信息速览

数据集名称The Icelandic 16-electrode electrohysterogram database — 冰岛 16 电极子宫肌电数据库

数据类型生理信号,时序数据,队列研究

规模45 名孕妇（122 条记录：112 妊娠期 + 10 产程）

接入方式冰岛三机构（Akureyri Primary Health Care Centre、Akureyri Hospital、Landspitali University Hospital）于 2008–2010 采集的妊娠期与产程腹壁 16 通道表面子宫肌电记录；Embla A10 采集设备，EDF 原始格式，200 Hz、16-bit

AI 就绪度

条目速览 · INFOBOX

条目速览 · The Icelandic 16-electrode electrohysterogram database (ehgdb)

字段内容

中文名冰岛 16 电极子宫肌电图数据库

英文全称 The Icelandic 16-electrode electrohysterogram database

常用缩写 EHGDB

数据类型腹壁表面子宫肌电（electrohysterography, EHG）生理信号

托管平台 PhysioNet（Open Access）

版本 v1.0.0（2015-05-09 发布，唯一版本）

版本 DOI 10.13026/C2159J

数据集许可 Open Data Commons Attribution License v1.0（ODC-By v1.0）

规模 122 条记录 / 45 名孕妇（112 妊娠 + 10 产程）

电极配置 16 个单极 Ag/AgCl 电极，4×4 网格，中心间距 17.5 mm

采样 200 Hz，16-bit；抗混叠低通 100 Hz，无高通

采集设备 Embla A10（16 通道），原始 EDF 格式

采集时间地 2008–2010，冰岛（阿克雷里 + 雷克雅未克）

孕周跨度 29 周 5 天 – 41 周 5 天

临床头信息约 19 项

事件注释 111/122 条记录附 .atr

体积未压缩 3.7 GB / ZIP 2.0 GB

论文 Sci Data 2:150017（2015），doi:10.1038/sdata.2015.17（CC BY 4.0）

伦理批号 National Bioethics Committee in Iceland，VSN 02-006-V4

主要用途早产预测、宫缩检测、EHG 信号处理与建模

§0 导读：为什么是这本「16 电极」小库

在 PhysioNet 数以百计的数据集里，ehgdb 是一本安静的小库：只有 122 条记录，来自 45 名孕妇，全部是同一类信号——孕妇腹壁上采集的表面子宫肌电（electrohysterography, EHG）。它既没有影像数据集的视觉冲击力，也没有电子病历库的字段纵深，却在围产医学与生物信号处理两条线上占着一个特别的位置。

这个位置来自三个「少数派」特征。

第一，它是高通道的。同期最重要的另一个公开 EHG 库是姊妹库 tpehgdb（Term-Preterm EHG Database），只有 4 个电极、3 个通道、20 Hz 采样；而 ehgdb 用了 16 个单极电极、4×4 阵列、200 Hz 采样。通道数与采样率的数量级差别，意味着 ehgdb 能支撑前者做不到的分析——子宫电活动在腹壁上的空间传播。宫缩不只是「有没有」，还有「从哪里起、往哪里走、传得多快」，这需要多通道阵列才能刻画。

第二，它是早产预测主题的。早产是全球围产医学最棘手的问题之一：临床常用的评估手段（宫颈长度、胎儿纤连蛋白等）预测力有限，而 EHG 记录的是子宫自身的电活动，理论上直接对应「子宫准备分娩」的生理过程。因此 ehgdb 常被用作早产分类与宫缩识别的实验数据。

第三，它只有一个版本。这在一个容易产生「版本差异」的数据家族里显得特别——姊妹库 tpehgdb 在 2012 年从 v1.0.0 升到 v1.0.1，头文件增加了 8 项临床信息（但记录数没变）。ehgdb 自 2015 年上线以来始终是 v1.0.0，记录数恒为 122。本条目会把这件事讲清楚：库里不存在「旧版 vs 新版记录数不同」的情形，那个版本故事属于姊妹库。

本条目面向几类读者：要拿这本库做早产/宫缩建模的研究者、做妊娠生理信号处理的方法学读者、以及希望理解「小库为什么值得单独成条」的数据目录读者。全文按 AI-Ready 词条结构展开：§1 先以十问速览回答最常被问到的硬事实；§2 解剖数据构成与信号规格；§3 梳理采集与分析流水线；§4 把 ehgdb 与姊妹库逐项对比；§5 谈早产预测的方法学脉络；§6 讲获取与许可；§7 看生态与影响；§8 提炼方法学启示；§9 给库内互链；§10 是避坑清单。附录提供术语表、事实清单与常见问答。

一句话概括：ehgdb 是「16 电极、200 Hz、122 条、单一版本」的冰岛孕妇子宫肌电库，价值在空间传播分析与早产预测，而不是在规模。

§1 速览十问：十个硬事实

以下十问，把最容易出错、也最值得记住的事实先钉住。每一问都在后文有更细的展开，但如果你时间有限，读这一节就能拿到核心。

问 1：ehgdb 的全称是什么？为什么叫「冰岛 16 电极」？

全称是 The Icelandic 16-electrode electrohysterogram database，缩写 EHGDB（取 Icelandic 16-electrode Electrohysterogram DataBase 之意）。名字里三个关键词各自对应一个事实：

