOI（10.18112/openneuro.ds005873.v1.1.0），论文引用 Scientific Data DOI（10.1038/s41597-025-05580-x），两者在文献管理软件中分别作为 Data 与 Article 类型录入。

6.5 获取与部署实操手册：三种落地形态的完整路径

对绝大多数使用者而言，SeizeIT2 的消费方式可以归为三种形态，各有最优路径与常见陷阱。以下按「个人工作站」「服务器/集群」「流式探索」三条线给出完整操作剧本。

形态一：个人工作站全量落地（推荐给要反复训练的算法研究者）。

第一步，下载快照。OpenNeuro 网页端直接点击 Download（匿名可用），适合一次性拉取；需要断点续传或命令行自动化时使用 OpenNeuro CLI（npm install -g openneuro-cli 后 openneuro download --dataset ds005873）或其 S3 直链。44 GB 体量在家庭宽带下约为一小时内的工作，建议落在本地 SSD 而非机械盘——BIDS 数据加载的随机读模式对机械盘极不友好。

第二步，环境搭建。最小依赖为 Python 3.10+、mne、mne-bids、pandas；若走深度学习路线加装 torch 与 braindecode。一条验证命令确认安装完好：

import mne_bids
root = "./ds005873"  # 下载解压后的 BIDS 根目录
bids_path = mne_bids.find_paths(root=root, suffix="eeg", extension=".edf")
print(len(bids_path), "EEG files found")

第三步，建立本地索引。125 名受试者、5654 条记录（EEGDash 口径）的元数据建议先一次性汇总为本地 DataFrame（受试者、会话、通道构成、时长、发作事件数、中心归属），后续所有筛选（按通道数、按发作密度、按中心划分）都在索引上做，避免反复扫描 BIDS 树。

形态二：集群/超算批量处理。 数据集自带版本化 DOI，可在作业脚本里固化 v1.1.0 快照以保证可复现；S3 直链下载适合写进批量作业的初始化步骤。注意两点：其一，共享文件系统上的 EEGDash 缓存目录会成为随机读热点，建议每节点本地盘缓存或预分发缓存；其二，多进程读取同一 BIDS 树时 MNE 的文件锁机制可能导致偶发阻塞，读侧建议只读挂载。

形态三：流式探索（推荐给先评估再决定的用户）。 EEGDash 路径无需全量落地：EEGDashDataset(dataset="ds005873", cache_dir=...) 按需拉取所选记录并缓存。适合的场景包括：先看几个受试者的信号质量、跑通小样本 pipeline、教学演示。注意首次运行会边拉边缓存，网络中断重跑时会从缓存续，不需要清缓存重来；大陆网络环境下 HuggingFace 元数据指针需走 hf-mirror.com 镜像（本条目核验即如此完成），OpenNeuro 本体直连不受影响。

通用陷阱：版本漂移。 无论哪种形态，都必须在项目记录中固化「ds005873 @ v1.1.0 + DOI」。OpenNeuro 允许数据集修订，未来某个 v1.2.0 可能增删记录；不锁版本的复现实验，半年后连自己都对不上数。

6.6 同类数据集规格对照表

把 SeizeIT2 放进癫痫检测数据集的坐标系，规格差异一目了然：

维度	SeizeIT2	CHB-MIT	Siena Scalp EEG	TUSZ
设备形态	贴片式可穿戴（Sensor Dot）	临床头皮系统	临床头皮系统	临床头皮系统
电极布置	耳后 1-2 导 + ECG/EMG/运动	国际 10-20 全导	10-20 全导	10-20 全导
受试者	125（患者）	23（患者，多为儿科）	14（患者）	数百（患者）
中心数	5（跨国）	1	1	1
总时长	>11000 小时	约 1000 小时	数百小时	数千小时
标注发作	883 次	约 185 次	约 140 次	约 3000 段
采样率	256 Hz	256 Hz	512 Hz	250-512 Hz
场景	住院同步佩戴	住院	住院	住院
许可	CC0-1.0	CC BY-NC-SA（PhysioNet 开放数据协议）	PhysioNet 开放数据协议	物理交付申请
获取	OpenNeuro 直链	PhysioNet（需签署使用协议）	PhysioNet	TUH 申请制

对照表揭示的定位差异：SeizeIT2 在「患者数」「中心数」「时长」三个维度同时是可穿戴/临床两侧的头部；其独有维度是「设备形态」——表中其余全部是临床级放大器数据，只有它回答「贴片设备上的发作检测能做多好」。而 TUSZ 在发作段数量上仍是冠军，适合做模型容量的上限测试；SeizeIT2 的优势在泛化与落地真实性。许可维度上 CC0 的宽松度也是全表最宽，这对构建衍生基准（再分发切窗版本、构建竞赛数据）是决定性便利。

需要提醒的是，跨数据集直接混合训练并非免费午餐：设备、电极位置、采样率、人群的差异使「CHB-MIT 预训练 → SeizeIT2 微调」类实验必须处理域鸿沟（通道映射、重采样、幅度归一化、伪迹分布差异），而这恰恰是当前可穿戴 BCI 文献最活跃的选题之一。

6.7 伦理与数据治理说明

作为含患者临床信息的数据资产，SeizeIT2 的治理链路值得完整记录：采集由五个参与中心的伦理委员会分别批准，所有受试者签署书面知情同意（Scientific Data 正文 Background 与 Ethics 声明）；发布前经去标识化处理——受试者以 BIDS 标准 sub-<id> 匿名编号呈现，参与者的真实身份信息不随数据发布，participants.tsv 只携带分析必需的人口学字段；数据日期等潜在再识别字段按 BIDS 惯例做偏移或移除处理。使用者侧的义务因此很轻：CC0 意味着无需再签协议、无需报批原始采集伦理；但若开展新的人体受试者研究性质的分析（例如尝试再识别、连接外部身份库），仍需所在机构伦理审查——这是通用研究伦理要求，与数据许可无关。工程团队做纯模型开发（离线训练与评估）通常不触发这些义务，这是 CC0 相对注册制的又一实际便利。

4.5 规模数字的纵深解读：125 人意味着什么

单纯罗列「125 名患者、11000 小时」并不能传达数据集在统计与方法学上的真实分量，以下从三个角度做纵深解读。

角度一：患者数在事件检测任务上的意义。 癫痫检测与普通分类任务的根本差异在于「事件」的稀有性：一个患者住院一周可能只有 2-5 次发作。这意味着数据集的信息量主要由「患者数 × 每人发作数」的乘积决定。883 次发作分布在 125 人上，平均约 7 次/人——对受试者内评估而言，这是可以训练个性化模型并留出验证发作的合理配置；对跨受试者评估而言，125 人的患者池也首次让「按患者分层」的统计（按发作类型、起源侧别、中心分层）有了最低限度的功效。相比之下，CHB-MIT 的 23 人（约 185 次发作）做跨受试者 leave-one-out 时，单折测试集可能只有 1 人的数据，方差大到难以得出可靠结论。

角度二：时长在伪迹建模上的意义。 >11000 小时的连续记录中，发作只占约 1-2%，其余是海量的「非发作背景」——这段背景数据对发作检测而言是负样本燃料，但对可穿戴信号质量研究而言是金矿：基线漂移统计、电极阻抗演化的时间谱、昼夜活动节律对信号的影响、体位变化与伪迹的相关结构，都需要长时程连续记录才能估计。此前公开数据集中几乎不存在「可穿戴设备 + 周级连续时长」的组合，SeizeIT2 是第一批能让伪迹建模研究「吃饱」的数据。

角度三：五中心在泛化度量上的意义。 单中心数据集上，「跨受试者泛化」是能测的泛化极限；但真实部署中最大的性能杀手是「站点/流程/人群」的差异。五中心结构把泛化评估从一维扩展到二维（跨人 + 跨中心），并且中心间样本规模的不均衡本身就是真实世界的写照——未来任何产品都面对「大医院校准、小医院部署」的不均衡部署场景。这是表格数字之外、必须读论文才能体会的结构性价值。

4.6 发作事件的时间分布与采样策略影响

从数据集结构出发可以推知几个对训练策略有直接影响的统计事实（使用前应在自己落地子集上实测确认）：

发作时长跨度大：局灶性发作的持续时长可以从数十秒到数分钟不等，固定窗长的检测器必须容忍「一次发作覆盖多个窗」的序列相关性，评估时按事件去重而不是按窗累加。
发作间隔跨度更大：同一患者两次发作可能间隔数小时到数天，这意味着「负样本在时间上高度连续、正样本高度聚集」，随机切窗的独立同分布假设在这里完全不成立——按时间块的划分（先分块再分集）是唯一诚实的做法。
夜昼分布不均：部分发作类型（如某些颞叶发作）在睡眠中更频繁，背景活动也有昼夜节律，采样器如果不做时间分层，模型可能学到「夜间=发作多」的伪相关。
跨患者发作密度差异大：有的患者住院期间天天发作，有的全程只有一两次；按患者均匀分配验证集会让小密度患者在事件级指标上主导方差，分层验证（按发作密度分组）更稳。

这些事实共同指向一个结论：在 SeizeIT2 上，采样与划分设计的质量对最终指标的贡献不亚于模型本身。这也是为什么官方建议划分值得被社区当作默认契约——它至少把「划分随机性」这个最大的方差源先钉死了。

4.7 五中心画像与跨中心实验设计要点

结合论文与临床合作结构，五中心在实验设计中各自的角色可以概括为：

UZ Leuven（比利时，牵头）：样本贡献最大，SeizeIT1 的发源地，流程最成熟；做方法开发时建议作为「主训练域」。
UMC Freiburg（德国）：欧洲最资深的癫痫中心之一，发作类型谱宽；天然的「最难迁移目标域」候选。
Coimbra（葡萄牙）：南欧人群，与中北欧中心的人群/用药实践差异最明显；跨中心实验中域距离的最大值往往出现在这一对。
Karolinska（瑞典）：北欧中心，临床记录规范程度高，适合做标注一致性的参照。
RWTH Aachen（德国）：技术与临床结合传统深厚，记录完备性好。

设计跨中心实验的两条实操建议：其一，中心规模不均衡时不要做「每中心等权」的宏平均，改按记录量加权并在附录报告宏平均做敏感性分析；其二，把「中心」当作域标签做域适应时，留一个中心完全不参与任何超参选择，充当真正的 held-out 域——否则域适应方法的成绩里有调参泄漏。

4.8 与可穿戴神经技术产品路线的对应关系

把数据集维度映射到真实产品开发阶段，可以更清楚地看出它「训练了谁」：

产品阶段	需要的数据能力	SeizeIT2 的覆盖
算法原型	带标注发作信号	完整覆盖（883 次）
鲁棒性验证	真实设备噪声谱	完整覆盖（Sensor Dot 原始信号）
跨人群泛化	多样患者队列	较好（125 人五中心）
多站点部署验证	跨中心数据	完整覆盖（五中心）
居家长程验证	自由生活数据	不覆盖（住院场景）
监管级临床验证	前瞻性试验数据	不覆盖（回顾性监测数据）

这张映射表的用途是校准预期：SeizeIT2 能把一个可穿戴发作检测算法从「论文原型」推到「多站点验证过的准产品级」，但「居家长程」与「前瞻临床验证」两段必须靠厂商自采数据补完——数据集官方的 Limitations 与本条目 §13 的边界警告都指向同一点。

