三十六路追踪一夜觉醒—CPS 综合睡眠库

睡眠数据集常把问题切成两半：一类只保留足够做五期分期的少数脑电、眼电与颏肌电，通道干净、下载方便，代价是把整夜的呼吸用力、血氧起伏与肢体抽动都挡在门外；另一类保留呼吸、血氧、肢动与心电，样本量动辄上千，代价是把觉醒压成一个单一标签，看不出它究竟由气流受限、血氧下降还是腿部运动引起。CPS 综合睡眠库偏偏要把这条因果链完整留下来：一次气流受限或血氧变化何时出现，脑电觉醒何时被看见，脉搏波与逐搏推算血压随后怎样变化，全被放在同一条时间轴上。代价是它不再是匿名点击即可下载的轻量基准，而是来自德国单中心临床流程的受限健康数据，必须完成资质审核、指定培训与数据使用协议，才能碰到第一份文件。

它的稀缺性也正在这里。113 名成人各有一份诊断性多导睡眠记录，单份最多含 36 路原始信号、23 路 DOMINO 衍生信号、81 类事件以及多种问卷；公开版本又把原始 EDF 转为统一 256 Hz 的 WFDB。它能把“觉醒是否发生”推进到“觉醒与呼吸、肢动、脉搏波的先后关系”，却不能自动变成多中心、健康人群或治疗过程的证据。官方没有公开总记录小时数，也没有公布参与判读的专家人数；这两个空白不能用常识补齐。

一屏速览

维度	内容
官方全名	Comprehensive Polysomnography (CPS) Dataset: A Resource for Sleep-Related Arousal Research
发布方	PhysioNet；DOI 10.13026/sxs0-h317
贡献机构	Klinikum Esslingen、IT-Designers Gruppe、NRI Medizintechnik GmbH
作者	Stefan Kraft、Andreas Theissler、Vera Wienhausen-Wilke、Philipp Walter、Gjergji Kasneci
首次发布	2024 年 9 月 18 日
当前版本	1.0.0；版本日同为 2024 年 9 月 18 日，官网仅列这一版
采集时间与中心	2021—2022 年，德国埃斯林根临床医院心脏病、血管病与肺病科睡眠实验室，单中心
对象	113 名成年患者，接受常规、纯诊断性 PSG；正压治疗检查被排除
记录与夜数	113 份诊断性 PSG，对应 113 名患者；官网未另列“夜数”字段
总时长	官网与论文未公布全库总记录小时数，不从平均睡眠时间反推
原始通道	最多 36 路，其中 EEG 10、EOG 6、颏 EMG 3、ECG 1，另有呼吸、血氧、肢动、体位、光照与 PPG 等
衍生通道	23 路，包括脉搏传导时间、逐搏血压曲线、心率变异性、呼吸与睡眠频谱相关量
采样率	原始各路为 4、32、128 或 256 Hz；公开 WFDB 统一上采样到 256 Hz
标注	最多 81 类事件；含睡眠阶段、觉醒、呼吸、体位、肢动、心血管和血氧事件
判读方式	DOMINO 自动建议与衍生计算为起点，NRI 受训睡眠医学判读人员按 AASM 指南人工复核与调整；人数未披露
文件格式	临床原始导出为 EDF，发布前转为 WFDB；事件为 TXT，问卷和医嘱摘录为 YAML
许可与访问	PhysioNet Credentialed Health Data License 1.5.0；Credentialed Access、CITI 指定培训、项目 DUA
典型用途	觉醒起点检测、低通道替代方案、多模态因果线索、透明临床决策支持、睡眠质量关联研究

§1 它要解决的具体麻烦

1.1 觉醒不是一根孤立的标签

判断：CPS 解决的不是普通睡眠分期，而是觉醒前因、脑电表现与自主反应难以对齐的问题。 临床判读一次觉醒时，脑电频率突然改变只是可见结果之一。它可能由呼吸努力、气流受限、血氧下降、肢体运动、周期性肢动或打鼾触发，也可能是自发事件；同一时段还会在胸腹运动、鼻压、PPG、心率与脉搏传导时间上留下不同延迟的变化。只留一两路 EEG，模型能识别波形，却无法回答因果鉴别；只留呼吸通道，又无法确认睡眠结构是否真的被打断。

临床问题	常见数据留下什么	CPS 多留下什么	仍然缺什么
觉醒是否出现	EEG 或二元目标	EEG、EOG、EMG 与多类觉醒事件	独立多专家共识标签未说明
觉醒由什么引起	粗粒度呼吸事件	呼吸努力、气流受限、血氧、肢动、打鼾等分类	论文基线把多类合并为二元目标
能否少接电极	很少提供全套参照	最多 36 路原始信号可做通道消融	只来自一种设备与一个中心
脉搏波是否可替代部分脑电	常只有 PPG 波形	PPG、PTT 与逐搏血压类衍生量并列	衍生算法为专有 DOMINO 实现
模型能否进入判读流程	只报离线模型结果	研究目标明确包含透明决策支持	仍需临床终端验证与人工监督

1.2 它能给到的与给不到的

最多 36 路不是“每路都独立来自传感器”的同义词。EEG 表内既有双极导联，也有单电极相对其他电极形成的派生表达；RIP 的 Sum RIPs 是胸腹两路组合；23 路衍生量则由 DOMINO 从原始信号计算。把这些列全当成互不相关的原始特征，会造成严重的信息重复。正确用法是先画出来源图，再决定哪些通道可以进入模型。

需求	可以直接获得	不应宣称
五期睡眠状态	N1、N2、N3、REM、清醒，另有伪迹事件	官网没有在说明页承诺逐 30 秒文件布局
觉醒起点检测	多种觉醒标签及 EEG 后缀语义	不等于精确、统一的起止区间真值
呼吸事件识别	低通气、呼吸暂停、中枢性、混合性、阻塞性、RERA、气流受限	不等于正压治疗中的事件响应
多模态研究	神经电、心电、肌电、呼吸、血氧、体位、肢动、PPG	不等于所有记录都含同样完整的衍生量
临床人群建模	常规诊断转诊成人	不代表健康志愿者、儿童、家庭环境或多中心
精确复现临床原始数据	发布后的 WFDB、TXT、YAML	医院保存的原始 EDF 与完整病历并未一并开放

1.3 你的处境：何时它真正有用

CPS 最适合作为“多模态问题定义器”，而不是规模堆叠器。113 例不足以替代大型队列，却足以让研究者在同一夜、同一人、同一设备时钟上比较不同信号组合。当目标是减少电极、寻找替代指标或设计临床辅助界面时，这种同步性比单纯增加样本更重要。

你的处境	CPS 能做什么	第一项检查
已有 EEG 觉醒模型，想知道 PPG 是否补充信息	加入 Pleth、PTT、心率与血压衍生量做受控比较	区分原始 PPG 与 DOMINO 衍生列，防止同源泄漏
想做少导联方案	从完整模态逐组移除 EEG、EOG、EMG 或呼吸传感器	保留同一患者划分与同一事件口径
想定位觉醒诱因	利用带 (EEG) 与不带后缀的事件语义观察先后	不能把命名顺序当成毫秒级因果证明
想训练睡眠分期模型	可读取五种阶段标签与完整 PSG	它不是专为跨库分期排行榜构建的基准
想做决策支持界面	研究目标包含透明临床辅助与知识发现	需要在目标科室重新做可用性验证
想研究正压治疗效果	不合适	纳入规则排除了正压治疗性检查