Icelandic（冰岛）：数据于 2008–2010 年在冰岛采集，采集机构包括阿克雷里的 Akureyri Primary Health Care Centre、Akureyri Hospital，以及雷克雅未克的 Landspitali University Hospital（冰岛国立大学医院）。
16-electrode（16 电极）：每条记录用 16 个单极（monopolar）Ag/AgCl 电极，排成 4×4 网格贴在孕妇腹壁上。这是本库区别于其他 EHG 库的核心硬件特征。
electrohysterogram（子宫肌电图）：记录的是子宫平滑肌的电活动。注意「子宫肌电」与「胎儿心电图」不是一回事——前者来自子宫肌层，后者来自胎儿心脏，虽然都在孕妇腹部采集。

「electrohysterography（子宫肌电描记法，EHG）」这个词本身值得留意：它由 electro-（电）+ hystero-（子宫）+ -graphy（描记）构成，与心电（ECG）、肌电（EMG）同属生物电描记家族。

问 2：规模到底多大？122 条、45 人，怎么拆？

硬数字是：122 条记录，来自 45 名孕妇。这 122 条按记录时孕妇所处阶段拆为：

112 条妊娠期（pregnancy）记录——在孕期门诊或住院期间采集，孕妇尚未进入产程；
10 条产程（labour）记录——在分娩产程中采集。

45 名妇女中，32 人被测量了 2 次或以上，构成纵向（longitudinal）结构；测量次数最多的是受试号 ice027，共 7 次记录。这种「同一人多次、跨越不同孕周」的设计，是这本库相对很多「一人一测」数据集的方法学优势——它允许研究者追踪同一个体的子宫电活动随孕周如何演化。

问 3：信号规格是什么？200 Hz 意味着什么？

每条记录的关键采集参数：

采样率 200 Hz：即每秒 200 个采样点，可表示的信号最高频率为 100 Hz（奈奎斯特极限）；
16-bit 量化：每个采样点用 16 位整数表示；
抗混叠滤波器高截止 100 Hz：采样前滤掉 100 Hz 以上的成分，防止混叠；
无高通滤波：采集链路不施加高通，意味着基线漂移（baseline drift）与低频运动伪迹被完整保留。这是刻意的设计选择——把滤波决策留给下游研究者，而不是在采集端替他们做掉。

200 Hz 这个数字很关键：它远高于姊妹库 tpehgdb 的 20 Hz。EHG 的能量主要集中在 0.1–1 Hz（宫缩的慢包络）到几十 Hz 的频段，200 Hz 能保留更高频的细节，适合做频谱分析（如 peak frequency、median frequency）等特征提取。

问 4：16 个电极怎么排？和 4 电极库差在哪？

电极是 16 个单极 Ag/AgCl 电极，物理尺寸为外径 13.0 mm、内径 8.0 mm，排成 4×4 网格，相邻电极中心间距 17.5 mm。

「单极」意味着每个电极相对一个公共参考点测量电位，而非「双极」的电极对差分。单极配置能以单通道形式覆盖更多空间位置，代价是更容易受共模干扰影响（需在预处理中处理）。

与 4 电极库的差别是本质性的：4 电极只能给出 3 个差分通道，无法定位传播方向；4×4 单极阵列给出 16 个空间采样点，可以重建腹壁电位分布，进而分析宫缩的起始位置与传播路径。这正是 ehgdb 被设计成 16 电极的初衷。

问 5：谁做的？发在哪？

数据集由冰岛与法国团队合作产出，作者共五位：Asgeir Alexandersson、Thora Steingrimsdottir、Jeremy Terrien、Catherine Marque、Brynjar Karlsson。机构涉及：

Reykjavik University（雷克雅未克大学，冰岛）；
Landspitali University Hospital（冰岛国立大学医院）；
Université de Technologie de Compiègne（UTC，法国贡比涅技术大学）——Catherine Marque 是 EHG 信号处理领域的重要学者。

数据描述论文发表在 Scientific Data：Sci Data 2:150017（2015），doi: 10.1038/sdata.2015.17，PMCID PMC4431509，PMID 25984349。论文 2015 年 1 月 2 日投稿、3 月 30 日接收、4 月 28 日在线发表。数据本身在 2015 年 5 月 9 日由 PhysioNet 以 v1.0.0 上线——数据比论文正式上线晚了约 11 天。

问 6：怎么下载？什么许可？

ehgdb 在 PhysioNet 上属于 Open Access：没有 gated 门槛、不需要申请表单，任何人都可以直接下载。入口是：

https://physionet.org/content/ehgdb/1.0.0/

数据文件许可是 Open Data Commons Attribution License v1.0（ODC-By v1.0）——允许使用、再分发与改编，条件是署名归属（attribution）。体积上，未压缩约 3.7 GB，打包 ZIP 约 2.0 GB。

需要特别区分的是两个许可：数据集文件是 ODC-By v1.0，而论文是 CC BY 4.0（Scientific Data 是开放获取期刊）。引用数据时按 ODC-By 署名；引用论文时按 CC BY 4.0。混用会出错。