7. 评估与基准：双基线、官方划分与性能现实

7.1 两条基准方法

论文随数据集发布了两条可复现基线，覆盖传统机器学习与深度学习两个阵营，目的不是刷榜而是给出统一的对比锚点：

基线一：特征工程 + SVM。 从多模态信号中提取手工特征（时域统计量、频域功率谱特征等），输入支持向量机（SVM）做窗口级发作/非发作分类。这条线代表「小数据友好、可解释性强」的传统范式，也是临床工程界至今仍在广泛部署的技术路线——对算力受限的边缘可穿戴设备而言，SVM 类模型仍是实用首选。

基线二：ChronoNet。 一条为 EEG 时序设计的深度学习架构（1D 卷积层堆叠 + GRU 循环层的混合结构，由巴尔的摩团队在 2018 年针对小儿 EEG 异常检测提出），在癫痫检测文献中是常用的参考骨干。它在 SeizeIT2 上代表「端到端学习」路线，验证了深度模型在该多中心可穿戴数据上的可用性。

两条基线配套论文给出的统一评估指标（事件级灵敏度、精度与假阳性率类指标，含重叠判据），后续工作应以此为对齐口径，避免各论文自造指标导致不可比。

7.2 性能现实：作者的自我坦白

论文对基线性能的评价十分坦率：「所提发作检测模型的性能仍低于文献中已发表的其他方法」（subpar）。这一自我评估应被读作方法学信息而非缺陷记录：可穿戴设备的数据质量天然低于临床级系统（电极接触更不稳定、运动伪迹更强、导联更少），在同一算法家族下性能下滑是方法学现实而非实现失误。对使用者而言，正确姿势是把 SeizeIT2 基线当作「下界参照」——任何新方法在官方划分上应能超过这两条基线，但不应期望在未做域适应/去噪的情况下直接复现头皮 EEG 文献里的数字。

7.3 推荐的实验设计

基于数据集结构与官方划分，推荐三类标准实验：

受试者内（within-subject）评估：按官方建议划分或受试者内时间切分，考察模型对个体的适配上限，适合个性化校准场景（癫痫患者设备通常按人定制阈值）；
跨受试者（cross-subject）评估：留出受试者法（leave-subjects-out），考察泛化能力，是通用检测器的真实考验；
跨中心（cross-center）评估：以某一中心为测试集、其余为训练集，利用数据集的多中心结构直接度量站点泛化差距——这是 SeizeIT2 相对单中心数据集独有的实验维度。

此外，ECG/EMG/运动通道的存在支持多模态消融（EEG-only vs EEG+ECG vs 全模态）与跨模态信号增强（用运动信号估计伪迹并从 EEG 中扣除）两类高价值实验，后者正是可穿戴 BCI 社区当前的热点方向。

8. 数据构成细节：通道、设备与组织结构

8.1 五种模态的分工

SeizeIT2 的多模态设计围绕「发作的电生理表现 + 运动表现」两条证据链展开：

耳后 EEG（bte-EEG）：核心模态。电极置于耳后（behind-the-ear）位置，覆盖头皮标准 10-20 系统中接近颞区的低导联位置——颞叶正是最多数局灶性发作的起源区域，也是 SeizeIT1 验证可行的布置。EEGDash 统计显示记录以 1-2 个 EEG 通道为主（2 通道 ×2850 条、1 通道 ×2804 条），全部分辨率 256 Hz。
心电 ECG：许多发作伴随心率骤变（ictal tachycardia 是最常见的发作期自主神经表现），ECG 通道为「心电辅助发作检测」这一成熟方向提供数据，也在 EEG 质量下降时提供冗余证据。
肌电 EMG：强直-阵挛等运动性发作伴随特征性肌肉电活动，EMG 通道可用于运动性事件的独立确认与伪迹溯源。
加速度计 ACC + 陀螺仪 GYR：捕捉肢体运动的完整运动学，既服务于「运动性发作的自动化行为学检测」（在缺乏视频的居家场景里替代观察者），也是 EEG 运动伪迹建模的参考信号。

8.2 Sensor Dot 设备特性

Byteflies Sensor Dot 是贴片式模块化设计：一个主体记录单元通过线缆连接贴附于皮肤的一次性电极贴片，耳后布置对应 1-2 个 EEG 电极位（另可扩展心电与肌电贴片位），内置三轴加速度计与三轴陀螺仪，固件按医疗级流程管理，数据经配套网关或手机上传云端。对使用者重要的是信号层面的含义：电极-皮肤接触质量、佩戴松紧与体位变化都会直接写进波形——这正是数据集「真实可穿戴」属性的代价与价值所在。

8.3 BIDS 目录形态速查

ds005873/
├── dataset_description.json    # BIDS 数据集描述（Name、BIDSVersion、License 等）
├── participants.tsv            # 125 名受试者级元数据（含 pid 关联多次记录）
├── participants.json           # 列说明
├── sub-<id>/
│   ├── ses-<id>/
│   │   ├── *_channels.tsv      # 通道名/类型/采样率/单位
│   │   ├── *_eeg.eeg(+edf)     # 生理信号数据
│   │   ├── *_events.tsv        # 发作起止标注
│   │   └── *_coordsystem.json  # 电极位置参照

（目录树为 BIDS 惯例示意，具体文件命名以实际快照为准。）加载侧除了 MNE-BIDS 全家桶，EEGDash/braindecode 用户可直接获得切窗后的张量，省去格式胶水代码。

9. 双口径存照：引用时必须分清的数字

本库纪律要求对三源互证中发现的口径冲突逐条存照。SeizeIT2 有三处：

存照 A——发作总数：883（正刊）vs 886（预印本）。 arXiv:2502.01224 摘要写 886 次，Scientific Data 正刊摘要定稿为 883 次。取信原则：正刊晚于预印本、经同行评审修订，故本条目主口径取 883；已在历史文献中引用 886 的场合属预印本口径，不算错误但应更新。

存照 B——总时长：>11000 小时（论文）vs 22897.2 小时（EEGDash 目录）。 两者相差约两倍，最可能的解释是统计口径不同：论文口径可能按多模态并行记录的墙钟时长（wall-clock hours）计，EEGDash 目录按所有数据流（或含镜像双份存储）的累计时长计。本条目主口径取论文 >11000 小时，EEGDash 数值注明为「镜像统计口径」。

存照 C——记录条数 5654。 该数字仅见于 EEGDash/HF 镜像的目录统计（并给出通道构成的分布：2 通道 ×2850、1 通道 ×2804），论文未给等价总数。引用时注明「EEGDash 目录口径」。

三条存照的共同教训：跨仓库的自动统计与作者正刊口径天然可能不一致，引用临床数据集数字时永远优先正刊论文、注明辅助口径，这与本库在 chestx-ray14、MIMIC 系列条目上一贯执行的双口径纪律完全一致。

9.5 五种模态的信号特性逐项剖析

要在 SeizeIT2 上做出好结果，先要理解每种模态「长什么样、坏在哪里、对检测贡献什么」。以下逐项给出信号特性画像与工程要点。

耳后 EEG（bte-EEG）——主证据链，也是主噪声源。

形态：1-2 导，256 Hz，参考电极方案随设备固件定义（使用前核对 channels.tsv 的 reference 字段，勿臆断为平均参考）。
信号品质：耳后位点靠近颞区，对颞叶起源发作的敏感性好；但电极-皮肤接触在长期佩戴中漂移，基线游走、接触阻抗突变引起的阶跃伪迹比临床头皮系统常见一个量级。
频带要点：发作期癫痫样放电主要看 1-30 Hz；肌电污染集中在 20 Hz 以上且与真实 gamma 重叠，简单高通去不干净——这是「耳后 EEG 的 20 Hz 以上频带要慎用」的经验法则来源。
工程要点：切窗前先做坏段检测（幅值超限、flat 段、阶跃检测），丢弃策略比修补策略在该数据上更稳。

ECG——独立的第二证据链。

形态：贴片电极对，256 Hz 同步采样。
信号品质：信噪比通常好于 EEG（心电幅值大），主要干扰是运动伪迹与 EEG 通道的串扰。
检测价值：发作期心动过速（ictal tachycardia）是最常见的发作期自主神经表现，起搏点在发作开始后数十秒内心率显著上升；对 EEG 被运动伪迹淹没的运动性发作，心率特征常常是唯一幸存的证据。
工程要点：R 波检测（如 pan-tompkins）提取逐搏心率序列后，把心率变化率作为独立特征流或辅助输入。

EMG——运动性发作的行为学代理。

形态：贴片电极，256 Hz。
检测价值：强直-阵挛发作的肌肉电爆发特征性强（高幅、高频、节律性）；对失神等无运动发作几乎无贡献——模态价值与发作类型强相关。
工程要点：EMG 通道同时是 EEG 运动伪迹的「参考答案」，常用于伪迹回归（regression-based artifact removal）：从 EEG 中减去与 EMG/加速度线性相关的成分。

加速度计（ACC）+ 陀螺仪（GYR）——运动学全息记录。

形态：三轴各一，256 Hz。
检测价值：在无视频的居家场景里替代观察者的「行为学眼睛」——阵挛的节律性抖动、跌倒事件、日常活动的活动谱都在这里。对 EEG 而言它们还是伪迹协变量：身体加速度与 EEG 伪迹能量强相关。
工程要点：低通滤波（如 5 Hz）提取包络做发作性运动事件初筛，再回 EEG 找电生理证据，构成「行为学初筛 → 电生理确认」的两级检测架构，这是居家监测产品的常见形态。

模态协同的总原则：单模态各自都有失效场景（EEG 败于伪迹、ECG 败于心律不齐患者、EMG/GYR 败于非运动性发作），多模态融合的价值在于失效模式互不重叠。消融实验（逐个砍模态）是理解自己模型真实依赖的必修课。

9.6 临床背景速成：读懂数据集所需的癫痫学最小集

AI 从业者使用 SeizeIT2 不需要成为神经科医生，但以下五个概念决定你能否正确设计实验与解读结果。

一、局灶性发作的时相结构。 一次局灶性发作通常经历「发作前期（preictal，数分钟，信号渐变）→ 发作期（ictal，数十秒到数分钟）→ 发作后期（postictal，抑制/混乱）」三段。检测任务的标注通常只覆盖发作期区间，但「提前多久报警」的实用价值集中在 preictal 边界——这就是文献里 seizure prediction 与 seizure detection 两个任务的定义分野，SeizeIT2 的逐次标注同时支撑两者，但评估协议不同，不可混报。

二、发作起源与耳后位点的几何关系。 颞叶（temporal lobe）是成人局灶性癫痫最常见的起源，而耳后电极恰在颞区表面附近——这是 SeizeIT 系列选址耳后的核心临床逻辑。相反，额叶或枕叶起源的发作在耳后导联上的表现可能微弱，理解这一点才能解释「为什么某些患者的发作在数据里很难看到」。

三、发作类型的运动学差异。 局灶性发作按表现可分为运动性（强直、阵挛、自动症如咂嘴摸索）与非运动性（意识障碍、感觉性）。运动学模态（EMG/ACC/GYR）的价值完全取决于发作类型构成——做模态融合前先统计自己子集里的发作类型分布。

四、假阳性率的临床语义。 社区以 FP/24h 报告假阳性的原因：一个每天误报 50 次的设备无论灵敏度多高都不可用（警报疲劳），而每 24 小时 1 次以内的假阳性配合高灵敏度才有患者价值。这决定了评估脚本的主轴必须是「灵敏度-FP/24h 曲线」而非 ROC。

五、药物与状态的混杂。 住院监测期间患者的抗癫痫药物可能被减停（为诱发发作），睡眠剥夺等协议性干扰也存在；这些因素影响发作频率与背景节律，做跨患者泛化时是隐协变量。数据集元数据未逐例标注用药状态的话，跨中心实验应把「中心」作为主要分层变量。