1.4 为什么普通“觉醒检测”口径不够

传统机器学习常把事件变成连续区间：区间内每个采样点为一，区间外为零。临床实际却常重视觉醒起点，结束边界没有同等稳定的人工依据。配套论文 ALPEC 因此强调“近似定位、准确计数”，先把连续概率转成候选事件，再用容许时间缓冲比较起点。这个选择解释了为什么 CPS 不能照搬逐点分割的评价习惯：临床问题是“有没有漏掉一次需要复核的觉醒”，不是“每一个边界采样点是否吻合”。

口径	关注对象	对 CPS 的影响
连续分割	完整起止区间	结束位置的不确定会放大误差
起点检测	事件开始附近	与临床标注习惯更接近
事件计数	一夜发生多少次	需要合并过近预测并限制过长区间
因果分类	呼吸、肢动、打鼾、自发等	配套论文没有完成这一多分类任务
人工复核	候选事件是否值得看	应优先减少漏检，再控制工作量

1.5 一句话判断

如果问题需要把 EEG 觉醒与呼吸、肢动、血氧和脉搏波放在同一时间轴上，CPS 很难被小通道库替代；如果问题只需要更多夜数、更广中心或匿名即下，它不是正确答案。

这个判断把“综合”二字放回其真正含义：不是通道越多越好，而是同一生理事件能在多个层次被观察。原始信号、设备衍生信号、人工事件、问卷和睡眠诊断处在不同证据层，合在一起才构成研究价值；混在一起不加区分，则会把专有算法输出误当独立真值。

1.6 不适合谁

场景	结论	原因
无 PhysioNet 凭证、培训或 DUA 的课程作业	不适合	文件目录对匿名请求返回受限访问，不能绕过授权
需要儿童睡眠数据	不适合	纳入年龄为 18 岁及以上
研究 CPAP 等正压治疗前后变化	不适合	治疗性正压检查被明确排除
要证明跨国家、跨设备泛化	单独使用不够	单中心、SOMNOscreen 与 DOMINO 工作流
需要逐患者完整用药与既往病史	不适合	这些敏感字段为匿名化而移除
需要多标注者一致性分析	不适合	官网未公布标注者人数，也未给每人独立重判读矩阵
需要原始 EDF 原封不动重放	不适合	发布版已经转为 WFDB，临床原始文件仍由医院保管

§2 数据构成与规格

2.1 文件组成：一名患者是一棵小目录树

官方把数据组织为患者标识顶层目录，下面分成 PSG 与 YAML。PSG 内有信号记录节点和 Analysedaten 事件/衍生文本；YAML 放问卷、医生信摘录与判读耗时等结构化信息。顶层标识是匿名字符串，不是病历号，也不应试图反推身份。

路径层	官方描述	主要内容	使用边界
<patient_id>/	匿名患者目录	一名患者的一次诊断性 PSG 及配套资料	作为患者级划分键
PSG/<patient_id>.wfdb	发布版波形节点	最多 36 路统一时基信号	从 EDF 转换而来，不是原始临床容器
PSG/Analysedaten/*.txt	分析数据	23 路衍生信号与 81 类事件的文本导出	自动计算与人工复核内容并存
YAML/*.yml	问卷与摘录	一般睡眠问卷、ESS、RLS、PSQI、医生信关键项、判读耗时	部分问卷并非覆盖全部 113 人
README 与加载脚本	授权目录辅助文件	读取方式、推荐划分与生成统计的代码	需在获得访问后按版本保存

2.2 原始信号字段字典

最关键的结构数字是 36，而不是“几十路”。 官网逐项列出通道名及原采样率，能够把 36 路完整对回物理来源。发布时全部上采样到 256 Hz；原采样率仍决定每路原始时间分辨率，重复值上采样不会凭空增加信息。

模态	通道名	条数	原采样率	物理含义
EEG	C4:A1、C3:A2、F4:A1、O2:A1、A1、A2、C3、C4、F4、O2	10	128 Hz	脑电；单电极名表示相对其他电极形成的导出
EOG	EOGl、EOGl:A1、EOGl:A2、EOGr、EOGr:A1、EOGr:A2	6	128 Hz	左右眼动及参考导出
EMG	EMG+、EMG-、EMG	3	256 Hz	左右颏部肌活动与组合信号
ECG	ECG 2	1	256 Hz	心脏电活动
气流	Druck Flow、Flow Th	2	256 / 32 Hz	鼻口压力气流与热敏气流
呼吸努力	RIP.Abdom、RIP.Thrx、Summe RIPs	3	32 Hz	腹部、胸部感应体积描记及两者组合
PPG	Pleth	1	128 Hz	非优势手无名指末端血容量变化
血氧与脉率	SPO2、Pulse	2	4 Hz	指脉氧饱和度与脉率
肢动	PLMl、PLMr	2	128 Hz	左右腿周期性肢体运动传感器
鼾声	Schnarc、Druck Snore	2	256 Hz	声音/振动与鼻导管压力鼾声
环境与姿态	Licht、Pos.、Beweg.	3	4 / 4 / 32 Hz	环境光、体位与身体活动
设备状态	Akku	1	4 Hz	电池电压

两名受试者是公开说明中的例外：其 EEG 使用 A1:O2，而不是其他对象的 O2:A1。这不是简单改名；相减方向反转会改变极性。预处理若只按列序号拼接，会把两条记录的该导联方向弄反。应依据通道名识别，再决定是否把 A1:O2 乘以负一变换到统一方向，并在方法中记录这一处理。

2.3 一条记录的完整解剖

获得授权前无法查看文件目录的真实物理后缀组合，因此不能照其他 WFDB 库猜测每名患者一定由哪几个扩展名组成。可确定的是逻辑层：一个患者键连向波形、分析文本与 YAML；事件和信号共享同一夜的时间轴，而绝对日期已移到 1970 年 1 月 1 日以降低识别风险。

层次	一条记录提供什么	模型里应怎样保留
身份层	匿名 <patient_id>	只作分组键，不作可学习特征
波形层	36 路以内原始测量，发布版统一 256 Hz	保留通道名、单位、原采样率说明与有效长度
衍生层	23 路 DOMINO 计算信号	标记 derived，避免与传感器真值混称
事件层	81 类标注事件	保留原始德文名、英文映射、起点与单位
问卷层	一般睡眠问卷、ESS、RLS、PSQI 等	逐份记录问卷是否实施与是否作答
诊断层	医生信中的睡眠医学诊断、Baveno 分类、T90	只保留官方发布字段，不还原已移除病史
隐私层	日期统一平移、年龄与 BMI 分箱、敏感字段删减	不把 1970 日期解释为采集年代

2.4 主键与映射关系

113 名患者与 113 份诊断性 PSG 在官方资料中分别明确给出，数据说明又称每名受试者配有事件和问卷资料。最稳妥的关系模型是一人一记录；夜数没有单列字段，因此写作与数据库设计都应称“113 次诊断性 PSG”，而不是擅自扩写为纵向多夜队列。