问 7：伦理怎么解决的？能再分发吗？

采集经过**冰岛国家生物伦理委员会（National Bioethics Committee in Iceland）**批准，批号 VSN 02-006-V4。

数据属去标识（de-identified）生理信号加去标识临床头信息，加上 ODC-By 的开放许可，因此可以合法再分发——这也是它能长期托管在 PhysioNet 这种开放平台的前提。约 19 项临床头信息（年龄、BMI、孕周、分娩方式等）虽然涉及临床背景，但已去除直接身份识别信息。

问 8：有没有版本差异？「旧版 vs 新版记录数不同」是真的吗？

对 ehgdb 而言，没有。 这是本条目要重点澄清的一点。

ehgdb 只有 v1.0.0 一个版本，自 2015-05-09 上线至今未迭代，记录数恒为 122；
网上流传的「旧版 vs 新版记录数不同」版本故事，属于姊妹库 tpehgdb：
- tpehgdb v1.0.0 于 2010 年 11 月发布；
- v1.0.1 于 2012 年 8 月 21 日发布；
- 变更说明原文是「Eight items of clinical information were added to the header files in August 2012. No other changes were made.」——只往头文件加了 8 项临床信息，没有其他改动；
- 因此记录数在旧版新版都是 300 条，没有变化。

结论：无论 ehgdb 还是 tpehgdb，都**不存在「旧版新版记录数不同」**的情形。真正的版本差异只是 tpehgdb 头文件字段数 +8。本条目按事实写，不虚构 ehgdb 的版本变更。（§4 会详述这个家族。）

问 9：临床头信息里有什么？够不够判早产？

每条记录的头文件约有 19 项字段，包括：年龄、孕前与孕期 BMI、孕次（gravidity）、产次（parity）、既往剖宫产史、胎盘位置、记录时孕周、分娩时孕周、分娩方式、是否使用缩宫素、是否使用硬膜外镇痛、备注等。

是否「够判早产」要打一个问号。 头信息提供了记录时孕周与分娩时孕周，理论上可以推导 term/preterm 标签，但官方没有把「这条是早产还是足月」作为现成标签随库发布，也没有给出标准的 term/preterm 划分文件。研究者需要根据头信息自行判定，并与作者后续论文的口径对齐。这一点在 §10 会列为坑点。

问 10：这本库最适合做什么、不适合做什么？

适合：

早产（preterm）与足月（term）分类建模——以 EHG 特征区分；
宫缩（uterine contraction）检测与识别；
EHG 空间传播分析——这是 16 电极阵列的独门用途；
EHG 频谱与非线性特征方法学研究；
纵向孕周演化分析（32 人多次测量）。

不适合：

需要大规模样本的深度学习（45 人 / 122 条，太小）；
需要现成基线划分与排行榜的基准评测（官方不提供）；
需要开箱即用术语标签的任务（term/preterm 标签需自行推导）；
人群级泛化研究（单中心、单国别）。

十问到此。下面的章节会把这些事实逐一展开，并补上规格细节、家族对比、方法学脉络与避坑要点。

§2 数据构成与信号规格

2.1 记录层的解剖

ehgdb 的最外层是「记录（recording）」。122 条记录，每条对应一次采集会话。记录的文件命名规则是：

ice###_type_recordnumber

拆开看：

ice###——受试者标识（subject id），三位数字，从 ice001 起编号；
type——记录类型，p 表示 pregnancy（妊娠期），l 表示 labour（产程）；
recordnumber——该受试者内部的记录序号（同一人多次测量时用于区分）。

例如 ice001_p_1 表示受试者 ice001 的第 1 条妊娠期记录。这套命名把「谁、什么阶段、第几次」三件事编码进了文件名，便于用脚本批量解析。

2.2 妊娠记录与产程记录

122 条记录的类型分布是明确的：

类型	含义	条数	平均时长	时长范围
`p`（pregnancy）	妊娠期连续记录	112	61 分钟	19–86 分钟
`l`（labour）	分娩产程中记录	10	36 分钟	8–64 分钟

可以注意到：妊娠记录远多于产程记录（112 vs 10），且妊娠记录的平均时长（61 分钟）明显长于产程记录（36 分钟）。这合理——妊娠期的记录通常是长时间观察「子宫在非产程状态下的电活动」，而产程记录受限于分娩进程，时长更短也更不均。

这个 112:10 的不平衡，对建模有直接影响：如果你想做「产程 vs 非产程」的二分类，正例只有 10 条，严重不平衡；很多研究因此把两条线分开处理。

2.3 纵向结构：45 人、32 人多次、最多 7 次

45 名孕妇构成了数据集的主体。她们的测量次数分布并不均匀：

32 名妇女被测量 ≥2 次——构成纵向追踪；
记录次数最多者：ice027，共 7 次。

纵向设计的方法学价值在于「个体内比较（within-subject comparison）」。子宫电活动随孕周的变化，如果只在横截面（不同人不同孕周）上比较，会被个体差异淹没；有了同一人的多次记录，就能把「孕周效应」与「个体效应」部分分离。这对于研究「子宫电活动是否随临近分娩而增强/变频」这类问题至关重要。