9.7 预处理参考管线

给一条在该数据上被反复验证的保守预处理基线（可直接抄进项目 README）：

重读与统一：MNE-BIDS 读取，按 channels.tsv 恢复类型（EEG/ECG/EMG/ACC/GYR），记录原始采样率与参考。
EEG 通道：0.5-40 Hz 带通（保留发作相关频带、抑制基线漂移与高频肌电）、50 Hz 工频陷波（欧洲电网）、坏段剔除（幅值 >500 μV 或 flat <0.5 μV 的窗口丢弃）。
重采样：如需统一到 128 Hz（常用窗口长度 2 秒 = 256 点），抗混叠降采样。
参考处理：单导联记录无空间参考可言，逐导独立归一化（z-score 按窗口）是安全默认；双导联记录可尝试导联间差分作为伪迹抑制手段。
切窗：2 秒窗、50% 重叠做训练增强，评估时用非重叠窗保证指标可解释。
标签传播：窗口与任一发作区间重叠即标为发作窗（或按文献惯例加前后缓冲区），缓冲区策略必须全文一致并报告。
类别平衡：训练批次按 1:3 左右的正负窗采样起步，宁可欠采样负类也不做简单复制正类。

这条管线的哲学是「保守」：每一步都可解释、可复现，先保证任何性能差异来自模型而非预处理随机性，再谈精细化。

9.8 多模态融合策略详论：三种架构与取舍

在 SeizeIT2 上做多模态融合，架构选择可以归纳为三代策略，各自的数据适配性与工程代价不同。

策略一：晚期融合（late fusion / decision-level）。 每个模态独立训练一个检测器（EEG 检测器、ECG 心率异常检测器、运动事件检测器），在决策层做投票或加权平均。优点：各模态可独立开发调试、单模态失效不影响全栈、天然支持产品级的「证据分立」展示；缺点：无法利用模态间的细粒度交互（如「EEG 异常且恰有加速度突变」的联合模式）。工程上这是量产产品最常见的起点。

策略二：特征级融合（feature-level / intermediate）。 各模态分别提特征后拼接进同一分类器；深度学习语境下对应「各自编码器 + 中间层拼接」。优点：让模型学到跨模态交互；缺点：融合权重黑箱化、对单模态质量波动敏感。在 SeizeIT2 上的适配要点：EEG/ECG/EMG 同为 256 Hz 可时间对齐后共享时间轴，ACC/GYR 需先做包络或分频段特征降维再对齐，避免高带宽运动信号在特征维度上淹没电生理通道。

策略三：跨模态回归去噪（cross-modal regression）。 不做「融合分类」而是「融合清洗」：以运动模态（ACC/GYR/EMG）为自变量回归估计 EEG 中的运动伪迹成分并扣除，得到增强 EEG 后再走单模态检测。优点：直接改善主模态信噪比、检测器架构不变、去噪模块可单独消融；缺点：回归模型可能把含神经信息的与运动相关的成分一并扣掉（信息损失风险）。这正是 §13.5 线二与食谱四的实验设计基础，也是当前 wearable BCI 文献（IMU 辅助 EEG 增强）最活跃的切入点。

三条策略不是互斥的：成熟的系统常常「回归去噪 + 特征级融合」叠加，再以晚期融合做产品级冗余。在 SeizeIT2 上做方法论文时，报告「每加一层融合带来的事件级增益」比报告单一最终架构更有信息量。

9.9 信号质量的现实画像：使用者会看到什么

首次打开 SeizeIT2 的原始波形时，多数在临床 EEG 数据上训练过直觉的人会经历一次「再校准」。以下是对真实可穿戴信号典型形态的预描写，帮读者建立预期：

基线漂移肉眼可见：耳后电极的直流偏置随皮肤接触与汗液缓慢游移，几十微伏到几百微伏量级——0.5 Hz 高通是必做项，不是可选项。
运动段接近「废段」观感：患者翻身、行走时段的 EEG 可能完全被伪迹淹没，波形幅度是静息段的数倍到数十倍。此时 ACC/GYR 通道恰好满幅——先看运动通道再决定 EEG 段可信度的「运动先行」读图顺序值得养成。
发作段的多模态共振：真正的发作区间往往在多通道同时「亮起来」——EEG 节律改变、心率爬升、（若为运动性发作）EMG/ACC 爆发。这种跨模态共振本身是快速目检定位发作的技巧，也是融合方法学价值的直观展示。
个体差异巨大：不同受试者的信号质量差距可以非常大（发量、头皮形态、佩戴松紧），跨受试者模型必须内置对「某些人的信号就是差」的容忍。

这些现实形态解释了一个常见疑问：为什么论文基线在看似充足的 11000 小时上性能不高——因为真实可穿戴信号的「有效信噪比小时数」远小于墙钟小时数。把这一现实写进实验设计（坏段剔除比例、有效时长统计），是方法学成熟的标志。

9.10 数据集的生产流程：从病房到 OpenNeuro

理解数据怎么生产出来的，有助于判断它的可信边界。SeizeIT2 的生产链路可概括为五步：

临床入组：五中心按统一方案入组因临床需要入住 EMU 的局灶性癫痫患者，签署知情同意；
同步采集：常规 vEEG 监测期间佩戴 Sensor Dot，可穿戴与临床系统时间同步，长程连续记录；
临床判读：各中心临床团队基于 vEEG 逐次确认发作与起止，形成金标准事件表；
数据整编：STADIUS 团队将可穿戴数据按 BIDS 整编，把发作事件映射到可穿戴时间轴，构建参与者表与通道元数据；
发布与验证：上传 OpenNeuro（CC0），论文含 Technical Validation 节报告信号质量与基线性能，随版本更新维护快照。

这条链路里有两个对使用者透明的质量控制点值得注意：其一，发作标注的临床金标准属性来自「标注发生在临床判读流程内」而非「事后由算法团队补标」，可信度等级高于多数研究性标注；其二，跨中心的一致性依赖统一方案（同型号设备、同步协议、BIDS 规范），但中心间判读实践的残余差异无法完全消除——这既是局限也是跨中心实验的研究对象。

2.5 论文逐节导读：Scientific Data 体例下的信息地图

Scientific Data 的标准体例对使用者非常友好——每一节都回答一个明确的问题。以下按正刊结构给出逐节导读与「读什么」建议：

Abstract：一段话级别的全息摘要，含 125 人/11000 小时/883 次发作三个锚定数字。初次接触者从这里建立主口径。
Background & Summary：回答「为什么要这个数据集」。重点读三段：可穿戴 EEG 的临床动机、SeizeIT1 到 SeizeIT2 的方法学递进、耳后位点对颞叶发作的选择逻辑。
Method：回答「数据怎么来的」。五中心方案、入组标准、Sensor Dot 佩戴与同步协议、跨中心一致性措施都在这里。做跨中心实验前必须精读本节。
Data Records：回答「数据在哪、什么格式」。OpenNeuro 编号、BIDS 组织、文件类型清单、版本与 DOI。获取环节只读这一节即可上手。
Technical Validation：回答「数据可信吗」。信号质量评估、标注质量、基线性能与指标定义。本节是评估协议的对齐源头，指标 θ 判据与 FP/24h 定义以此为准。
Usage Notes：回答「怎么用」。加载路径、建议划分、基线代码入口、常见操作提示。
Limitations：回答「不能干什么」。本条目 §13 的边界清单大多源出此节——作者的自我批评在这类数据论文中通常是全文最诚实的段落，值得逐句读。

预印本（arXiv:2502.01224）与正刊的结构基本一致，主要差异在数字口径（886 vs 883）与评审修订后的表述收紧。除非研究论文的版本流变本身，否则直接读正刊即可。

2.6 项目年表：一条可追溯的时间线

把散布在多源中的时间事实串成单一年表（括号内为口径来源）：

SeizeIT1 阶段（SeizeIT2 之前数年）：单中心院内研究，模拟耳后电极布置与 vEEG 同步，验证颞叶发作在耳后少导联上的检测可行性，Sensor Dot 设备在此期间完成面向癫痫监测的定型（正刊 Background）。
SeizeIT2 采集期：五中心按统一方案开展患者入组与同步采集（具体起止月份论文以方案描述而非日历日期呈现，居家长程采集的项目期跨越数年——temporalCoverage 以数据集注册信息 2019-2025 为参考口径）。
2025-02-03：预印本 arXiv:2502.01224 提交，摘要口径 886 次发作，注明投稿 Scientific Data（arXiv 摘要页）。
2025 年：正刊见刊 Scientific Data，DOI 10.1038/s41597-025-05580-x，发作总数定稿 883 次（正刊摘要页）。
数据发布后：OpenNeuro 快照迭代至 v1.1.0（当前引用版本）；NEMAR 收录镜像；EEGDash 注册规范类名 SeizeIT2 并提供流式加载，HuggingFace 元数据指针仓上线（EEGDash 数据卡）。

年表的用途：任何「这个数据集什么时候发布的」「版本怎么变的」问题都应能在此锚定，避免二手转述带来的时间漂移。

2.7 常见误区纠偏：关于 SeizeIT2 的五个流行误读

误读一：「SeizeIT2 是 SeizeIT1 的 v2 版数据」。 错。两者是先导研究与多中心扩展研究的关系，设备、规模、场景都不同，是两份独立数据资产（本条目 §1.2）。

误读二：「真实世界数据 = 居家数据」。 错。真实的是设备，不是场景——采集在住院病房完成，活动受约束（本条目 §13）。

误读三：「11000 小时的 EEG」。 不准确。11000 小时是多模态总口径，EEG 通道仅为其中 1-2 导流；且 EEGDash 的 22897 小时是另一口径（本条目 §9 存照 B）。

误读四：「官方基线代表该方向 SOTA」。 反了。作者自评基线 subpar，其价值是可复现下界（本条目 §7.2）。

误读五：「患者数据所以不能商用」。 许可层面错。CC0 允许商用；患者保护已由去标识化与伦理流程在源头完成（本条目 §6.3、§6.7）。

这五个误读覆盖了社区讨论中出现频率最高的混淆，纠偏依据全部锚定在三源互证的事实上——引用前对照一遍，可避免多数低级翻车。

5.5 标注边界案例：四个需要写进代码注释的情形

把发作区间标注消费进训练管线时，以下边界情形会在真实数据中遇到，逐一给出处理建议：

极短发作：数秒级发作在 2 秒窗切分下可能只覆盖 1-2 个窗。建议：事件级评估保留（它们是真实临床事件），窗口级训练中不因「窗数少」而丢弃。
接连发作（seizure clusters）：两次发作间隔很短时，发作间间隔可能不足一个缓冲区长度。建议：缓冲区应用时做区间合并逻辑，避免缓冲区互相重叠导致的标签矛盾。
发作起始的边界模糊：电生理起始与临床表现的起始可能相差数秒，标注跟随的是临床金标准。建议：报告指标时注明「临床起始锚定」口径，与「电生理起始锚定」的文献比较时留意口径差。
缺失记录段：长程记录中可能出现设备脱落的空窗（数据缺失段）。建议：预处理阶段先做连续性审计（采样间隔恒定校验），缺失段不参与训练也不计入 FP/24h 的分母时长。

这四类情形没有「标准答案」，只有「显式声明」的要求——把它们写进代码与论文方法节，比任何具体参数选择都更能保护结论的可信度。

10. 生态与互链：在数据集版图中的位置

10.1 可穿戴癫痫检测的数据集版图

在 SeizeIT2 之前，癫痫检测社区的数据供给几乎全部来自临床级头皮 EEG：

CHB-MIT Scalp EEG（本库 chb-mit-scalp-eeg，rid 72）：23 名儿科患者的头皮 EEG 发作检测经典基准，23 例记录带标注发作，但全部来自单一中心（波士顿儿童医院）、临床级设备、住院环境；
TUH EEG Seizure Corpus（TUSZ）：Temple 大学的大规模头皮 EEG 癫痫语料，规模可观但同样是临床级系统与住院场景；
Siena Scalp EEG：单中心住院头皮 EEG 发作数据。