主键	连接对象	基数判断	注意
patient_id	WFDB 记录	一对一	以匿名目录为边界
patient_id	分析 TXT	一对多文件	一个文件可代表一种信号或事件族
patient_id	YAML	一对多文件	不同问卷拆开存放
事件文件	事件名称	一对多事件	单位可能是秒、百分比、毫米汞柱或其他量
睡眠阶段文件	N1/N2/N3/REM/清醒/伪迹	一条时间轴多段	阶段与事件检测目标不能混为同一标签
医生信摘录	睡眠诊断/Baveno/T90	一组关键项	不是完整临床文本

2.5 与常见睡眠库字段的差异

CPS 的特别之处不是单纯多几个 EEG，而是把脉搏传导时间、逐搏血压估计、心率变异性与觉醒诱因放进同一发布。与 HMC Sleep Staging 相比，它更宽、更偏觉醒；与 CinC 2018 相比，它规模小得多，却保留更多原始与衍生模态；与 PSG-IPA 相比，它没有 12 名专家对同一批记录的重判读设计。

资源	核心监督	通道策略	文件/访问	最适角色
CPS	觉醒、分期、呼吸及其他事件共 81 类	最多 36 原始 + 23 衍生	WFDB/TXT/YAML，凭证访问	多模态觉醒与减传感器研究
HMC Sleep Staging	五期人工分期	4 EEG + 2 EOG + 1 EMG + 1 ECG	EDF/EDF+	跨库睡眠分期
CinC 2018	挑战目标觉醒逐采样点序列	13 路 PSG	WFDB/MAT 类结构，公开挑战发布	大规模觉醒检测基准
PSG-IPA	12 名技师对 20 条 PSG 的多轮判读	常规完整 PSG	EDF+ 与多专家标注	标注者一致性与辅助判读
Sleep-EDF	睡眠阶段	少通道经典 PSG	EDF	教学与轻量分期基线

2.6 通道的物理含义与派生链

23 路衍生信号包括：收缩压、舒张压、平均动脉压、舒张期与收缩期 PTT、平均 SpO2、积分 EMG、原始 PTT、HRV 低频与高频、心率曲线、RR 间期、交感迷走平衡、呼吸频率、阻塞曲线、相位角、Alpha+Beta/Delta/Sigma 频谱量、平均频率、活动、光照以及 REM 自动建议置信度。它们不是第二套独立采集，而是设备软件根据原始波形推导出的观察层。

派生族	代表字段	主要来源	泄漏风险
血压与脉搏传导	Syst、Diastol、MAP、Systol PTT、Diastol PTT、PTT Raw	ECG/PPG 等时序关系与专有算法	同时输入 PPG、ECG 与 PTT 时信息高度相关
心脏自主活动	Heart rate、RR Interval、HRV LF/HF、SVB	ECG 或脉搏间期	不应把衍生曲线当人工诊断标签
呼吸力学	RR、Obstruction、Phase Angle	气流与胸腹 RIP	可能编码 DOMINO 的既有判定规则
睡眠频谱	Alpha+Beta、Delta、Sigma、Average Frequency Value	EEG	与睡眠阶段及觉醒目标同源
其他平滑量	SpO2、Activity、Light	对应原始通道的处理版本	官网明确部分为原始量的平滑版本
REM 建议	REM Confidence	DOMINO 自动检测	可作辅助特征，不应替代人工阶段标签

§3 它是谁的数据

3.1 贡献者与机构分工

发布方不是采集方。 PhysioNet 负责版本托管、凭证访问、许可与 DOI；Klinikum Esslingen 负责临床招募和 PSG；NRI Medizintechnik 的受训人员完成人工判读；IT-Designers Gruppe参与研究、数据工程与项目支持。作者还分别关联图宾根大学、阿伦应用科学大学与慕尼黑工业大学，但官网摘要所称数据集合作主体是前三家德国机构。

主体	角色	证据边界
Klinikum Esslingen	单中心临床采集、知情同意、数字化与假名化流程	2021—2022 年常规诊断检查
NRI Medizintechnik GmbH	受训睡眠医学人员按 AASM 复核、调整关键诊断事件	官网未给标注者人数
IT-Designers Gruppe	研究合作、数据处理与项目支持	与医院数据保护人员共同设计发布流程
SOMNOmedics GmbH	SOMNOscreen 硬件与 DOMINO 软件供应方	软件为专有产品，不是数据所有者的同义词
PhysioNet	版本 1.0.0 托管、许可、DUA 与持久标识	不改变数据的德国单中心来源
STZ Softwaretechnik GmbH	官网致谢中的资助主体	资助不等于人工判读机构

3.2 时间线

日期/时期	事件	含义
2020-10-21	巴登-符腾堡州医师协会伦理委员会批准，编号 F-2020-105	先于临床采集
2021—2022	埃斯林根睡眠实验室采集数据	形成 113 份诊断性 PSG
采集后	EDF/TXT 导出、问卷数字化、假名化与进一步匿名化	构成发布前处理链
2024-09-18	PhysioNet 发布版本 1.0.0	CPS 正式可申请访问
2024-09-20	ALPEC 论文预印本提交	数据集与觉醒起点评价框架共同公开
当前版本页	仅列 1.0.0	没有第二版日期可写

临床试验注册号为 DRKS00033641，研究题目聚焦“基于脉搏波分析的睡眠相关觉醒计算机辅助诊断”。因此，CPS 从设计起就不是泛化到所有睡眠问题的万能队列，而是围绕觉醒诊断、减轻采集负担、透明决策支持与医学知识发现建立的目的性样本。

3.3 采集场景与人群边界

纳入对象是 18 岁及以上、被转诊到睡眠实验室做常规纯诊断性 PSG 的患者。这里的“常规”很重要：不是为了造一个整齐机器学习数据集而招募健康志愿者，而是把真实临床检查纳入研究；“纯诊断性”同样重要：使用正压治疗的检查被排除，所以设备、睡眠结构和呼吸事件不受当夜治疗压力干预。

边界	官方口径	对外推的影响
年龄	成人，至少 18 岁；发布年龄只给 <50、50-60、60-70、>70 等组	不能验证儿童或精确年龄效应
BMI	由身高体重计算后分组，原身高体重不发布	不能重建连续人体测量值
性别	问卷中只有部分人提供，发布侧只保留汇总信息	不能做逐人性别条件建模
临床状态	因睡眠问题转诊做诊断检查	不代表一般社区健康人群
治疗	排除正压治疗性检查	不适合治疗响应研究
中心	德国埃斯林根一家睡眠实验室	设备与判读流程存在中心特异性

3.4 数据来源的五个层次

层次	谁产生	能否视为直接观察	典型内容
传感器层	SOMNOscreen 与各类电极/传感器	是	EEG、EOG、EMG、ECG、气流、RIP、PPG、SpO2
软件计算层	DOMINO	否，是算法衍生	PTT、血压曲线、HRV、阻塞与频谱量
软件建议层	DOMINO	否，是初始候选	睡眠阶段、觉醒与其他诊断事件建议
人工判读层	NRI 受训专家	是临床监督信号	按 AASM 复核和调整后的关键事件
患者/临床文本层	问卷与医生信	患者报告或临床摘要	睡眠质量、嗜睡、腿不宁问题、睡眠诊断

这五层必须分别标识。模型若同时输入 DOMINO 派生信号，再拿经 DOMINO 初筛、人工调整后的事件作目标，可能学到的是同一软件规则的回声，而不是独立生理规律。这样的模型仍可用于辅助工作流，却不能不加说明地称作“从原始生理信号发现新机制”。