同时也要注意一个统计现实：45 人的样本量，即使每人多次，也远不足以做需要大样本的深度模型。 纵向结构提高的是「每个个体的信息密度」，不是「人群代表性」。凡是要做人群泛化结论的研究，都必须警惕这一点。

2.4 电极配置：16 个单极、4×4、17.5 mm

信号采集的硬件核心是电极阵列：

电极数量：16 个；
电极类型：单极（monopolar）Ag/AgCl 表面电极；
电极尺寸：外径 13.0 mm、内径 8.0 mm；
空间排布：4 行 × 4 列网格；
中心间距：相邻电极中心相距 17.5 mm。

把它们放在一起看，可以估算阵列的物理覆盖：4 个电极一列、间距 17.5 mm，则首尾电极中心距约 3 × 17.5 = 52.5 mm；加上电极自身尺寸，整个 4×4 阵列覆盖的腹壁区域大约在 6–7 cm 见方量级。这个尺度与孕妇下腹部子宫投影区相匹配，足以覆盖子宫主要投影面，进而分析宫缩电活动的空间分布。

「单极」这个选择值得展开。在表面肌电中，双极（bipolar）配置测量两个相邻电极之间的电位差，天然抑制共模噪声；单极配置测量每个电极相对公共参考的绝对电位，空间覆盖更广但更依赖参考质量与后续的共模抑制。ehgdb 用单极 4×4，是把「空间分辨率」放在「抗噪便利」之上——研究者需要在预处理阶段自己处理共模干扰与基线漂移。

2.5 采样与滤波：200 Hz、16-bit、无高通

采集链路的数字规格：

采样率：200 Hz；
量化位深：16-bit；
抗混叠滤波：高截止 100 Hz（低通）；
高通滤波：无。

200 Hz 采样决定了可表示的最高信号频率为 100 Hz（奈奎斯特频率），恰好等于抗混叠滤波器的高截止点，配置是自洽的。

「无高通」是本库一个容易被忽略但重要的特征。 采集端不滤掉低频，意味着信号里保留了：

基线漂移（baseline drift）——电极-皮肤界面电位随时间的缓慢变化；
运动伪迹的低频成分——孕妇呼吸、体动引入的低频扰动；
以及宫缩相关的极低频慢包络（宫缩本身是一个持续数十秒的慢过程）。

不滤的代价是「原始信号更脏」；好处是「下游有完全的处置权」——你可以按研究需要选择 0.1 Hz、0.3 Hz 或别的截止去漂，而不是被迫接受采集端替你做的决定。这是一个把预处理责任向用户转移的设计取舍。

2.6 采集设备与原始格式

采集设备：Embla A10，一台 16 通道的生理信号记录仪；
原始格式：EDF（European Data Format，欧洲数据格式），由 Somnologica 软件导出；
PhysioNet 提供格式：除原始/派生波形外，同时提供 .dat（二进制信号）/.hea（文本头）与 MATLAB .mat 便捷读取文件。

EDF 是生理信号领域常见的交换格式，结构简单（文本头 + 二进制数据块），便于跨软件读取。PhysioNet 在 EDF 之外额外提供 .mat 与 .dat，是为了照顾不同工具链（MATLAB 用户 vs WFDB 用户）。

2.7 MATLAB .mat 的两个坑

如果直接读 .mat 文件，有两个必须记住的口径细节：

幅值换算：.mat 中的变量值需要除以 131.068 才能得到以毫伏（mV）为单位的物理量。
索引偏移：.mat 与 .dat 之间存在 1-based 索引偏移——同一个采样点在两个文件里的下标相差 1。

这两个细节都来自官方说明，但很容易被忽略。如果忘了除以 131.068，你会得到一套「数值量级正确但物理单位错误」的信号，做出来的幅值阈值完全不可用；如果忽略索引偏移，跨文件对齐时间戳会错位一个采样点。§10 会把它们列为坑点。

2.8 临床头信息：约 19 项

每条记录附带约 19 项临床头信息字段，涵盖：

人口学：年龄；
体格：孕前 BMI、孕期 BMI；
生育史：孕次（gravidity）、产次（parity）、既往剖宫产；
产科：胎盘位置；
时间：记录时孕周、分娩时孕周；
结局：分娩方式；
干预：缩宫素使用、硬膜外镇痛使用；
备注：自由文本注释。

这批字段是数据集的「临床侧」价值所在。因为记录时孕周与分娩时孕周都在，理论上可推导出「记录距分娩还有多久」和「是否早产」；但官方并未把它们整理成现成的标签文件（见 §10 坑点）。

2.9 孕周跨度

孕周跨度是：

最低孕周：29 周 5 天（29w5d）；
最高孕周：41 周 5 天（41w5d）。

这个区间覆盖了从「较早的孕期」到「过期妊娠」的完整谱系。临床意义上，早产的界线通常定在 37 周——37 周之前分娩为早产。而本库记录时的孕周下限（29w5d）远在 37 周之前，说明库中确实包含了「早产高风险人群」在较早孕周的记录，这正是早产预测研究需要的素材。