SeizeIT2 在这个版图上的位置独一无二：它是第一个「真实可穿戴设备 + 多中心 + 患者队列」三要素齐备的开放数据集。与 CHB-MIT 相比，它把设备形态从临床系统拉到贴片式可穿戴、把中心数从 1 拉到 5、把患者数从 23 拉到 125；与各类「健康人模拟」的可穿戴 EEG 数据集相比，它有真实的临床发作事件标注。这使得它天然成为「临床头皮 EEG 基准 → 可穿戴现实基准」的桥接层。

10.2 库内互链建议

按本库生态规则，建议以下库内条目与 brain-wearable-monitoring 建立互链（附 rid 供发布系统消费）：

库内条目	rid	互链逻辑
chb-mit-scalp-eeg	72	癫痫发作检测双基准对照：临床头皮 vs 可穿戴耳后，同任务跨设备形态
wearable-exam-stress	807	可穿戴多模态生理信号主题族：健康人考试压力 vs 患者发作监测
eegmmidb	342	EEG 采集与共享范式：PhysioNet 运动想象 vs OpenNeuro 临床监测
bonn-eeg	322	EEG 病理分类谱系：小样本离体片段分类 vs 长程事件检测
helsinki-neonatal-eeg	880	癫痫检测的人群扩展：新生儿 vs 成人，跨生命周期
hbn-eeg	362	大规模 EEG 资源对照：健康发育队列 vs 患者临床队列

上述六条共同构成「从信号到事件、从健康到疾病、从实验室到真实世界」的 EEG 数据集语义网络，SeizeIT2 处于「真实世界 + 疾病」象限的锚点位置。

10.3 工具生态

数据集的下游工具链已相当成熟：MNE / MNE-BIDS 提供标准读取与预处理；braindecode（PyTorch 的 EEG 深度学习库）可直接消费 BIDS 数据；EEGDash 提供一行代码流式加载与目录化元数据（正是它把 ds005873 注册为规范类 SeizeIT2）；NEMAR 提供网页端预览。这条链路意味着从「发现数据集」到「跑出第一个基线」的冷启动成本被压到了小时级。

11. 方法学启示：SeizeIT2 教给 AI 从业者的四件事

其一，真实设备信号 ≠ 实验室信号。 同一个受试者、同一种发作，贴片可穿戴与临床放大器录出的波形在信噪比、伪迹结构、导联覆盖上完全不同。任何在临床 EEG 上验证过的模型，迁移到可穿戴数据时都应视为「新问题」而非「新数据」——官方基线性能低于文献水平这件事本身就是最直观的证据。

其二，类别不平衡要当一等问题处理。 11000 小时背景 vs 约 1-2 小时发作，正负比悬殊到常规交叉熵训练会直接坍缩到全阴性预测。窗口采样策略、focal loss、难例挖掘与以 FP/24h 为轴的评估设计，都是入场券级技能而非锦上添花。

其三，受试者划分决定结论可信度。 数据集附带的官方训练/验证划分不是可选附件，而是社区对齐的契约：跨论文比较时若有人混用受试者内划分，性能差异可能完全来自泄漏而非算法优劣。引用官方划分、声明划分方式，应成为该方向论文的写作规范。

其四，多中心结构是被低估的资产。 大多数数据集论文的多中心只体现在「样本量大」，SeizeIT2 的五中心结构则直接支持跨站点泛化实验——这在个性化医疗部署（设备在某中心校准、推向另一家医院）的真实产品路径上是最关键的指标。后续工作应把 cross-center 实验当作标配，而不是可选项。

12. 使用指南：从零到第一个基线

以下给出最小可复现路径（以 EEGDash 流式加载为例）：

# 环境：Python 3.10+，建议独立虚拟环境
pip install eegdash braindecode torch pandas

from eegdash import EEGDashDataset

# 全量流式加载（首次运行会按需下载缓存，约 44 GB 上限）
ds = EEGDashDataset(dataset="ds005873", cache_dir="./cache")
print(len(ds), "recordings")

# 或使用规范别名类，语义等价
from eegdash.dataset import SeizeIT2
ds2 = SeizeIT2(cache_dir="./cache")

工程建议按序执行：

先小后大：先选单个受试者（BIDS 目录按 sub-<id> 过滤）跑通读取-切窗-训练-评估全流程，再放开到全量；
通道对齐：数据集存在 1 通道与 2 通道 EEG 两种记录形态，建模前统一通道策略（取公共通道或做通道 mask）；
重采样与滤波：256 Hz 原始率下按文献惯例做 0.5-40 Hz 带通与工频陷波，再按模型输入要求定窗长；
划分纪律：直接采用官方训练/验证受试者划分做首轮对比，任何自定义划分需在论文中明示；
评估口径：以论文提供的事件级指标体系为准（灵敏度、精度、FP/24h），避免只报窗口级 accuracy 造成与文献不可比；
落盘缓存：EEGDash 缓存目录放本地 SSD，避免集群共享盘的随机读瓶颈。

若需全量离线下载（无网环境、超算场景），走 OpenNeuro CLI 或 S3 直链拉取 v1.1.0 快照，用 MNE-BIDS 读入后自行切窗。

13. 局限与使用边界

综合论文 Limitations 节与数据集结构，使用前应正视以下边界：

仅局灶性发作：全面性发作不在覆盖范围，全谱系检测器需额外数据源；
住院场景：虽佩戴真实设备，活动仍受 EMU 病房约束，完全自由生活的居家信号（夜间睡眠、户外活动）需后续补充；
可穿戴噪声：电极接触不稳、运动伪迹、单耳后位点空间分辨率有限，均为方法学固有约束而非可完全清洗的噪声；
基线非 SOTA：官方两基线是复现锚点，不是性能天花板，文献中更强的头戴上多导联方法不能直接搬到耳后少导联设定下比较；
人口学细节有限：受试者的年龄/性别分布等人口学统计在论文中仅有部分描述，做人群分层分析前建议先从 participants.tsv 实际统计。

这些边界同时也是选题地图：居家长程采集、多模态去噪、跨设备迁移、发作类型扩展，都是数据集明确留下、社区尚未填平的坑。

13.5 研究选题地图：六条还没被填平的线

以 SeizeIT2 的数据结构为起点，以下选题方向在公开文献中仍属空白或浅耕状态，适合作为论文/工程项目的切入点：

线一：跨设备域适应。 用临床头皮 EEG（CHB-MIT、TUSZ）预训练、SeizeIT2 耳后少导联微调，系统研究通道数从数十到 1-2 的极端压缩下知识迁移的极限。关键问题：预训练表征里有多少信息依赖于空间分辨率？答案对「可穿戴设备的算法该不该从头训」有直接产业意义。

线二：运动伪迹的可信去除。 数据集的 ACC/GYR/EMG 通道给伪迹回归提供了近乎理想的条件变量。参考 SeizeIT2 之外的 wearable BCI 文献（如基于 IMU 的 EEG 增强），在真实发作检测任务上量化「去噪增益 vs 信息损失」的权衡，是目前最扎实的方法学贡献形态。

线三：跨中心泛化与联邦式训练。 五中心结构天然支持 leave-one-center-out 协议。进一步可模拟「各中心数据不出域」的联邦学习设定，度量与集中式训练的性能差距——这是把数据集的跨国属性转化为方法学贡献的最短路径。

线四：事件级评估协议的统一与排行榜。 该方向长期苦于各论文指标不可比。以官方划分 + 统一事件级指标建立公开 leaderboard（哪怕只是 GitHub 表格），是低成本高引用的工作。

线五：多模态基础模型的癫痫探针。 用生理信号基础模型（ EEG 基础模型、多模态生理编码器）在 SeizeIT2 上做零样本/少样本探针评估，检验「通用生理表征」在真实可穿戴临床数据上的迁移边界——数据集的 CC0 许可对这类需要再分发的评估框架尤其友好。

线六：preictal 预测的产品化定义。 利用逐次标注做「提前 N 分钟报警」的预测协议（N=5/15/30），用 AlAR（alarm record）类指标报告，补上「检测好但预测不好」这块常见拼图，直接对接患者端产品的真实需求。

13.6 复现实验食谱五则

食谱一：官方基线复现（SVM 线）。 按论文特征工程描述提取时域统计 + 频带功率特征 → 每受试者 z-score → 官方划分训练 SVM（RBF 核、C 与 gamma 网格）→ 事件级后处理（滑动窗概率平滑 + 最短发作时长约束）→ 报告灵敏度与 FP/24h。预期：结果应与论文同数量级；显著偏高先查泄漏（受试者混分）。

食谱二：官方基线复现（ChronoNet 线）。 EEG 通道 2 秒窗 → 1D 卷积堆叠 + GRU → 二分类头 → 按官方划分训练 → 同口径评估。工程要点：正负比 1:3 批采样、早停按受试者级验证 F1。

食谱三：跨中心泛化。 leave-one-center-out 五折，每折报告「源内性能 vs 迁移性能」差距表。这个差距本身就是可发表的结果——目前文献几乎没有可穿戴癫痫检测的跨中心量化数字。

食谱四：IMU 辅助去噪消融。 三臂实验：EEG-only / EEG+ACC 协变量回归去噪 / EEG+全模态融合，固定划分与评估口径，只动去噪臂。量化「运动伪迹解释了多大比例的性能损失」。

食谱五：预训练-微调跨设备。 CHB-MIT（或 TUSZ）监督预训练 → 通道适配层（1-2 导重投影）→ SeizeIT2 微调 → 与从头训练对比。关键消融：预训练数据量、微调数据量、冻结层数三轴。

13.7 常见失败模式排查表

症状	最可能原因	处方
验证集 accuracy 99%+ 但事件级灵敏度近 0	类别坍缩到全阴性 + 指标选错	换事件级指标；正类过采样/focal loss
训练损失不降	参考电极/单位处理错误，信号尺度错乱	核对 channels.tsv 单位与 reference；逐通道 z-score
FP/24h 高得离谱	后处理缺最短发作时长约束	加滑动平滑 + 最短事件长度 + 不应期
跨中心性能断崖	中心间设备固件/参考差异 + 人群差异	中心内归一化；域对抗/BN 统计适配
EEGDash 加载报错	缓存目录权限/网络中断残留	清子目录缓存重拉；检查磁盘配额
双导联与单导联记录混训报形状错	未统一通道策略	按 EEG 通道数分组或通道 mask
复现数字与论文差一个数量级	用了预印本口径发作数或自定义时间划分	锁正刊 883 口径 + 官方受试者划分

这张表来自该方向公开文献与工程实践的失败模式汇总，出场频率排序基本按「坑人次数」——前两行几乎每个新手都会踩一遍。

13.8 与本库其他 EEG 条目的能力矩阵

能力维度	SeizeIT2	chb-mit-scalp-eeg(72)	eegmmidb(342)	bonn-eeg(322)	hbn-eeg(362)
癫痫事件标注	是（883 次）	是（约 185 次）	否	类别标签	否
可穿戴设备	是	否	否	否（离体）	否
多中心	5 中心	1 中心	1 中心	单一实验室	单一协议多站点
运动同步记录	ACC+GYR+EMG	否	任务态运动想象	否	否
患者队列	是	是	健康人	混合	健康人
许可宽松度	CC0（最宽）	开放协议	开放协议	公开	公开