§4 它最独特的东西

4.1 稀缺性：脉搏波站在 PSG 中央

很多 PSG 库有 Pleth，但很少把脉搏传导时间、逐搏血压曲线、HRV、胸腹相位和分类觉醒一起发布。CPS 的研究假设正是：觉醒会引发自主神经与血流动力学变化，PPG 及其衍生量可能减少对完整 EEG/EOG/EMG 组合的依赖。它没有证明可完全弃用 EEG；它提供的是检验这一假设所需的同步材料。

稀缺组合	为什么重要	不能越过的线
EEG 觉醒 + Pleth	同步观察皮层与外周血容量变化	PPG 反应可能滞后，不能直接替代起点真值
ECG + Pleth + PTT	观察电活动到脉搏波的传递	PTT 衍生算法并非公开标准实现
呼吸事件 + 觉醒类别	区分诱因与脑电表现的先后	命名关系不等于严格因果实验
逐搏血压类曲线 + 睡眠阶段	观察自主反应随阶段变化	这是估计曲线，不是有创血压真值
问卷 + PSG + 诊断摘要	连通主观睡眠、整夜信号与临床结论	敏感临床上下文已大量删减

4.2 差异化证据不是“36 路”一个数字

36 路原始通道覆盖脑、眼、颏肌、心脏、呼吸、血氧、肢体、姿态、环境光和设备状态；23 路衍生通道把其中部分信号转为更接近临床概念的曲线；81 类事件再把波形上的变化映射为人工或半自动判读概念。三层同时存在，才支持减通道实验：全模态模型给上限，原始少通道模型看可替代性，加入衍生量模型看现有设备软件能带来多少增益。

实验层	输入	回答的问题	推荐报告
全原始模态	选定原始通道组	完整 PSG 能达到什么水平	明确每组通道与物理传感器
神经电最小组	EEG/EOG/EMG 子集	传统觉醒判读最低需要什么	不混入 REM 自动置信度
外周最小组	Pleth/ECG/呼吸/SpO2	少电极是否保留有效线索	与神经电基准使用同一划分
原始 + 衍生	加入 PTT、HRV、血压类曲线	专有软件计算能否帮助	单独披露衍生通道来源
事件辅助	呼吸/体位等事件作为上下文	已有临床事件能否减少误报	不能声称端到端自动化

4.3 具体案例：一次“呼吸性觉醒”的两种方向

官网对觉醒名称给出一个非常少见的语义区分。带 (EEG) 的事件表示先在 EEG 中识别到觉醒，随后才出现其致因事件；不带后缀，则表示致因事件先于可观察的 EEG 效应。以 Respiratory Arousal (EEG) 与 Respiratory Arousal 为例，两者不能合并后再讨论时间顺序；若只做二元“是否觉醒”，可以合并，但必须承认因果细节已被折叠。

事件名	官方解释	建模选择
Respiratory Arousal (EEG)	EEG 先被识别，随后出现呼吸相关致因事件	保留为独立类别可研究顺序
Respiratory Arousal	呼吸相关事件先于 EEG 效应	与上项不可随意互换
Flow Limitation Arousal (EEG)	EEG 觉醒先、气流受限后	注意时间标签的临床定义
Flow Limitation Arousal	气流受限先、EEG 效应后	适合观察诱因到表现的延迟
Arousal (EEG)	自发 EEG 觉醒	没有指定外部诱因
Arousal	自发觉醒	不应自动解释为呼吸事件
Autonomic Arousal	自主神经觉醒	官方论文基线明确排除，需另作任务

配套论文为二元起点检测把目标觉醒类别合并，并排除自主神经觉醒。这是论文实验口径，不是数据本身只有一个标签。复现时若目标不同，应从原始 81 类映射开始，而不是直接沿用作者的二元化结果。

4.4 标注粒度：设备建议、人工复核、研究目标三层

层次	产生方式	可承担的角色	不能承担的角色
DOMINO 建议	厂商算法自动计算事件与衍生通道	提高临床初筛效率	独立人工金标准
NRI 判读	受训睡眠医学人员按 AASM 复核调整	发布版关键诊断标注	多专家一致性研究，因人数和独立结果未公开
睡眠阶段	N1/N2/N3/REM/清醒及伪迹	睡眠结构上下文	官网未说明每段文件的精确 epoch 布局
觉醒	多诱因类别及先后语义	起点检测、因果类别探索	完整起止边界的绝对真值
呼吸事件	低通气、各类呼吸暂停、RERA、气流受限等	诱因分析与联合检测	正压治疗反应
ALPEC 二元目标	多类觉醒合并，自主神经觉醒排除	与论文基线比较	代表全部 81 类事件任务

标注者人数是一个必须保留为空的字段。官网写的是 medical experts 或 trained sleep medical scorers，使用复数，但没有给具体人数，也没有说明每夜由几人独立判读。不能从公司团队规模、论文作者数或 scorer.yml 文件名推断人数。

4.5 边界条件：最容易被卖点遮住的事实

条件	实际边界	研究设计应对
“全夜”	官网给 113 次诊断 PSG，但未给全库总小时数	按记录有效长度读取，不写虚构总时长
“原始数据”	临床原始 EDF 未随发布保留，公开版为转换后的 WFDB	把发布版称“发布波形”，注明转换
“统一 256 Hz”	4/32/128 Hz 通道被上采样	不把上采样后的每点当独立新测量
“人工标注”	DOMINO 先给建议，专家再调整	披露半自动起点，防止夸大独立性
“成人临床样本”	单中心转诊患者，近八成患不同程度 OSA 是论文的队列描述	外部验证必须换中心和人群
“完整临床上下文”	用药、既往病史、职业等被删除	不能做药物或共病因果研究
“所有问卷”	PSQI 只向 62 人发放，问卷可有未作答项	每个任务先核对可用问卷覆盖

§5 怎么拿到

5.1 目录结构与访问面

匿名访问可以阅读完整说明、版本、许可和字段表，却不能展开文件目录；对 /files/cps-dataset-sleep/1.0.0/ 的未授权请求会得到 403。这个行为正好证明它属于 Credentialed Access，而不是页面暂时失效。申请通过后仍应保存版本化路径，不使用无版本的“latest”地址做可复现引用。

资源面	匿名可见	获批后可见	作用
/content/.../1.0.0/	是	是	描述、方法、字段、许可、版本
/files/.../1.0.0/	否	是	患者目录与实际文件
DOI	是	是	固定引用版本 1.0.0
DUA 页面	是	是	项目使用承诺
患者文件	否	是	受限健康数据
临床原始 EDF	否	否，仅医院保留	不属于发布包

5.2 批量下载：先完成三道授权动作

顺序	动作	完成标志
1	建立并通过 PhysioNet credentialed user 审核	账户显示凭证状态有效
2	完成 CITI Data or Specimens Only Research 培训并提交证明	项目页识别培训状态
3	签署该项目 DUA	文件区对账户开放
4	使用登录后文件页生成的下载方式获取版本 1.0.0	本地目录包含 README、患者目录与校验信息
5	保存许可、DUA、版本页与下载日期	审计时能还原使用条件

不要把用户名、密码、会话 Cookie 或文件直链写入脚本仓库。下面只检查公开元数据，不会尝试绕过文件授权：

#-- 公开版本页应返回描述，文件页在未授权状态会拒绝访问
curl -I "https://physionet.org/content/cps-dataset-sleep/1.0.0/"
curl -I "https://physionet.org/files/cps-dataset-sleep/1.0.0/"