2.10 事件注释：111/122 与六类事件码

111 条记录（共 122 条）附带 .atr 事件注释文件。注释中的事件码有六类：

事件码	说明（按官方与惯例）
`C`	宫缩（contraction）——大写记为确定的宫缩事件
`(c)`	疑似/候选宫缩（括号表示不确定）
`pm`	需参考作者后续论文释义（README 未逐条展开）
`pos`	体位变化（position change）
`fm`	胎动（fetal movement）
`em`	需参考作者后续论文释义（README 未逐条展开）

这里要坦白一个信息边界：官方 README 并未对所有事件码给出逐条完整释义，pm 与 em 的精确含义需要查阅作者后续论文才能确定。本条目如实标注这一点，不臆造含义。C 与 (c) 的「确定 vs 疑似」区分是很实用的一对——它把标注不确定性显式编码进了注释，而不是强行二值化。

11 条记录没有注释（122 − 111 = 11），使用时需要检查哪些记录有 .atr，不能假定全覆盖。

2.11 体积与存储

未压缩总大小：约 3.7 GB；
打包下载（ZIP）：约 2.0 GB。

3.7 GB 对一个 122 条记录的信号库来说不算小——因为每条记录是 16 通道 × 200 Hz × 16-bit × 数十分钟的连续波形。粗算：16 通道 × 200 采样/秒 × 2 字节 × 3600 秒 ≈ 23 MB/小时/记录，几十条记录叠加就上 GB 量级。存储规划时按 3.7 GB（解压后）预留，下载时按 2.0 GB 估计。

§3 采集与分析流水线

3.1 采集现场

数据的采集发生在冰岛的三个机构：Akureyri Primary Health Care Centre（阿克雷里基层卫生中心，门诊场景）、Akureyri Hospital（阿克雷里医院）、Landspitali University Hospital（雷克雅未克，冰岛国立大学医院，住院/产房场景）。时间跨 2008–2010 年。

典型流程可以还原为：

受试者准备：孕妇取仰卧或半卧位，暴露下腹部；
电极贴附：将 16 个 Ag/AgCl 单极电极按 4×4 网格贴于腹壁，接 Embla A10 记录仪；
连续记录：以 200 Hz、16-bit 连续采集，妊娠记录通常持续约 61 分钟（19–86 分钟），产程记录约 36 分钟（8–64 分钟）；
临床信息登记：同步登记约 19 项临床头信息；
事件标注：由人工回看信号，标出宫缩、体位变化、胎动等事件，生成 .atr。

值得说明的是，这一流程是临床现场采集，不是实验室受控环境。这意味着信号中会包含真实世界的一切扰动——孕妇说话、翻身、呼吸、电极松动——这解释了为什么「无高通」的信号这么「脏」，也解释了为什么事件注释里有 pos（体位）和伪迹类标注。

3.2 预处理链路

从原始 EDF 到可用于分析的信号，官方与惯例的预处理大致包括：

读取：从 EDF / .dat / .mat 读入（注意 §2.7 的换算与偏移）；
去漂移：因为无高通，通常需要自行施加高通（常见 0.1–0.5 Hz）去除基线漂移；
工频与电源干扰抑制：50/60 Hz 陷波（冰岛为 50 Hz 电网）；
伪迹剔除：基于事件注释（pos、(c) 等）或独立成分分析（ICA）去除运动伪迹；
分窗：把长记录切成分析窗（如 30 秒、60 秒），用于特征提取或分类；
通道处理：16 通道既可全用，也可按空间位置分组，或做通道间同步/传播分析。

这套链路的每一步都有选择空间，也解释了为什么「同样用 ehgdb 的论文结果往往不可直接比较」——预处理口径不同，特征分布就不同。

3.3 特征提取的常见套路

在 ehgdb 上做分析，特征通常落在几类：

时域：均方根（RMS）、过零率、峰峰值、包络幅度；
频域：峰值频率（peak frequency）、中值频率（median frequency）、功率谱密度（PSD）在特定频带的能量占比——这是 EHG 文献最常用的特征族，因为「宫缩时频谱向低频/高频移动」是可观察现象；
时频：短时傅里叶、小波变换，刻画宫缩包络与频率的联合演化；
非线性/复杂度：样本熵、近似熵、Lempel-Ziv 复杂度、分形维数；
空间（本库独有）：通道间相关性、相位同步、传播延迟、源定位——利用 4×4 阵列。

最后这一类是 ehgdb 相对 4 电极库的独占优势：只有多通道阵列才能谈「传播」。

3.4 早产分类的典型建模框架

围绕 ehgdb 的早产预测研究，通常的框架是：

定标签：依据头信息（记录时孕周、分娩时孕周）判定 term/preterm；
切窗：把长记录切成分析窗；
提特征：时域/频域/非线性/空间特征；
分类：用 SVM、随机森林、LDA、或小型神经网络区分 term/preterm；
评估：用准确率、灵敏度、特异度、AUC，注意类别不平衡。