矩阵读法：要做「事件检测 + 可穿戴 + 多中心」三要素齐备的实验，全库只有本条目能同时提供；要做头皮全导联的算法容量上限，去 chb-mit-scalp-eeg；做运动想象范式，eegmmidb；做快速原型与小样本分类，bonn-eeg；做大规模健康人群发育研究，hbn-eeg。

17.5 扩展 FAQ（十一至三十问）

Q11：数据集里有没有健康对照？
没有。125 名受试者全部是确诊局灶性癫痫患者。健康人可穿戴 EEG 数据需另配（如本库 wearable-exam-stress、hbn-eeg）。

Q12：发作标注有没有起止时间，还是只有二值标签？
有逐次起止区间，以 BIDS 事件文件（TSV）承载，可支撑检测与定位两类任务。

Q13：可以只下载部分受试者吗？
可以。OpenNeuro 支持按目录选择性下载；EEGDash 流式加载天然按需拉取。

Q14：采样率统一吗？需要重采样吗？
EEGDash 元数据显示全部 5654 条记录均为 256 Hz，无需跨采样率对齐；模型输入要求的重采样按需自做。

Q15：ECG/EMG/运动通道和 EEG 同步吗？
同步。所有模态由同一 Sensor Dot 记录单元以 256 Hz 同步采集，无跨设备对齐问题——这是相对「可穿戴 + 独立设备」组合数据的工程优势。

Q16：有没有发作类型的逐次标签？
数据集以局灶性发作为整体口径发布；发作类型/起源侧别的逐次细分以各中心临床记录为准，使用前应检查事件文件附带字段。做发作类型分层研究前务必先做这一步尽调。

Q17：数据量能撑起深度学习吗？
能。>11000 小时、883 次事件的体量在该方向属于最大梯队；但极端类别不平衡意味着深度模型的成功高度依赖采样策略与评估纪律。

Q18：SeizeIT2 和 SeizeIT1 数据能合并用吗？
不建议直接合并。设备形态不同（模拟电极 vs 商用 Sensor Dot）、中心数不同，合并会引入未受控的设备域差异；如确需合并，必须把「数据集来源」作为协变量显式建模。

Q19：引用时要引几个 DOI？
两个：数据 DOI（10.18112/openneuro.ds005873.v1.1.0）+ 论文 DOI（10.1038/s41597-025-05580-x）。

Q20：国内网络环境怎么下载？
OpenNeuro 本体可直连；EEGDash 若需拉 HuggingFace 元数据指针，将 HF_ENDPOINT 指向 hf-mirror.com 即可，原始数据不走 HF。

Q21：数据里有没有视频？
没有。可穿戴数据集不含病房视频；视频证据仅用于临床端标注金标准，不随数据发布。

Q22：可以发布基于它的衍生数据集吗？
可以。CC0 允许再分发与衍生，无署名义务（学术引用仍属规范）。注意衍生集若重新标识风险升高（如附带原始时间戳），需自行做伦理评估。

Q23：训练时怎么处理发作前后缓冲区？
文献惯例是在发作区间前后加固定缓冲（如 30-60 秒）计入正类或排除出训练。关键是：缓冲区策略全文一致、并在论文中明确报告。

Q24：有没有睡眠标注？
没有专门睡眠分期标注。夜间的背景数据可用于睡眠相关探索，但无 ground truth 分期，需自行用无监督或外部模型。

Q25：Single Sensor Dot 够做左右侧定位吗？
单耳后位点的空间分辨率不支持可靠的侧别定位；双侧佩戴组合在数据中的覆盖情况以实际记录的通道布局为准。

Q26：数据是 EDF 格式吗？
BIDS 组织下信号文件与通道/事件元数据按 BIDS-EEG 惯例存储，MNE-BIDS 可直接读取；具体文件后缀以下载快照为准。

Q27：能做发作预测（提前报警）而不是检测吗？
能。逐次标注支撑 prediction 协议（提前 N 分钟报警），但评估口径（AlAR 类指标）与检测不同，需单独设计。

Q28：五中心的数据规模均匀吗？
牵头中心 UZ Leuven 贡献占比最大，其余四中心为扩展站点；做跨中心实验前先统计各中心记录数，避免小中心折样本噪声。

Q29：基线代码在哪里拿？
论文配套的基准与加载代码由 STADIUS 团队共享（论文 Usage Notes 与致谢给出入口）；EEGDash 的注册类 SeizeIT2 亦可作为加载起点。

Q30：数据更新会通知吗？
OpenNeuro 版本更新无主动推送，建议在项目中锁 v1.1.0 + DOI，并在引用时检查是否有更新快照。

19.5 术语表增补

preictal（发作前期）：发作开始前的过渡时段，预测任务的目标窗口。
postictal（发作后期）：发作结束后的抑制/恢复时段，常伴背景节律改变。
ictal（发作期）：发作活动本身的时段，检测任务的标注主体。
ictal tachycardia（发作期心动过速）：发作期心率显著上升的自主神经表现，ECG 通道的检测依据。
semiology（发作表现学）：发作的临床行为表现描述，运动学模态的可穿戴对应物。
domain shift（域偏移）：训练与部署数据分布不一致的现象，跨设备/跨中心实验的核心挑战。
leave-one-center-out：留一中心交叉验证，多中心数据集的站点泛化标准协议。
alarm record（报警记录）：预测任务的评估单元，统计每次报警的命中与误报。
artifacts regression（伪迹回归）：用参考通道（运动、肌电）估计并扣除目标信号中伪迹成分的方法族。
canonical alias（规范别名）：EEGDash 为数据集注册的类名（此处为 SeizeIT2），代码加载的稳定入口。
snapshot（快照）：OpenNeuro 数据集的版本化封存单元，引用与复现的锁定对象。
10-20 system（国际 10-20 系统）：头皮电极布置标准；耳后位点可映射到其颞区邻近位置。

20.5 引用与复现注意事项汇总

复现 SeizeIT2 相关工作时，以下六点构成「引用卫生」最小集：

锁版本：v1.1.0 + 数据 DOI，论文引用用正刊 DOI；
锁口径：发作数 883（正刊），时长 >11000 小时（论文），记录数 5654（EEGDash 口径需注明）；
锁划分：官方训练/验证受试者划分，自定义划分须声明；
锁指标：事件级灵敏度 + FP/24h 为主，窗口级指标仅作辅助；
锁场景表述：「真实可穿戴设备、住院环境」，不得表述为居家 in-the-wild；
锁边界：仅局灶性发作，结论外推到全面性发作须显式声明局限。

这六点写进项目 README 或论文实验节，可规避该方向文献中绝大多数的可比性争议——它们全部来自数据集官方口径与本条目 §9 的双口径存照，无一条是主观约定。

13.9 方法谱系讲义：从手工特征到基础模型

为了帮助不同背景的读者快速定位「该从哪条技术路线入场」，这里把癫痫检测的方法谱系按三代展开，并标注每代在 SeizeIT2 上的适配情况。

第一代：手工特征 + 浅层分类器（1990s-2010s）。 代表技术：时域统计量（幅值、方差、过零率）、频带功率（delta/theta/alpha/beta 相对功率）、熵类特征（样本熵、排列熵）、非线性特征（Lyapunov 指数）+ SVM/随机森林/逻辑回归。优点：小样本友好、可解释、边缘设备可部署；缺点：特征设计依赖专家经验，跨患者泛化差。在 SeizeIT2 上：官方 SVM 基线即此路线，作为下界参照；对算力受限的落地项目仍是首选起点。

第二代：端到端深度学习（2015-2022）。 代表架构：CNN（时域卷积直接吃原始波形）、ChronoNet（卷积+GRU，官方深度基线）、ResNet 变体、U-Net 式序列分割、Transformer 编码器。优点：免去特征工程、容量大、可做多模态早期融合；缺点：需要采样策略精心设计对抗类别不平衡，跨域迁移仍需显式处理。在 SeizeIT2 上：数据体量足以支撑从头训练，但耳后少导联限制了为 ImageNet 式大模型设计的架构的通道维利用。

第三代：生理信号基础模型 + 探针/微调（2022-）。 代表工作：大规模 EEG 预训练模型（MAE 式重建、对比学习）、多模态生理编码器。优点：少样本适配、可能携带跨设备不变表征；缺点：预训练语料以头皮全导联为主，向耳后少导联的通道适配是未解问题。在 SeizeIT2 上：是 §13.5 线一、线五的实验场——目前尚无公开工作系统报告「生理基础模型在真实可穿戴临床数据上的迁移边界」，这是空白。

三代谱系的读法不是「新的取代旧的」：可穿戴产品的真实约束（边缘算力、功耗、个性化校准）让第一代至今活得很好，而第三代的价值恰好要在 SeizeIT2 这类「真实设备 + 临床标注」的数据上才能被诚实检验。

13.10 评估协议模板：可直接抄的指标定义

把事件级评估写成无歧义的伪代码级定义（与论文指标体系对齐的通用写法）：

输入：预测事件列表 P = [(s_i, e_i)]，标注事件列表 G = [(S_j, E_j)]
参数：最小重叠比例 θ（常用 0 或任一时间重叠即可命中）

TP = |{p ∈ P : ∃ g ∈ G, overlap(p, g) ≥ θ}|
FP = |P| − TP
FN = |G| − TP（一个 g 至多被计一次，多个 p 命中同一 g 仍算 1 TP）

sensitivity = TP / |G|
precision   = TP / |P|
FP/24h      = FP / (总监测小时数 / 24)
F1          = 2·TP / (|P| + |G|)

三条纪律：其一，θ 必须显式报告（θ=0 与 θ=0.5 的成绩不可比）；其二，同一标注事件被多个预测命中时只计一次 TP，多余预测计入 FP；其三，总监测小时数用墙钟时长（论文口径），不用数据流累计口径（EEGDash 口径），否则 FP/24h 被稀释一半。窗口级指标（accuracy/AUC）只允许作为辅助诊断信息，不得作为主表。

13.11 附录 A：BIDS 关键字段速查

使用 SeizeIT2 时最常查询的元数据字段汇总（字段名以 BIDS 规范为准，具体取值见实际快照）：

dataset_description.json：Name（应为 SeizeIT2）、BIDSVersion、License（CC0-1.0）、Authors、ReferencesAndLinks（论文 DOI）。
participants.tsv：participant_id（sub-<id>）、人口学列（年龄、性别等）；多次记录的同一患者以 pid 类列关联。
<匹配>_channels.tsv：name（通道名）、type（EEG/ECG/EMG/ACC/GYR 等 BIDS 通道类型）、sampling_frequency（256）、unit、reference（EEG 通道的参考方案——勿臆断）。
<匹配>_events.tsv：onset/duration（发作起止，秒）、trial_type 或 label（事件类别字段，以实际文件为准）。
<匹配>_eeg.json：任务级 EEG 元数据（采样率、参考、滤波历史等）。

一条实用建议：首次接触时先写一个 20 行的元数据巡检脚本，遍历全树汇总「每记录的通道构成、时长、事件数」三列，比任何文档都能更快建立对数据真实形态的直觉。

13.12 附录 B：超参起点速查表

给出在同类可穿戴 EEG 检测文献中反复出现的「安全起点」，供快速搭建首轮实验（均为经验值，非数据集官方规定）：

超参	安全起点	备注
窗长	2 s（512 点 @256Hz）	1-10 s 均有文献，2 s 最通用
窗重叠（训练）	50%	评估窗不重叠
带通	0.5-40 Hz	保留发作频带，抑制漂移与肌电
陷波	50 Hz	欧洲电网频率
重采样	128 Hz（可选）	模型输入减半，精度损失很小
正负采样比	1:3 起步	按 batch 平衡，勿全局平衡
优化器	AdamW，lr 1e-4~3e-4	余弦退火或 plateau 调度
早停指标	受试者级验证事件 F1	勿用窗口 accuracy
缓冲区	前后各 30-60 s	全文一致并报告
事件命中判据 θ	任一时间重叠（θ=0）	与 θ>0 敏感性分析并列报告