#-- 获批后请使用登录页面给出的版本化命令，不把凭证写进命令历史

5.3 读取方式：先从 WFDB 头文件发现记录

官方 README 与加载脚本只有获批后才能核对。一个稳健的本地入口是不猜患者名与物理文件组合，而是递归寻找 WFDB 头文件，再由 wfdb 读取元数据。以下骨架不上传受限文件，也不打印患者问卷或诊断文本。

from pathlib import Path
import wfdb
import yaml

root = Path("/secure/cps-dataset-sleep/1.0.0")
headers = sorted(root.rglob("*.hea"))

#-- 由实际头文件得到记录基名，避免猜扩展名
record_base = str(headers[0].with_suffix(""))
header = wfdb.rdheader(record_base)
print(header.fs, header.sig_len, header.sig_name)

#-- 只在受控环境读取一个短窗口，防止一次加载整夜多通道
record = wfdb.rdrecord(record_base, sampfrom=0, sampto=2560)
print(record.p_signal.shape, record.units)

#-- YAML 用安全加载器；输出前先确认字段不含受限临床内容
one_yaml = next(root.rglob("*.yml"))
with one_yaml.open(encoding="utf-8") as f:
    metadata = yaml.safe_load(f)
print(type(metadata), list(metadata)[:5] if isinstance(metadata, dict) else "non-dict")

5.4 转成表结构：不要把整夜波形塞进一个 CSV

波形应保留为分块数组或专用时序容器，事件和元数据才适合转表。一个可审计的数据契约至少保留患者键、记录键、通道名、物理单位、发布采样率、原采样率、样本起点与终点；事件表保留原名、英文名、起点、终点或持续量、单位、人工/自动来源和映射版本。

输出表	推荐主键	必留字段	不建议的做法
records	patient_id + record_id	有效长度、发布采样率、版本	把 1970 日期当真实采集日期
channels	record_id + channel_name	模态、单位、原采样率、是否衍生	用列序号替代通道名
signal_chunks	record_id + channel + chunk_start	数组路径、样本范围	整夜 36 路写成文本单元格
events	record_id + event_row_id	原名、英文名、时间、单位、事件族	先合并成二元再丢掉原标签
questionnaires	patient_id + form + key	题目版本、回答状态	把未实施问卷当否定答案
splits	patient_id	train/validation/test、划分版本	同一患者跨集合

5.5 标注映射：先保真，再为任务折叠

原始事件族	保真层	二元觉醒任务	多任务方案
分类觉醒	保留完整事件名和 (EEG) 后缀	按 ALPEC 论文指定目标合并	预测起点 + 诱因类别
自主神经觉醒	单独保留	论文基线排除	另设自主反应头
睡眠阶段	保留 N1/N2/N3/REM/清醒/伪迹	作为上下文或遮罩	与觉醒联合学习
呼吸事件	保留各型呼吸暂停、低通气、RERA、气流受限	不直接并入觉醒正类	独立呼吸事件头
体位	保留俯卧、仰卧、左右侧、直立等	作为上下文	做体位条件化分析
心血管/血氧事件	保留单位与算法来源	不当作人工觉醒真值	研究自主反应延迟

映射文件必须版本化。今天把所有觉醒合并为一类，明天研究诱因时还能回到 81 类原始语义；如果第一次转换就只剩零和一，后续无法恢复 (EEG) 先后信息，也无法分离自主神经觉醒。

5.6 五个最容易出错的地方

坑	错误做法	后果	正确做法
凭证	用匿名递归下载反复请求	403，且可能触碰使用规则	先完成培训与 DUA
时基	把全部 256 Hz 当真实采集分辨率	低速通道被误解为高精度连续测量	保存原采样率字段
极性	忽略两名患者的 A1:O2	与 O2:A1 方向相反	按名称显式标准化
来源	把 DOMINO 衍生量称原始传感器信号	夸大证据独立性	标注 raw/derived/proposal/manual
划分	自行随机切片后把同一夜放入两侧	严重时间邻近泄漏	使用患者级推荐划分
问卷	把没有 PSQI 的 51 人当零分	把“未实施”变成临床否定	单独编码实施状态
目标	把 81 类直接压成“觉醒/非觉醒”后删除原表	无法做因果类别研究	原表只读，映射另存
合规	将受限文件上传到第三方 API 或公共对象存储	违反 DUA 与患者保护要求	只在获批受控环境处理

§6 与库内条目的关系

6.1 关系图谱：它不是 CinC 2018 的改名版

查重结论明确：CPS 与 rid 1173、rid 493 不是同一发布。后两者彼此才是同一份 PhysioNet/Computing in Cardiology Challenge 2018 数据；rid 493 已作为旧页指向 rid 1173。CPS 有独立 DOI、独立版本页、不同国家与机构、不同采集年代、不同记录集合和不同访问许可。

站内记录	来源与规模	与 CPS 的关系	判定依据
cinc-2018-sleep-arousal / 1173	美国 MGH，1,983 条整夜 PSG，2018 挑战发布	独立数据集	MGH 团队、挑战 DOI 10.13026/6phb-r450、13 路信号
cinc-2018-sleep-legacy / 493	与 rid 1173 同一挑战数据	与 rid 1173 同物异名，但与 CPS 无关	库内迁移说明明确合并到 1173
CPS	德国 Klinikum Esslingen，113 份 PSG，2021—2022 采集	当前独立发布	DOI 10.13026/sxs0-h317、版本页与贡献机构均独立
HMC Sleep Staging / 654	荷兰 HMC，151 条 PSG	同设备生态的分期对照	中心、记录集合与任务不同
PSG-IPA / 1310	荷兰 HMC，20 条 PSG、12 名技师	多标注者对照	CPS 不提供同样的多专家矩阵
CAP Sleep / 1072	108 条全夜 PSG 与 CAP 事件	睡眠微结构对照	机构、标注体系与文件集合不同

最容易误撞的原因是三个名称都出现 PSG、sleep、arousal，而且都由 PhysioNet 托管。托管站相同并不意味着数据来源相同；应依次核对 DOI、采集机构、记录规模与版本页。四项同时不同，已经足以否定“同一批数据换 slug”的猜测。

6.2 检索路径

你要找什么	首选站内入口	为什么
大规模逐采样点觉醒挑战	rid 1173	CPS 规模小且访问受限，任务口径不同
传统五期分期与 8 路标准导联	rid 654	HMC 专为分期与跨库泛化设计
标注者间差异	rid 1310	明确有 12 名独立专家与两种判读设置
周期性交替模式	rid 1072	CAP 标签是其核心，不是 CPS 的主任务
儿科 PSG 与 EHR	NCH Sleep / 1013	CPS 只纳入成人且不带纵向 EHR
五中心超大临床档案	Human Sleep Project / 1209	CPS 是单中心目的性研究
经典少通道教学	Sleep-EDF / 73	获取和入门成本更低
脉搏波与多类觉醒因果线索	CPS	36 原始 + 23 衍生 + 81 事件的组合最突出