流程看似标准，但每一步都有坑：标签口径不统一（见 §10）、样本太小导致交叉验证方差大、类别不平衡导致准确率虚高。这些是使用 ehgdb 时绕不开的方法学现实。

3.5 为什么这本库值得单独成条

大库（MIMIC、ImageNet 级）单独成条是自然的事；一本 122 条的小库为什么也值得？理由有三：

不可替代的硬件特征：16 电极、200 Hz 的公开 EHG 库极少，ehgdb 几乎是这个规格上唯一的公开选择；
明确的科学问题：早产预测是高风险、高价值的临床问题，库直接服务于它；
家族参照意义：它与 tpehgdb、tpehgt 构成一个可以横向对比的 EHG 家族，理解这本库必须理解整个家族（§4）。

在 AI-Ready 目录的意义上，ehgdb 是「小而专」数据集的代表——不追求规模，但在一个细分枪口上有独占价值。

§4 EHG 数据家族：ehgdb 与姊妹库逐项对比

4.1 家族图谱

围绕早产 EHG 研究，PhysioNet 上并存着三个密切相关的库：

ehgdb（本条目主角）——The Icelandic 16-electrode electrohysterogram database；
tpehgdb——Term-Preterm EHG Database（足月-早产 EHG 数据库）；
tpehgt——Term-Preterm EHG DataSet with Tocogram（带宫缩监测图的足月-早产 EHG 数据集）。

它们共享同一个科学主题（EHG + 早产），但来源、硬件、规模各不相同。理解 ehgdb，必须把它放回这个家族里看，否则极易混淆。

4.2 逐项对比表

维度	`ehgdb`（冰岛）	`tpehgdb`（斯洛文尼亚）	`tpehgt`
全称	The Icelandic 16-electrode electrohysterogram database	Term-Preterm EHG Database	Term-Preterm EHG DataSet with Tocogram
记录数	122 条	300 条	见官方页
受试者	45 名孕妇	300 名孕妇	见官方页
电极/通道	16 单极，4×4	4 电极，3 通道	同族
采样率	200 Hz	20 Hz	同族
采集地	冰岛（阿克雷里 + 雷克雅未克）	斯洛文尼亚卢布尔雅那	斯洛文尼亚
采集时间	2008–2010	1997–2005	见官方页
term/preterm	262 term + 38 preterm（tpehgdb 口径）	262 term + 38 preterm	同族
版本	仅 v1.0.0	v1.0.0 → v1.0.1	v1.0.0
许可	ODC-By v1.0	ODC-By v1.0	ODC-By v1.0
DOI	10.13026/C2159J	10.13026/C2FW2V	10.13026/C2166R
体积	未压缩 3.7 GB / ZIP 2.0 GB	—	39.8 MB
贡献者	Alexandersson 等 5 人	Franc Jager	见官方页

注：表中 term/preterm 的 262 + 38 是 tpehgdb 的口径，不是 ehgdb 的官方现成标签。ehgdb 的 term/preterm 需自行从约 19 项头信息推导。切勿把 tpehgdb 的 300 条标签张冠李戴到 ehgdb 的 122 条上。

4.3 硬件差别的意义：16 电极 vs 4 电极

两个库最本质的区别在硬件：

tpehgdb：4 个电极 → 3 个差分通道。4 电极只能围出 3 个独立差分信号，空间信息极有限，基本只能谈「整体宫缩活动」。
ehgdb：16 个单极电极 → 16 通道 4×4 阵列。16 个空间采样点能重建腹壁电位分布。

再叠加采样率 200 Hz vs 20 Hz：

tpehgdb 的 20 Hz 采样只能表示最高 10 Hz 的信号，基本只能捕捉宫缩的慢包络与低频；
ehgdb 的 200 Hz 能表示到 100 Hz，保留了 EHG 更宽频段的信息，能做更细的频谱分析。

因此两个库不是替代关系，而是互补：tpehgdb 胜在样本（300 人）与时间长（1997–2005 连续采集），ehgdb 胜在空间分辨与频率范围。想做空间传播分析，只能用 ehgdb；想做大人群统计，tpehgdb 更合适。

4.4 版本故事：这才是「旧版 vs 新版」的真正出处

回到 §1 问 8 埋下的伏笔。版本差异确实存在，但不属于 ehgdb。

tpehgdb 的版本历史：

v1.0.0：2010 年 11 月发布；
v1.0.1：2012 年 8 月 21 日发布；
变更说明（官方原文）：“Eight items of clinical information were added to the header files in August 2012. No other changes were made.”

翻译过来就是：2012 年 8 月往头文件里加了 8 项临床信息，没有做其他任何改动。

请注意三个关键点：

改的是「头文件字段」不是「记录」——新增的是每条记录附带的临床信息项，不是新增记录；
记录数没变——无论 v1.0.0 还是 v1.0.1，都是 300 条；
ehgdb 完全无此故事——它从上线起就是 v1.0.0，没有 v1.0.1。

旁证：PhysioNet 的一则新闻（/news/post/286，2011-01-21）在介绍这批数据时写的是 300 名妇女、262 term / 38 preterm、162 条记录在 26 周前、138 条在 26 周后——这是 tpehgdb 家族的口径，与 ehgdb 的 122 条无关。