13.13 附录 C：延伸阅读地图

按主题给出 SeizeIT2 上下游的文献/资源地图（本条目不展开，仅给定位）：

上游方法学：SeizeIT1 系列验证研究（模拟耳后 EEG 发作检测可行性，团队早期论文）；Chi et al. 2010 等干电极可穿戴 EEG 的奠基性工作。
同代数据集：CHB-MIT（头皮基准）、TUSZ（大规模头皮语料）、Siena（单中心头皮）、BOAS（Bitbrain 额带头带睡眠 PSG 对照，NEMAR on005555）——最后者与 SeizeIT2 构成「可穿戴 EEG 两个应用极」（睡眠 vs 癫痫）。
下游工具：MNE/MNE-BIDS（读取）、braindecode（PyTorch 模型库）、EEGDash（目录与流式加载）、AutoCell/EEG 融合类工具链按需选用。
领域综述：可穿戴癫痫监测（wearable epileptology）方向近年综述，检索关键词建议 wear* EEG seizure detection multi-center。
产业侧：Byteflies 的 Sensor Dot 在欧洲居家癫痫监测部署的公开资料，可补充「产品端如何消费此类数据」的视角。

13.14 附录 D：审稿人视角的自我检查单

以 SeizeIT2 做主数据集的论文/报告，投稿或评审前对照以下检查单（每条都对应本条目前文的一个坑点或存照）：

[ ] 数据版本锁定为 v1.1.0 并给出数据 DOI；
[ ] 发作总数引用 883（或注明预印本口径 886 的出处）；
[ ] 总时长表述为逾 11000 小时（或注明 EEGDash 统计口径 22897.2 小时）；
[ ] 训练/验证划分方式显式声明（官方划分或自定义受试者级划分）；
[ ] 主指标为事件级灵敏度 + FP/24h，θ 判据显式报告；
[ ] 未声称居家/真实世界 free-living 场景结论（住院环境限定词在位）；
[ ] 局限节声明仅覆盖局灶性发作；
[ ] 若混用单/双导联记录，通道统一策略已描述；
[ ] 跨中心实验的中心留出协议已描述（无调参泄漏）；
[ ] 与基线的比较使用同一预处理与评估代码路径。

这份检查单本质上把本条目 §9 的三处存照与 §14 的十个坑翻译成了可执行的验收语言——写论文时逐条打勾，可以挡住该方向评审中最常见的十类质疑。

13.15 横向深比：SeizeIT2 与可穿戴 EEG 生态中的邻居们

可穿戴 EEG 数据生态近年快速扩张，SeizeIT2 的几个「邻居」值得专门对照，避免读者张冠李戴。

BOAS（Bitbrain Open Access Sleep，NEMAR on005555）。 128 夜、108 名健康成人的 PSG 与额带头带 EEG 同步对照数据，主打睡眠分期验证。与 SeizeIT2 的三点差异：人群（健康人 vs 癫痫患者）、任务（睡眠分期 vs 发作检测）、设备（额带头带 vs 耳后贴片）。两者合起来覆盖了可穿戴 EEG 的两大临床应用极；做「可穿戴 EEG 通用表征」的团队应同时收入。

WearBCI（SenSys '26）。 36 名健康人、EEG+IMU+第一视角视频、运动动态分级采集，主打真实世界 BCI 与跨模态增强基准。与 SeizeIT2 的关键互补：WearBCI 有视频与系统化运动条件但无患者无事件标注；SeizeIT2 有患者与临床事件但无视频无分级运动协议。做「运动伪迹下 EEG 增强」的方法学，WearBCI 适合方法开发、SeizeIT2 适合临床场景验证。

各类 IMU/生理多模态数据集（非 EEG）。 PAMAP2、WESAD 等经典可穿戴基准没有 EEG 通道，做「发作的行为学检测」时只能作为伪迹建模的参照，不能直接支撑发作检测任务。

一张定位小结：在「临床事件标注 × 真实可穿戴设备 × 多中心」的三轴空间里，SeizeIT2 目前仍是唯一同时非零的公开数据集；邻居们各自在一两个轴上更强。这个格局短期内不太可能改变——多中心患者可穿戴采集的成本与组织难度决定了同类数据集的稀缺性。

13.16 监管与转化视角：CC0 数据集在医疗器械算法链路中的角色

对走临床转化路线的团队，SeizeIT2 在监管语境下的位置值得说清：

它不是验证集，是开发资源。 医疗器械算法（无论按 EU MDR 还是 FDA SaMD 路径）的确认研究需要前瞻性、符合试验规范的独立数据；SeizeIT2 的回顾性住院数据只能承担算法发现与可行性阶段的角色。把它当「临床验证数据」写进注册资料是常见误用。
它是监管沟通的语言课。 五中心、真实设备、金标准标注的数据上跑出的「跨中心泛化差距」与「可穿戴噪声敏感性」，是和监管/临床顾问沟通算法风险时最有说服力的定量语言。
CC0 降低了转化链路的合规摩擦。 厂商内部使用、再分发衍生切窗数据、构建私有基准均无许可障碍——对比注册制数据集在产业合作中的法务成本，这是实际的工程优势。
患者隐私的下游责任仍在。 CC0 免除的是数据使用许可，不免除使用者自身的隐私治理义务；衍生工作遵循所在司法辖区的健康数据规范。

13.17 教学路径：用 SeizeIT2 上三门课

数据集的体量、真实性与 CC0 组合使其成为信号处理/医学 AI 课程的优质教学素材。三条经过验证的课程化路径：

课程一：生理信号处理实习（本科高年级）。 周次安排：第 1-2 周用单受试者数据做读取、可视化、带通/陷波滤波；第 3-4 周做坏段检测与统计（对比静息/活动段信号质量）；第 5-6 周做发作区间的目检与特征提取；第 7-8 周跑通一个小型 SVM 检测器。教学价值：真实伪迹让学生第一次理解「教科书波形」与「现实波形」的距离。

课程二：医学 AI 项目制课程（研究生）。 以官方划分为固定赛题，小组在统一评估框架下比拼事件级灵敏度-FP/24h 曲线；期末报告必须包含 §13.14 检查单全项。教学价值：把「评估纪律」从说教变成竞赛约束。

课程三：可穿戴系统工程专题（产业方向）。 以 §4.8 的产品阶段映射表为骨架，学生分组模拟「算法组/数据组/合规组」完成从数据审计到监管路径文档的全流程演练。教学价值：理解数据集在产品链路中的真实位置。

13.18 可复现性讨论：为什么这个数据集是方法学透明的样板

以可复现性的视角复盘 SeizeIT2 的发布形态，有几处做法值得整个数据集发布生态借鉴：

版本化 DOI：数据集快照有独立 DOI（10.18112/openneuro.ds005873.v1.1.0），论文引用与数据状态永久绑定，解决了「论文发表后数据悄悄变了」的经典漂移问题；
官方划分随数据发布：把「怎么分训练/验证」从各论文的自由裁量变成数据集契约，直接掐灭了划分套利空间；
统一指标随基线给出：基线、指标、划分三件套一起发布，后续工作的最低合规路径清晰可循；
CC0 全开放：无注册、无申请、无等待，衍生与再分发自由，复现链路上没有人为延迟点；
双仓储镜像：OpenNeuro 主仓 + NEMAR/EEGDash 镜像，单点故障容忍度高于多数数据集。

对照 §9 的三处口径存照可以看到诚实的另一面：预印本与正刊的数字差异被完整保留在公开记录里，镜像统计与论文口径的差异可以被任何使用者交叉验证——可复现性不等于数字永不打架，而在于所有口径都能被溯源。这恰是本库在数十个条目上反复执行的双口径纪律想要抵达的状态。

13.19 分受众使用指南：四类角色的入场姿势

角色一：机器学习研究者（冲方法论文）。 入场姿势：直奔官方划分 + 事件级指标，首个实验复现双基线校准管线，然后选择 §13.5 六条选题线之一做主贡献。关键纪律：不做受试者内随机切分、不报窗口 accuracy 主表。预期产出：跨中心泛化或跨模态去噪的方法学论文。

角色二：临床信息学/流行病学研究者。 入场姿势：先把 participants.tsv 与事件表的描述统计做全（患者构成、发作密度分布、中心分布），再设计分层分析。可贡献的独特视角：发作时间分布的昼夜/住院日模式、跨中心临床实践差异的量化。注意：数据为住院监测期，不能支撑发病率的真实世界估计。

角色三：可穿戴工程师（做产品）。 入场姿势：把数据集当作「最接近自家设备信号形态的公开替身」，先跑信号质量审计（坏段率、伪迹能量谱）与自己设备的数据对表，再决定算法路线（§13.9 三代谱系的选择题）。产品化前必读 §13.16 的监管定位节。

角色四：教师/科普作者。 入场姿势：CC0 + 真实波形 + 戏剧性事件（发作）的组合是天然教材，按 §13.17 三门课的路径裁剪。科普场景下注意患者叙事的伦理分寸——数据已去标识，讲「技术」不猜「病人」。

13.20 实验设计矩阵：任务 × 划分 × 模态的推荐组合

把本条目前文的建议压缩成一张可勾选的实验设计矩阵（行=论文声称的任务，列=必须固定的条件）：

声称的任务	划分	主指标	模态集	必须的对照
发作检测（通用）	官方划分	灵敏度+FP/24h	EEG±其他	双基线复现
跨中心泛化	leave-one-center-out	每中心迁移差距	全模态	中心内上界
发作预测	官方划分+时间锚	提前 N 分钟报警率	EEG+ECG	随机报警基线
多模态消融	官方划分	事件 F1	逐模态递增	EEG-only 下界
去噪增益	官方划分	去噪前后灵敏度-FP 曲线	EEG 与运动模态	无去噪对照
跨设备迁移	CHB-MIT→SeizeIT2	迁移增益	EEG	从头训练对照

矩阵的读法：任何一行里「必须的对照」缺失，结论都不成立。这张表可以直接用作论文实验节的自审清单，也可以用作开题答辩时的方案骨架。

13.21 未来展望：这个数据集的下一站

基于发布形态与社区轨迹，可以对 SeizeIT2 的演进做三点有据推测：

其一，版本继续演进。 OpenNeuro 的版本机制与团队代码活跃度（EEGDash 注册、基准代码维护）表明数据集处于活跃维护期；未来快照可能扩充标注字段（如发作类型逐次细分）或补充记录。锁定版本引用的纪律因此长期有效。

其二，衍生基准生态成形。 CC0 使第三方切窗版本、竞赛数据、跨数据集合并基准的构建毫无许可障碍；该方向第一个公开 leaderboard 大概率以 ds005873 为主赛道之一。

其三，居家数据集接力。 SeizeIT2 明确留下的「住院场景」边界是下一代的选题：同一团队或同行推出居家长程可穿戴癫痫数据集只是时间问题。本条目的场景限定词表述（「真实可穿戴设备、住院环境」）届时将需要为新数据集让出「真实世界」的完整冠名——这正是数据集谱系演进的正常节奏。

对使用者的行动建议：现在以 v1.1.0 建立的工作管线应把「版本无关」的部分（BIDS 读取、指标计算、划分协议）模块化，未来版本切换或居家数据集接力时的迁移成本将趋近于零。