6.3 分工判据

任务	主数据	CPS 的位置	理由
预训练通用 PSG 表征	大型多中心队列	微调或外部小样本	113 人不足以独担预训练
觉醒起点算法	CPS + CinC 2018	CPS 负责临床起点与丰富模态	两者标签口径需单独映射
少通道替代研究	CPS	主力	同夜有全模态参照与 PPG/PTT
五期睡眠分期	HMC、Sleep-EDF 等	补充	CPS 的差异化不在分期规模
多专家一致性	PSG-IPA	不用 CPS 代替	CPS 未披露专家人数与独立标签
儿科模型	NCH Sleep	不适用	CPS 年龄下限 18 岁
正压治疗响应	治疗队列	不适用	CPS 明确排除该类检查
透明临床辅助	CPS	重要验证场景	原研究目标直接包含透明 CDSS

§7 质量评估与局限性

7.0 前置校正：受限访问不是质量分

凭证、培训和 DUA 会降低使用便利性，却是临床健康数据保护的一部分，不能直接判成“数据差”。相反，公开下载也不等于标注可靠。质量判断应拆为采集完整度、语义透明度、人工监督、代表性与可复现性五面；CPS 在多模态结构和文档上强，在中心多样性、原始处理透明度与多专家信息上有限。

容易混淆的量	正确解释
下载门槛	合规边界，不是信号噪声
通道数量	结构丰富，不保证每路互相独立
人工复核	提升临床可信度，不代表存在多专家共识
统一采样率	便于对齐，不增加低速通道原始信息
单中心常规临床	贴近该中心实践，不自动代表其他中心

7.1 五维评分

不做虚构总分，使用定性等级更符合证据边界。

维度	评级	判断依据
结构完整性	高	最多 36 原始、23 衍生、81 类事件并配问卷与诊断摘要
标注可解释性	中高	AASM 指南、DOMINO 建议与人工调整流程公开，但人数未披露
任务独特性	高	觉醒起点、脉搏波、PTT 与多诱因事件同轴
人群代表性	中低	单中心成人转诊人群，正压治疗检查排除
工程可复现性	中	WFDB 与加载脚本有利；专有 DOMINO、受限文件和 EDF 转换限制完全复现

7.2 标注质量的两层

第一层是临床语义：受训判读人员依据 AASM 对 DOMINO 建议进行人工复核和调整，这比纯自动标签更可靠。第二层是独立性与一致性：官网没有说多少人参加、每夜由几人评分、争议如何裁决，也没有发布同一记录的多份独立标签。因此可以说“专家人工复核”，不能说“多专家共识”。

问题	已知	未知	使用结论
谁判读	NRI 受训睡眠医学判读人员	具体人数与资历年限	可称专业人工复核
依据什么	AASM 指南	具体手册版本未在 CPS 页面列出	不自行补版本号
从何开始	DOMINO 自动建议	自动建议被修改的比例	不称完全盲法人工初标
如何裁决	未公开	双人复核或仲裁流程	不称共识标签
事件边界	起点是论文核心	结束边界稳定性	优先做起点与事件级评价
多任务映射	81 类原始事件可见	每类实际覆盖情况	先做可用性清单再选目标

7.3 可枚举偏差

偏差	形成机制	可能影响	缓解方式
中心偏差	仅埃斯林根一家睡眠实验室	贴片、流程与判读习惯单一	在不同医院外部验证
设备偏差	SOMNOscreen + DOMINO	模型学习厂商特征	报告原始信号与衍生信号两套结果
转诊偏差	睡眠问题患者接受诊断检查	不代表无症状社区人群	限定目标人群声明
治疗排除	正压治疗检查不纳入	无法覆盖治疗状态波形	另找治疗队列
年龄边界	只含成人	儿童睡眠结构不可外推	不混用儿科任务
匿名化损失	药物、既往病史、职业等移除	无法控制重要临床混杂	明示未观测协变量
问卷覆盖	PSQI 只给 62 人，其他表也可未作答	问卷任务可用样本缩小	记录实施状态与回答状态
衍生缺项	5 人没有收缩压/舒张压衍生通道	使用这些通道的模型不能覆盖全体	采用官方排除说明或设计可缺通道模型
标签重叠	推荐测试集中 1 例有重叠目标标注，论文实验排除	二元目标可能冲突	使用论文公布的排除标记
极性例外	2 人为 A1:O2 而非 O2:A1	通道方向不一致	按通道名标准化

7.4 外部验证矩阵

验证问题	外部资源	应固定什么	能得出的结论
觉醒检测能否跨中心	CinC 2018	目标觉醒定义、通道集合、评价单位	从德国小队列到美国挑战队列的迁移
分期表征能否复用	HMC Sleep Staging	五期映射与 256 Hz 处理	同设备生态下跨机构变化
专家差异是否影响模型	PSG-IPA	事件族与评价窗口	单标签模型面对多专家差异的稳健性
少通道模型能否落地	另一个含 PPG 的 PSG 库	PPG 位置、单位与同步方法	外周信号方案是否依赖 CPS 专有衍生量
成人模型能否用于儿童	NCH Sleep	不建议直接迁移	只能作为域差异研究，不能直接临床推广

外部验证时不能把 rid 1173 与 rid 493当成两个独立测试集，它们是同一挑战发布的两页。重复使用同一记录集合再报告“两次外部验证”，会制造不存在的证据增量。

7.5 为什么它会持续有用

CPS 的持续价值不靠扩容承诺，而靠“全套 PSG + PPG/PTT/血压衍生 + 分类觉醒 + 问卷”的组合。只要少传感器觉醒诊断仍是临床工程目标，这批同步记录就能作为消融和机制假设的试验台。其角色更像精细剖面而不是人口地图：剖面能看层次，不能代表整个地理范围。

长期价值	依赖条件	失效情形
通道消融参照	通道名、单位和时间轴可靠	转换时丢掉原采样率与来源
脉搏波觉醒研究	PPG 与 EEG/事件同步	只保留衍生 PTT、不保留原始 Pleth
临床评价框架	起点口径与人工复核流程清楚	把连续分割分数当唯一目标
教学案例	先后语义与多模态链完整	将 (EEG) 后缀抹掉
合规数据工程	访问和版本审计完整	文件离开批准环境或版本不可追溯

§8 生态位与历史

8.1 沿革：从临床研究到版本化资源

CPS 先有临床问题，后有公开数据。研究注册关注脉搏波能否支持睡眠相关觉醒的计算机辅助诊断；医院在 2021—2022 年采集常规诊断 PSG；合作团队把设备导出、问卷与医生信关键字段统一，经过假名化、匿名化和格式转换；2024 年由 PhysioNet 以受限健康数据许可发布。ALPEC 论文则把数据集与“近似定位、准确计数”的事件评价方式绑定起来。

阶段	产物	决定了今天什么特征
临床立项	DRKS00033641 与伦理批准	用途围绕觉醒诊断与决策支持
常规采集	113 份诊断 PSG	真实临床流程、单中心成人患者
厂商处理	DOMINO 衍生量和事件建议	丰富特征与专有算法依赖并存
人工判读	AASM 指南复核	形成临床监督信号
隐私处理	日期平移、分箱、字段删除	降低识别风险，也损失部分临床上下文
平台发布	WFDB/TXT/YAML、凭证与 DUA	可复用但不可匿名即下
方法论文	ALPEC 起点评价	明确事件计数与临床复核导向