本条目立场： 若遇到「ehgdb 旧版新版记录数不同」的说法，可判定为误记。真实情况是——ehgdb 单一版本 122 条；tpehgdb 两版本均 300 条，差异仅在头文件 +8 项。这个澄清本身就是本条目对家族辨析的贡献。

4.5 tpehgt：带宫缩图的第三支

tpehgt（Term-Preterm EHG DataSet with Tocogram）是家族第三支，特点是附带宫缩监测图（tocogram）。tocogram 是临床上用外部压力传感器记录宫缩强度/频率的曲线——把「电活动（EHG）」与「机械活动（宫缩压力）」配对，是它的价值所在。

它的体积是 39.8 MB（比 ehgdb 小得多，因为采样率与通道数都低），许可同为 ODC-By v1.0，DOI 10.13026/C2166R。对于想研究「EHG 电活动与宫缩机械活动关系」的工作，tpehgt 比 ehgdb 更直接。

4.6 家族使用建议

给不同需求的选库建议：

要空间传播分析 → ehgdb（唯一够格的公开库）；
要大人群早产统计 → tpehgdb（300 人）；
要 EHG 与宫缩机械活动配对 → tpehgt；
要跨库验证方法的鲁棒性 → 三个库都上，检验结论是否依赖某一套硬件。

红线：引用时务必写清库名与版本，不要笼统写「PhysioNet EHG 数据集」，否则读者无法判断你说的是 16 电极还是 4 电极、122 条还是 300 条。

§5 早产预测方法学脉络

5.1 早产为什么难预测

早产（preterm birth）通常指妊娠满 37 周之前分娩。它是新生儿死亡与远期神经发育障碍的首要原因之一，也是围产医学长期未解的核心难题。难点在于：

机制复杂：早产可能由感染、子宫过度扩张、宫颈功能不全、内分泌改变等多条通路触发，没有单一生物标志物；
临床表现滞后：当宫缩、宫颈变化等体征明显时，往往已经临近分娩，干预窗口很小；
现有指标有限：宫颈长度测量、胎儿纤连蛋白（fFN）检测等预测力都有限，假阳性率高。

EHG 的思路是绕开间接指标，直接测「子宫自身的电活动」。子宫平滑肌收缩由电活动触发，所以 EHG 理论上比机械/生化指标更接近「分娩准备」的生理本质。这正是 ehgdb 的科学立足点。

5.2 EHG 信号的生理基础

理解 EHG 需要一点电生理背景：

子宫平滑肌细胞在收缩前会发生膜电位去极化，形成动作电位；
大量细胞同步去极化时，产生的电流在腹壁上形成可测量的电位差——这就是表面 EHG；
宫缩越强、同步性越高，腹壁 EHG 幅度越大、越规律；
临产时，子宫电活动趋于规律化，宫缩的节律与强度上升。

因此 EHG 分析的核心问题可以概括为：「能否从电活动的统计特征中，提前识别出『子宫正在准备分娩』的个体？」

5.3 从 EHG 到早产分类的特征工程

在 ehgdb 上，研究者通常从几类特征入手建立分类模型。

频域特征（最主流）：

峰值频率（peak frequency）：功率谱中能量最大处的频率。文献反复报告宫缩时频谱特征会变化；
中值频率（median frequency）：功率谱累积一半能量对应的频率，抗噪性较好；
频带能量比：如低频带（<0.5 Hz）与高频带的能量比。

时域特征：

均方根（RMS）：反映整体活动强度；
包络幅度与持续时间：对应宫缩强度与时长；
过零率：粗略频率指示。

非线性特征：

样本熵 / 近似熵：衡量信号复杂度，反映电活动的规则程度；
分形维数：刻画信号的尺度不变特征。

空间特征（ehgdb 独有）：

通道间相关性：不同腹壁位置的信号是否同步；
传播延迟：电活动的空间传播快慢；
相位同步 / 源定位：宫缩从何处起始。

空间特征是把 ehgdb 与 4 电极库区分开的关键武器。

5.4 建模路线

在特征之上，常见模型包括：

经典机器学习：SVM、随机森林（RF）、线性判别分析（LDA）、k 近邻；
集成方法：梯度提升（GBM/XGBoost）；
深度模型：CNN（直接对原始波形/时频图）、LSTM/GRU（时序建模）；
混合：深度学习提特征 + 经典分类器。

因为样本只有 45 人 / 122 条，深度模型在小库上很容易过拟合。这解释了为什么很多 ehgdb 工作仍以经典机器学习 + 手工特征为主——不是技术落后，而是数据规模决定的理性选择。

5.5 评估的陷阱

在 ehgdb 上做分类评估，有几个反复出现的陷阱：

类别不平衡：若做产程/非产程分类，正例（产程）只有 10 条；若做早产/足月，早产比例通常偏低。准确率（accuracy）会被多数类主导，必须看灵敏度、特异度、AUC 与 F1；
泄漏（leakage）：同一名孕妇的多次记录如果被随机分到 train 和 test 两侧，会造成个体级泄漏，虚高成绩。正确做法是按受试者划分（subject-wise split），同一人的所有记录归入同一侧；
小样本方差：45 人下，交叉验证的折内差异可能很大，单次划分的结果不可信，需要多次重复划分报告均值与方差；
预处理不透明：不同论文的滤波、分窗、归一化口径不同，结果不可直接横比。