13.22 总结陈词：一条数据集的三个身份

收束全篇，SeizeIT2 在不同视角下呈现三个身份，每个身份都成立且互不冲突：

对算法研究者，它是一个基准。 五中心、125 人、883 次标注发作、双基线、官方划分、CC0——把可穿戴癫痫检测从「没有像样公开数据」推进到「有统一考场」。

对方法学历史，它是一份存证。 预印本与正刊的 886/883 之差、论文与镜像的 11000/22897 小时之差，都被公开记录完整保存——它示范了数据集发布如何同时做到开放与可溯源，是本库双口径纪律在数据集生态中的同类物。

对临床转化，它是一座桥。 从临床头皮 EEG 的实验室世界到可穿戴设备的产品世界之间，此前没有承重的桥；SeizeIT2 用真实设备、真实患者、真实伪迹把两岸连了起来——桥面不宽（住院场景、仅局灶性发作），但方向明确，且桥的另一端已经在施工（居家数据集、监管路径、产业部署）。

本条目 slug 取名 brain-wearable-monitoring 的最后一点用意也在此：SeizeIT2 不是这个故事里最后一个数据集，而是「脑可穿戴监测」这个主题族里第一个够格立柱的成员。后续无论居家癫痫监测、可穿戴神经重症监护还是消费级脑健康数据集入库，都将以本条目为锚点向两侧互链——数据集百科的价值，正在于把这样的谱系提前织好。

8.5 设备深讲：Sensor Dot 的工程画像

既然设备形态是 SeizeIT2 区别于全部同类数据集的根属性，值得把 Sensor Dot 的工程画像单独展开，帮助读者把「信号为什么长这样」追因到硬件层。

硬件架构：Sensor Dot 采用主体记录单元 + 可更换电极贴片的模块化设计。记录单元内含生物电采集前端（多通道差分放大、24 位级 ADC——具体位宽以厂商规格为准）、惯性测量单元（三轴加速度计 + 三轴陀螺仪）、存储/传输模块与电池管理；电极贴片经导线连接主体，按监测需求配置 EEG（耳后 1-2 导）、ECG、EMG 贴片位。模块化的临床动机很直接：电极贴片是一次性卫生件，记录单元可复用消毒，这与长程住院监测的成本结构匹配。

信号链关键点：干/湿电极的选择决定信号质量下限——Sensor Dot 在癫痫监测场景使用标准导电凝胶湿电极路线（与临床系统同源的技术路线），这使其信号质量优于典型干电极消费级头带，但佩戴便利性换来了对凝胶维护的依赖；输入阻抗、共模抑制与采样同步精度构成信号链的三个关键规格，均按医疗级流程验证。

时间同步：可穿戴与 vEEG 系统的同步精度直接决定标注映射误差。SeizeIT2 采集方案中两系统在监测期同步运行，同步机制的残余误差量级属设备与协议细节（论文 Method 节），对窗级检测影响可忽略，但对毫秒级起始定位研究应予审计。

固件与一致性：多中心长周期采集的最大硬件风险是固件/配置漂移。商用设备的固件版本管理是 Byteflies 交付流程的一部分，数据集发布时各记录附带设备/通道元数据可供审计——使用者在做跨中心比较时，若发现某中心信号统计异常，应先排查设备配置差异再怀疑人群差异。

这张硬件画像的结论一句话：SeizeIT2 的信号「坏得有规律」——伪迹来源可追溯到具体硬件环节，这正是它比「黑箱噪声数据集」有价值得多的原因。

8.6 数据安全与部署合规要点

把数据集引入生产或半生产环境（哪怕只是企业内网的分析集群）时，以下合规与安全清单值得过一遍：

落地即去敏确认：数据本身已去标识，但落地时应保持其只读、按项目隔离，避免与内部含身份数据的存储混置造成再识别通路；
访问审计：即便 CC0 无法律约束，企业内网对临床来源数据保持最小权限与访问日志是行业惯例，也是未来审计的通行证；
衍生数据分级：切窗特征、模型权重属低风险；若衍生过程保留了高精度原始时间戳或外部关联字段，风险等级上移，需单独评估；
跨境与出院数据政策：数据源于欧盟五中心，遵循 GDPR 源头合规；使用者所在辖区的健康数据出境规则独立适用（CC0 不豁免辖区法律）；
供应链：EEGDash 流式加载会向第三方服务发起请求，封闭网络环境应改用快照离线部署路线（§6.5 形态一/二）。

这份清单不替代法务意见，但足以让工程团队在与合规同事对话时不迷失——每个条目都对应一个真实的审计问题。

13.23 进阶问答（三十一至四十问）

Q31：可以做通道插值模拟头皮布置吗？
技术上可行但无空间信息支撑，1-2 导插值出的「导联」是插值的插值，不建议用于任何空间推理实验；通道适配应走重投影/掩码路线而非插值。

Q32：发作间的背景数据能用来预训练吗？
能，且是合理用法：自监督预训练（掩码重建/对比学习）吃背景长程数据，再在发作任务上微调——数据集的时长结构天然适配这种「背景多、事件少」的两段式配方。

Q33：多中心数据有记录重叠（同一患者跨中心）吗？
患者与中心绑定（入组在单一中心完成），participants.tsv 的 pid 关联同一患者多次记录；跨中心重复患者的可能性以实际参与者表为准，使用前审计。

Q34：能用来做心率变异性（HRV）研究吗？
ECG 通道与发作标注的组合天然支持「发作期自主神经动态」研究，HRV 是合理切入点；但注意记录的住院场景与药物混杂需在解释中声明。

Q35：有配套的预训练权重吗？
官方提供的是基线方法与代码（SVM/ChronoNet），不是大规模预训练权重；预训练权重需自训或取自社区模型（脑电基础模型生态）。

Q36：数据能用 braindecode 的标准任务范式直接消费吗？
能。BIDS 格式 + braindecode 的 BIDS 读取路径是官方推荐的深度学习消费方式；EEGDash 则进一步封装了切窗。

Q37：如果我只关心运动性发作，怎么筛选子集？
以运动模态（EMG/ACC）在发作区间的能量特征做启发式筛选，或按事件文件附带类型字段（若有）；筛选口径必须在论文中声明为「启发式子集」。

Q38：数据集有 off-line 的评估服务器吗？
没有。评估自包含在本地管线中；社区若建 leaderboard（§13.5 线四）将以 GitHub/第三方形态出现。

Q39：写 rebuttal 时如何回应「为什么不用 TUSZ」？
答法：TUSZ 是头皮临床系统语料，本研究的问题是真实可穿戴设备的检测性能与跨中心泛化，SeizeIT2 是唯一同时具备三要素的公开数据集；TUSZ 可作为跨设备迁移的源域补充。

Q40：条目里的数字我该信到什么程度？
所有硬数字锚定三源（arXiv/正刊/EEGDash），三处双口径已存照（§9）；引用时优先正刊口径并在语境中注明辅助口径——这是本库对全部条目的统一标准，本条目无例外。

13.24 附录 E：全文常量速查卡

写代码/写论文时最常粘贴的常量集中于此（口径均已存照）：

DATASET_NAME   = "SeizeIT2: Wearable Dataset Of Patients With Focal Epilepsy"
OPENNEURO_ID   = "ds005873"
VERSION        = "v1.1.0"
DOI_DATA       = "10.18112/openneuro.ds005873.v1.1.0"
DOI_PAPER      = "10.1038/s41597-025-05580-x"
ARXIV          = "2502.01224"
N_SUBJECTS     = 125
N_CENTERS      = 5
HOURS_PAPER    = ">11000 h"        # 论文口径
HOURS_EEGDASH  = 22897.2           # EEGDash 统计口径
N_RECORDINGS   = 5654              # EEGDash 目录口径
N_SEIZURES_MAIN = 883              # 正刊口径
N_SEIZURES_ARXIV = 886             # 预印本口径
FS             = 256               # Hz，全记录一致
SIZE_GB        = 44.4              # EEGDash 参考值
LICENSE        = "CC0-1.0"
DEVICE         = "Byteflies Sensor Dot"
FORMAT         = "BIDS"
MODALITIES     = ["bte-EEG", "ECG", "EMG", "ACC", "GYR"]
BASELINES      = ["SVM (feature-based)", "ChronoNet"]

13.25 附录 F：本条目与 FACTS.md 的对应关系

本条目正文的所有事实断言均可在 writing/brain-wearable-monitoring/FACTS.md 找到九节归档：§1-§2 对应 FACTS §1-§2（身份与论文时间线），§3 对应 FACTS §3（机构人物），§4-§4.8 对应 FACTS §4（规模硬数字），§5 对应 FACTS §5（任务标注），§6 对应 FACTS §6（许可获取），§7 对应 FACTS §7（评估基准），§10 与 §16 对应 FACTS §8（生态互链），§9 与 §14 的存照与坑点对应 FACTS §9（双口径存照与遗留疑点）。三处双口径（883/886、11000/22897、5654 口径归属）在三处源文件中口径一致，不存在正文与 FACTS 漂移。

14. 坑点清单：使用 SeizeIT2 的十个坑

坑 1：把 886 当成发作总数引用。 arXiv 预印本摘要写 886 次，正刊定稿 883 次。二手博客与早期综述多沿用 886。正确姿势：引用正刊 883，需要时注明「预印本口径 886」。任何「883 还是 886」的争论都以 Scientific Data 定稿为准。

坑 2：混用 11000 小时与 22897 小时。 论文口径逾 11000 小时，EEGDash 目录统计 22897.2 小时，差异来自多流累计口径。混用会让人质疑数据真实缩水或膨胀。正确姿势：主口径 >11000 小时（论文），辅助口径注明 EEGDash 统计。

坑 3：假设全部记录同构。 记录存在 2 通道 EEG（约 2850 条）与 1 通道 EEG（约 2804 条）两种通道形态，直接堆张量会形状报错或静默错配。正确姿势：加载后先按通道构成分组检查，统一通道策略再训练。

坑 4：用受试者内随机切分冒充泛化性能。 长程连续信号相邻窗口高度相关，受试者内随机切分等于把训练集答案贴在测试集旁边，性能轻松虚高到不可信。正确姿势：默认采用官方训练/验证受试者划分；自定义划分必须按受试者隔离。

坑 5：只报窗口级 accuracy。 极端类别不平衡下全阴性预测即可拿到 99%+ 的 accuracy，毫无临床意义。正确姿势：以事件级灵敏度 + FP/24h 为主要报告口径，与论文提供的指标体系对齐。

坑 6：把 SeizeIT1 的结论直接搬到 SeizeIT2 上。 两者设备（模拟电极 vs 商用 Sensor Dot）、规模、中心数完全不同，SeizeIT1 的小样本颞叶验证结论不能当作 SeizeIT2 的先验。正确姿势：按两个独立数据资产分别引用。

坑 7：在非 CC0 假设下过度限制使用。 有人看到临床数据就默认「非商业不可用」，实际许可为 CC0-1.0，商用、再分发均合规。正确姿势：以 OpenNeuro 页面许可字段为准；学术引用论文属社区规范而非法律义务；基准代码仓库的许可单独查看。

坑 8：把住院数据当居家数据。 患者戴着可穿戴但人在 EMU 病房，活动谱远窄于真实居家生活。宣称「real-world / in-the-wild 性能」的实验结论要加限定词。正确姿势：表述为「真实可穿戴设备、住院环境」。

坑 9：忽略版本引用。 OpenNeuro 数据集会随修订更新快照，不写版本的 DOI 引用会让复现者拿到不同快照。正确姿势：引用时带版本 v1.1.0 与对应 DOI（10.18112/openneuro.ds005873.v1.1.0）。