8.2 与挑战赛的关系：同题不同发布

CPS 不是 2018 挑战赛的增补包，也不是其德国子集。两者都研究觉醒，但一个来自目的性临床研究并强调脉搏波、多类事件和透明辅助，一个来自 MGH 大规模回顾性 PSG 并为公开竞赛定义逐采样点目标。团队、中心、记录、DOI 与许可均不同。

维度	CPS	PhysioNet/CinC 2018
发布性质	临床研究数据集	计算生理学挑战赛数据
采集机构	德国 Klinikum Esslingen	美国 Massachusetts General Hospital
规模	113 名患者、113 份诊断 PSG	1,985 名受试者、1,983 份 PSG
通道	最多 36 原始 + 23 衍生	13 路
标签重点	81 类事件与问卷，论文聚焦觉醒起点	挑战目标觉醒三态序列
许可	Credentialed Health Data License 1.5.0 + DUA	站内记录说明为 ODC-By 1.0
DOI	10.13026/sxs0-h317	10.13026/6phb-r450

8.3 生态位：精细多模态剖面

轴	CPS 所在位置	直接后果
规模	小到中等临床样本	适合机制和消融，不适合独担大模型预训练
模态宽度	很宽	可比较神经电、呼吸与外周脉搏波
标注宽度	很宽	可设计多任务，但先要审计各事件可用性
中心数	单中心	需要外部验证
获取难度	高于开放小库	合规成本进入项目计划
临床贴近度	常规诊断流程	对该类患者有现实意义，非健康基线

8.4 谁在用，适合用来做什么

发布时的配套论文是第一项使用。官方用途说明允许与原研究目标一致的研究，包括提高觉醒诊断质量和效率、降低采集技术负担、评估透明临床决策支持、研究觉醒与睡眠质量的临床关联，以及用机器学习发现医学知识。这里没有授权“任何医疗 AI 用途”的空白支票；申请项目应把目标写回这些范围。

角色	合理问题	不合理捷径
睡眠算法组	哪些通道组合足以定位觉醒起点	只报同库随机切片成绩
生理信号组	PPG/PTT 与 EEG 觉醒的时间关系	把衍生血压当直接测量真值
临床工程组	候选事件如何减少人工复核负担	宣称系统可替代专家
数据治理组	受限 PSG 如何版本化、最小化访问和审计	把文件同步到公共云盘
睡眠医学组	多种诱因事件如何关联睡眠质量	忽略已删除病史和用药造成的混杂

§9 使用指引

9.1 三种角色路径

角色	起步	核心产物	退出条件
算法研究者	先读 DUA、字段表与 ALPEC，再申请访问	患者级划分、通道来源图、事件映射表	发现目标依赖未发布字段时停止
临床工程师	与睡眠医师确认起点容许窗口和复核流程	面向事件的召回、工作量与解释界面	不允许模型自主下诊断
数据治理人员	建立凭证、培训、人员与存储位置清单	版本清单、访问日志、销毁与续期流程	DUA 到期或人员离组即收回权限

9.2 一条最短的可用流程

步骤	动作	验收点
1	确认研究目标与 DRKS 原目标一致	申请文本不泛化成无边界用途
2	完成凭证、CITI 培训和项目 DUA	文件区可访问
3	固定 1.0.0 并保存官方说明	DOI、许可与版本一致
4	用 README/加载脚本建立原样镜像	不改源文件，只生成派生清单
5	核对 36 原始、23 衍生、81 事件的名称空间	例外极性与原采样率入表
6	采用推荐患者级 fold，记录论文排除项	训练、验证、测试互斥
7	先复现二元起点基线，再做通道消融	评价单位与 ALPEC 参数写清
8	至少选一个独立中心验证	结论不困在 SOMNOscreen/DOMINO
9	发布代码与映射，不发布受限数据	他人可在获批环境复现

9.3 引用方式

对象	应引用什么	为什么
数据集	Kraft 等，Comprehensive Polysomnography (CPS) Dataset，version 1.0.0，PhysioNet，DOI 10.13026/sxs0-h317	固定数据版本
方法	ALPEC: A Comprehensive Evaluation Framework and Dataset for Machine Learning-Based Arousal Detection in Clinical Practice，arXiv:2409.13367	说明起点检测和评价框架
平台	PhysioNet 官方要求的标准平台论文	认可托管与基础设施
临床研究	DRKS00033641	说明原始研究目标与范围
许可	PhysioNet Credentialed Health Data License 1.5.0 与已签 DUA	说明使用条件，不用论文引用代替合规

论文方法节还应写清：使用 1.0.0、哪些原始与衍生通道、是否修正 A1:O2 极性、如何处理 5 名衍生血压缺项对象、是否排除重叠目标记录、目标事件映射、推荐 fold 是否改动，以及 ALPEC 参数由谁确定。

§10 AI 使用声明

项目	声明
文本生成	中文解释由 AI 辅助起草，事实按 PhysioNet 版本页与 ALPEC 论文逐项核对
数字来源	只收录官网或配套论文明确给出的规模、结构与边界数字
文件核验	匿名环境已确认文件区返回 403；未绕过 Credentialed Access，未读取任何患者文件
不一致说明	官网称 113 份记录，论文另明确 113 名患者；官网未单列总夜数，因此不扩写纵向夜数
论文信息	使用 arXiv:2409.13367v1 的数据说明、附录与 datasheet，不把论文实验口径冒充全部数据语义
未核验内容	全库总记录小时数、判读专家人数、每夜判读人数、授权目录的具体文件大小与物理扩展名组合
图像	无真实患者波形或截图；封面仅为生成式构图提示
合规	不提供或处理受限原始数据；实际使用者必须自行满足凭证、培训、许可与 DUA
免责	资料用于数据集评估与研究设计，不构成诊断、治疗或临床部署建议

常见误读（避坑清单）

说法	实际	证据
“CPS 就是 CinC 2018 的新网址”	两者是独立发布	德国/美国中心、DOI、规模、团队与版本页均不同
“113 份记录一定等于公开写明 113 夜”	官网写 113 份诊断 PSG 与 113 名患者，未另列夜数字段	PhysioNet 摘要与 ALPEC 表 13
“全库总小时可以用平均睡眠时间乘人数得到”	不能；睡眠时间不等于记录长度，官网未报总记录小时	官方字段缺位，本文不反推
“36 路全部是独立传感器原始量”	包含参考导出和组合信号，另有 23 路软件衍生量	原始通道表与 DOMINO 说明
“发布文件还是临床原始 EDF”	临床导出为 EDF，发布前转成 WFDB	官网 Methods 与论文附录 H
“统一 256 Hz 说明所有传感器原本都是 256 Hz”	原采样率有 4、32、128、256 Hz	官网原始通道表
“所有觉醒标签都是人工从空白开始画的”	DOMINO 提供建议，专家按 AASM 复核调整	Methods 与 datasheet
“标注由五位论文作者共同完成”	作者数与判读人数无关，官方未披露人数	贡献者与判读流程分开描述
“带 (EEG) 只是显示名称不同”	后缀编码事件与 EEG 表现的先后语义	Arousal Annotations 说明
“问卷每人都完整填写”	PSQI 只给 62 人，问卷还可能有未作答项	datasheet Composition
“1970 年是采集年份”	绝对日期为匿名化统一平移；真实采集在 2021—2022 年	Methods
“Credentialed 表示收费购买”	它表示资质、培训和 DUA 门槛，官网没有把它定义为商业购买	Access Policy 与 License 区块