坑 10：直接用头皮 EEG 预训练权重零样本推理。 通道布局（耳后 1-2 导 vs 10-20 全导）、信号统计与伪迹结构差异巨大，零样本迁移基本失效。正确姿势：至少在 SeizeIT2 上微调，或做通道适配的预训练对齐。

15. DAIMS 数据资产画像表（24 项）

#	维度	SeizeIT2
1	官方名称	SeizeIT2: Wearable Dataset Of Patients With Focal Epilepsy
2	唯一标识	OpenNeuro ds005873，DOI 10.18112/openneuro.ds005873.v1.1.0
3	版本	v1.1.0（存在 v1.0.x 前序快照）
4	发布机构	KU Leuven ESAT-STADIUS 联合四个欧洲癫痫中心
5	发布渠道	OpenNeuro（主）、NEMAR（镜像）、EEGDash（流式）
6	发布时间	2025 年（预印本 2025-02-03，正刊同年 Scientific Data）
7	许可	CC0-1.0
8	获取方式	公开直链下载，无需注册；EEGDash 一行代码加载
9	数据格式	BIDS（生理信号 + TSV 事件/通道/参与者表 + JSON 元数据）
10	体量	约 44.4 GB（EEGDash 目录口径）
11	受试者数	125 名局灶性癫痫患者
12	人群	成人为主的患者队列，五中心连续入组
13	记录数	5654 条 recordings（EEGDash 目录口径）
14	总时长	>11000 小时（论文口径）；22897.2 小时（EEGDash 统计口径）
15	模态	bte-EEG、ECG、EMG、加速度计、陀螺仪
16	采样率	256 Hz（全记录一致）
17	设备	Byteflies Sensor Dot 贴片式可穿戴
18	采集场景	癫痫监测单元（EMU）住院期间同步佩戴
19	标注类型	逐次发作起止区间（vEEG 金标准锚定）+ 官方训练/验证划分
20	标注规模	883 次局灶性发作（正刊口径；预印本 886）
21	主任务	癫痫发作检测（窗口级/事件级/区间定位）
22	基准方法	特征+SVM 与 ChronoNet 双基线 + 统一事件级指标
23	关键局限	仅局灶性发作、住院场景、可穿戴噪声、基线非 SOTA
24	配套论文	Bhagubai et al., Scientific Data 2025, doi:10.1038/s41597-025-05580-x；arXiv:2502.01224

16. 建议互链点（库内条目 + rid）

chb-mit-scalp-eeg（rid 72）：同为癫痫发作检测基准，临床头皮 EEG 与可穿戴耳后 EEG 构成「同一任务、两代设备形态」的对照组，适合作为可穿戴部署前性能落差的分析参照。
wearable-exam-stress（rid 807）：同为可穿戴多模态生理信号数据集，健康人认知压力与患者发作监测构成「可穿戴传感」主题族的两个应用极。
eegmmidb（rid 342）：EEG 公开共享的两个范式代表——PhysioNet 运动想象标准任务 vs OpenNeuro 临床长程监测。
bonn-eeg（rid 322）：EEG 病理分析谱系的小样本片段分类端点，与 SeizeIT2 的长程事件检测形成任务粒度对照。
helsinki-neonatal-eeg（rid 880）：癫痫检测的人群另一端（新生儿），共同覆盖生命周期的两端。
hbn-eeg（rid 362）：健康发育队列的大规模 EEG 资源，与患者临床队列互补。

17. 十问十答（FAQ）

Q1：SeizeIT2 的数据能商用吗？
能。CC0-1.0 许可不设商业限制，也无需署名；但学术引用论文是社区规范，且基准代码仓库可能另有许可需单独查看。

Q2：需要注册账号才能下载吗？
不需要。OpenNeuro 快照支持匿名下载，注册仅用于上传与账号功能。

Q3：数据到底多少小时？为什么看到过 11000 和 22897 两个数？
论文口径逾 11000 小时（多模态记录），EEGDash 目录统计 22897.2 小时（含数据流累计的镜像口径）。引用首选论文口径并注明出处。

Q4：发作总数是 883 还是 886？
正刊（Scientific Data 2025）定稿为 883 次，arXiv 预印本为 886 次。以正刊为准。

Q5：数据是居家采集的吗？
不是。患者佩戴的是真实可穿戴设备，但采集发生在癫痫监测单元（EMU）住院期间，以便与视频脑电金标准同步对齐。

Q6：能用它训练全谱系发作检测器吗？
数据集只覆盖局灶性发作，全面性发作需另行补充数据（如头皮 EEG 公共语料），并注意域差异。

Q7：最快上手方式是什么？
pip install eegdash 后 from eegdash.dataset import SeizeIT2，一行加载；或走 OpenNeuro 全量下载后用 MNE-BIDS 读取。

Q8：官方基线性能如何？能直接用来做产品吗？
论文自评基线低于文献已发表方法（subpar），定位是可复现锚点而非 SOTA。产品化需要额外的去噪、个性化校准与跨域验证。

Q9：训练/验证怎么划分？
数据集附带官方建议的受试者级训练/验证划分（suggestive split），建议首轮实验直接采用以保证与文献可比。

Q10：和 CHB-MIT 比该用哪个？
做算法研究、追头皮 EEG 文献对比用 CHB-MIT（rid 72）；做可穿戴落地、跨中心泛化、真实设备噪声鲁棒性用 SeizeIT2。两者是互补而非替代关系。

18. 事实清单（来源锚定）

数据集名称与身份：SeizeIT2 / OpenNeuro ds005873 / v1.1.0 —— OpenNeuro & EEGDash 元数据（来源 1、3）。
125 名患者、五中心、>11000 小时、883 次发作、bte-EEG+ECG+EMG+运动 —— Scientific Data 正刊摘要（来源 2）。
预印本 886 次口径、2025-02-03 提交、投稿目标 Scientific Data —— arXiv:2502.01224 摘要页（来源 1）。
5654 条记录、256 Hz、22897.2 小时、44.4 GB、CC0、通道构成（2ch×2850、1ch×2804）—— HuggingFace EEGDash/ds005873 数据卡（来源 3）。
设备 Byteflies Sensor Dot、SeizeIT1 先导脉络、五中心名录、资助编号（H2020 19263、BOF C24/18/097、FWO 1SB5922N/G0D8321N/G046925N）—— Scientific Data 正文（来源 2）。
基线方法 SVM 与 ChronoNet、性能 subpar 自评、建议划分与评估指标 —— 论文正文与 ArxivLens 摘要（来源 2、4）。
BIDS 格式与 OpenNeuro 获取 —— 论文 Data Records 节（来源 2）。

19. 术语表

bte-EEG（behind-the-ear EEG）：耳后脑电，将电极置于耳后皮肤的少导联 EEG 采集方式。
EMU（Epilepsy Monitoring Unit）：癫痫监测单元，专门用于长程视频脑电监测的住院病区。
focal epilepsy（局灶性癫痫）：发作起源于局部脑网络的癫痫类型，区别于全面性癫痫。
vEEG（video-EEG）：视频脑电，临床发作监测金标准。
BIDS（Brain Imaging Data Structure）：神经数据组织标准，规定目录结构与元数据格式。
CC0-1.0：公有领域贡献许可，无署名/商用/衍生限制。
FP/24h：每 24 小时假阳性次数，发作检测的标准代价指标。
ChronoNet：1D 卷积 + GRU 混合的 EEG 时序深度架构，2018 年提出，本数据集深度基线。
Sensor Dot：Byteflies 公司的贴片式可穿戴生理记录设备。
STADIUS：KU Leuven ESAT 下的动态系统、信号处理与数据分析研究中心。
EEGDash：基于 PyTorch/braindecode 的 EEG 数据集流式加载与目录工具。
ictal tachycardia：发作期心动过速，最常见的发作期自主神经表现，ECG 通道的检测价值来源。

20. 来源列表

arXiv:2502.01224 — SeizeIT2: Wearable Dataset Of Patients With Focal Epilepsy（预印本，2025-02-03）https://www.arxiv.org/abs/2502.01224
Scientific Data（Nature Portfolio）— 正刊 https://nature.com/articles/s41597-025-05580-x
HuggingFace EEGDash/ds005873 数据卡（ds005873 元数据镜像）https://huggingface.co/datasets/EEGDash/ds005873
ArxivLens 论文要点摘录 https://arxivlens.com/PaperView/Details/seizeit2-wearable-dataset-of-patients-with-focal-epilepsy-737-2f03ec0b
OpenNeuro ds005873 主页（经 EEGDash 元数据引用）https://openneuro.org/datasets/ds005873
NEMAR 收录页（EEG 数据镜像）https://nemar.org

（注：HuggingFace 主站在沙箱内不可直连，来源 3 的核验经 EEGDash 元数据缓存完成，数据卡字段与 OpenNeuro DOI 一致，互证有效。）

21. 尾注与引用格式

BibTeX 建议：

@article{bhagubai2025seizeit2,
  title   = {SeizeIT2: Wearable Dataset Of Patients With Focal Epilepsy},
  author  = {Bhagubai, Miguel and Chatzichristos, Christos and Swinnen, Lauren and Macea, Jaiver and Zhang, Jingwei and Lagae, Lieven and Jansen, Katrien and Schulze-Bonhage, Andreas and Sales, Francisco and Mahler, Benno and Weber, Yvonne and Van Paesschen, Wim and De Vos, Maarten},
  journal = {Scientific Data},
  year    = {2025},
  doi     = {10.1038/s41597-025-05580-x}
}

数据引用：OpenNeuro ds005873，v1.1.0，DOI 10.18112/openneuro.ds005873.v1.1.0。

本条目由千方病案医数集写手代理 agent-a-brainweara 于 2026-10-13 编写，基于三源互证（arXiv 预印本 / Scientific Data 正刊 / OpenNeuro-EEGDash 元数据）核验，双口径存照见 FACTS.md §9。

维度	内容
本质	首个面向局灶性癫痫患者的真实可穿戴（behind-the-ear，耳后）多模态生理信号开放数据集
团队	KU Leuven（鲁汶大学）ESAT-STADIUS 中心，一作/通讯 Miguel Bhagubai，资深作者 Maarten De Vos；13 位作者跨五国
论文	Scientific Data（Nature Portfolio）2025，doi:10.1038/s41597-025-05580-x；预印本 arXiv:2502.01224（2025-02-03）
数据	125 名患者、逾 11000 小时多模态记录、883 次专家标注局灶性发作（正刊口径）
模态	耳后 EEG（bte-EEG）+ 心电 ECG + 肌电 EMG + 加速度计 ACC + 陀螺仪 GYR，256 Hz
设备	Byteflies Sensor Dot（比利时安特卫普），耳后电极贴片式可穿戴
中心	五个欧洲癫痫监测中心：UZ Leuven（比）、Freiburg（德）、Coimbra（葡）、Karolinska（瑞典）、Aachen（德）
格式	BIDS（Brain Imaging Data Structure），OpenNeuro ds005873，版本 v1.1.0
许可	CC0-1.0（公有领域贡献，可商用、无需署名——工程上仍建议学术引用）
任务	癫痫发作检测（seizure detection）：窗口级/事件级二分类与发作区间定位
基准	特征+SVM（传统机器学习）与 ChronoNet（深度学习）双基线 + 官方训练/验证受试者划分建议
生态	NEMAR 收录；EEGDash 一行代码流式加载（eegdash.SeizeIT2）
谱系	SeizeIT1（院内模拟耳后电极先导研究）→ SeizeIT2（真实可穿戴多中心扩展）