FAQ

Q1：CPS 到底有多少人、多少记录、多少夜、多少小时？

官方摘要写 113 份诊断性 PSG，配套论文表 13 写患者总数 113，目录模型又以每名患者一个顶层标识组织，因此可确认是一名患者对应一份发布记录。官网没有额外的纵向访视或重复夜字段，也没有给全库信号总小时数。研究计划中应写“113 名成人、113 份诊断性 PSG”，夜数若必须填可说明按一次诊断检查计为 113 次，但要同时注明官网未单列 nights；总小时保持未报告，不能把论文中的睡眠时间汇总值当记录时长。

Q2：为什么说它有 36 路原始信号，却又说不是 36 个独立传感器？

通道是数据列，传感器是物理来源，两者不能一一等同。十路 EEG 里既有 C4:A1 等双极导联，也有 A1、C3 等相对其他电极形成的导出；Summe RIPs 是胸腹 RIP 的组合；左右眼电又各有多个参考表达。发布版把这些列都列为 raw data channels，是因为它们来自设备原始数据面，而不是 23 路后处理表，但它们仍可能共享电极和信号来源。做特征消融时应按物理模态或传感器组删除，不能按列随机删几个就宣称减少了同等数量的硬件。

Q3：可以只用 PPG 做觉醒检测吗？

可以把它设为研究问题，不能把答案预先写成“可以替代 EEG”。CPS 正是为了检验脉搏波、PTT、血压类曲线和心率变化能否提高觉醒诊断效率，并降低采集负担。合理设计是：先建立 EEG/EOG/EMG 临床参照，再比较 Pleth 单独、Pleth+ECG、Pleth+呼吸和加入 DOMINO 衍生量的方案；所有方案使用同一患者级划分。若 PPG 方案有效，还要在另一中心、另一设备验证，因为 CPS 的 PTT 与血压衍生量依赖专有软件，结果可能只适用于这一处理链。

Q4：为什么不能直接匿名下载，取得凭证后又要注意什么？

数据含睡眠医学诊断、整夜生理信号与问卷，属于受医生—患者保密关系保护的健康资料。PhysioNet 要求用户成为 credentialed user，完成 CITI Data or Specimens Only Research 培训，并为项目签署 DUA；匿名文件请求被拒绝是正常策略。获批不等于可以任意复制：应把文件留在批准的受控环境，只让项目成员访问，不把数据发送给第三方 API 或公共服务，不把密码与会话写进代码，并按 DUA 处理人员离组、项目结束、存储迁移与成果共享。

Q5：它与 rid 1173、rid 493 应该怎样同时引用？

如果研究真正使用 CPS，只引用 CPS 数据集 DOI 10.13026/sxs0-h317、版本 1.0.0 和相应方法论文即可。若同时拿 CinC 2018 做外部验证，再引用挑战 DOI 10.13026/6phb-r450。站内 rid 1173 是完整的 CinC 2018 主页面，rid 493 是同一挑战数据的旧页迁移说明，两者不是两套独立样本，不能分别算作两个验证队列。判定依据是 rid 493 自己明确指向 1173，且两页共享 MGH 来源、挑战名称、DOI 和记录集合；它们与德国 CPS 的所有核心身份字段均不同。

术语表

术语	解释
PSG	Polysomnography，多导睡眠图，同步记录神经电、肌电、心电、呼吸与血氧等信号
CPS	Comprehensive Polysomnography Dataset，本数据集简称
Arousal	睡眠相关觉醒，短时从较低活动状态转向较高活动状态的事件
AASM	American Academy of Sleep Medicine，美国睡眠医学学会，提供判读规范
EEG	脑电图，用于观察睡眠阶段与皮层觉醒
EOG	眼电图，用于观察眼动，尤其支持 REM 判别
EMG	肌电图；本库含颏部与腿部相关信号
ECG	心电图，记录心脏电活动
PPG / Pleth	光电容积脉搏波，反映指端血容量变化
PTT	Pulse Transit Time，脉搏传导时间，常由心电与脉搏波时序关系推导
RIP	Respiratory Inductance Plethysmography，胸腹呼吸感应体积描记
SpO2	外周血氧饱和度
RERA	呼吸努力相关觉醒事件
DOMINO	SOMNOmedics 的专有睡眠分析软件，产生衍生通道和初始事件建议
WFDB	Waveform Database，PhysioNet 常用的波形数据规范
EDF	European Data Format，临床原始导出格式；发布前已转换
DUA	Data Use Agreement，数据使用协议
Credentialed Access	通过身份、培训与项目审查后访问，而非匿名开放
ALPEC	Approximate Localization and Precise Event Count，近似定位、准确事件计数框架
Baveno 分类	用于描述阻塞性睡眠呼吸暂停临床严重性的分类字段之一
T90	睡眠期间血氧低于 90% 的时间比例，发布自医生信关键摘录

附录 A：核心数字核对表

数字	出处
113 名患者	ALPEC 附录 H 表 13 明写患者总数 113
113 份诊断性 PSG	PhysioNet 1.0.0 摘要与 datasheet Composition
2021—2022 年	PhysioNet 摘要、Methods 与 datasheet Collection Process
2024-09-18	PhysioNet 版本区：1.0.0 与 Published 日期
36 路以内原始通道	PhysioNet 摘要与 Raw data channels 表；逐名可加总核对
EEG 10 / EOG 6 / EMG 3 / ECG 1	PhysioNet Content of WFDB-files 通道名清单
23 路衍生通道	PhysioNet 摘要与 Content of TXT-files 清单
81 类事件	PhysioNet 摘要与 ALPEC §4.1
4 / 32 / 128 / 256 Hz 原采样率	PhysioNet Raw data channels 表
发布版统一 256 Hz	PhysioNet Methods 与 ALPEC 附录 H
2 名患者导联极性例外	PhysioNet Raw data channels 前说明
5 人缺收缩压/舒张压衍生通道	ALPEC datasheet Composition 与推荐 fold 注释
62 人接受 PSQI	ALPEC datasheet Composition
1 例测试对象有重叠目标标注	ALPEC 附录 I fold 注释
18 岁及以上	ALPEC 附录 H 纳入标准
License 1.5.0	PhysioNet License 区与 datasheet Distribution
总记录小时数未公布	PhysioNet 完整说明页与 ALPEC datasheet 均未给全库总记录时长
判读人数未公布	官网与论文只写 experts/scorers，未给数量

相关数据集导航

数据集	站内入口	与 CPS 的互补点
PhysioNet/CinC 2018 睡眠觉醒	cinc-2018-sleep-arousal / 1173	大规模挑战基准，非同一发布
HMC Sleep Staging	hmc-sleep-staging / 654	标准八导配置与五期分期
PSG-IPA	psg-ipa / 1310	12 名技师的标注者一致性
CAP Sleep Database	capsleep / 1072	周期性交替模式与睡眠微结构
Sleep-EDF	sleep-edf / 73	经典少通道分期教学
NCH Sleep DataBank	nch-sleep / 1013	儿科 PSG 与纵向 EHR
Human Sleep Project	human-sleep-project / 1209	五中心超大临床档案

导航说明：以上链接均使用生产库中已核对的真实 rid 与 url_name；rid 493 是 CinC 2018 旧页，不作为独立数据集重复导航。