这些陷阱是本条目 §8 方法学启示与 §10 避坑清单的来源。

5.6 ehgdb 在文献中的角色

ehgdb 在 EHG 研究文献里通常扮演几个角色：

高通道验证集：用 16 电极阵列检验空间传播方法；
早产分类实验集：与 tpehgdb 并列，检验分类器；
特征工程试验台：测试新的 EHG 特征（熵、时频、图论指标）。

需要说明的是，ehgdb 的 Sci Data 论文本身是数据描述型（descriptor）论文，定位是「把数据规范地公开并描述」，并未主张某个单一 SOTA 结果。这与很多「刷榜型」数据集不同——它的贡献是基础设施，不是纪录。这个定位决定了引用 ehgdb 时，应引它作为数据来源，而不是把它当作某个基准成绩的出处。

5.7 与临床落地的距离

必须诚实说：ehgdb 及其同类研究距离临床常规使用还有距离。原因包括：

样本小、单中心——泛化性未证；
采集需专门设备——Embla A10 与 16 电极阵列不是产检标配；
预测性能有限——文献报告的 AUC 多在中等区间，尚不足以单独支撑临床决策；
前瞻验证缺失——多数是回顾性/横截面分析，缺少前瞻队列验证。

因此把 ehgdb 定位为「研究基础设施」比「临床应用雏形」更准确。它支撑的是方法学研究与假设检验，不是已经可以上产房的工具。

§6 获取与许可

6.1 下载入口

ehgdb 的官方入口是 PhysioNet：

https://physionet.org/content/ehgdb/1.0.0/

数据文件目录：

https://physionet.org/files/ehgdb/1.0.0/

访问等级为 Open Access——不设 gated 门槛，不需要提交申请，不需要签署数据使用协议。任何人遵守许可条款即可下载。这与很多受控访问（credentialed）的临床数据库形成鲜明对比，是本库可用性高的直接原因。

6.2 版本与 DOI

版本：v1.0.0（唯一版本）；
数据 DOI：10.13026/C2159J；
PhysioNet 平台 RRID：SCR_007345。

按物理网（PhysioNet）建议，引用数据时使用其 DOI。因为 ehgdb 只有一个版本，不存在「引用哪个版本」的歧义——这一点比有多版本的姊妹库省心。

6.3 许可条款

数据文件采用 Open Data Commons Attribution License v1.0（ODC-By v1.0）。要点：

允许：使用、复制、分发、改编、商业与非商业用途；
条件：署名归属（attribution）——须注明数据来源与许可；
无：无「相同方式共享」（非 copyleft）要求，也无不许商用的限制。

署名时建议写明：数据集名称（The Icelandic 16-electrode electrohysterogram database）、来源（PhysioNet）、版本（v1.0.0）、DOI（10.13026/C2159J）。

6.4 论文许可（与数据许可不同！）

数据描述论文 Sci Data 2:150017 (2015) 的许可是 CC BY 4.0（Scientific Data 是开放获取期刊）。这是论文的许可，不是数据的许可。

引用场景区分：

引用对象	许可	引用方式
数据集文件	ODC-By v1.0	引 DOI 10.13026/C2159J + 署名
论文正文	CC BY 4.0	引 doi:10.1038/sdata.2015.17

把两者混为一谈（比如拿 CC BY 4.0 去标注数据集）是常见错误，§10 会列为坑点。

6.5 伦理合规

采集经**冰岛国家生物伦理委员会（National Bioethics Committee in Iceland）**批准，批号 VSN 02-006-V4。数据属去标识生理信号 + 去标识临床头信息。

对使用者而言，这意味着：

数据本身已通过伦理审批并去标识，符合开放再分发条件；
但使用者仍应遵守 ODC-By 的署名义务，以及对临床信息（即便是去标识的）的负责任使用原则；
若将数据用于临床相关研究，仍需遵循所在机构与地区的伦理规范。

6.6 存储与下载规划

未压缩：约 3.7 GB；
ZIP 打包：约 2.0 GB；
建议：规划至少 4–6 GB 的本地空间（解压 + 分析中间产物）；下载用官方 ZIP 比逐文件抓取更稳。

16 通道 × 200 Hz × 数十分钟的记录，单条即可达数十 MB；若做全量信号级分析（而非抽样），需要相应的 I/O 与内存预算。

6.7 快速上手的三步

给想立刻动手的读者：

下载：从 https://physionet.org/content/ehgdb/1.0.0/ 取 ZIP 并解压；
读头文件：查看每条记录的 .hea，确认通道数（16）、采样率（200 Hz）与临床字段；
读信号：用 WFDB 工具或 MATLAB 读 .dat/.mat，记得 .mat 要除以 131.068 得 mV、注意 1-based 偏移。

配套代码示意（伪代码，示意口径而非可直接运行）：

# 读取 ehgdb 记录并做基础预处理的示意
# 关键口径：.mat 值 / 131.068 得 mV；.mat 与 .dat 有 1 采样点索引偏移
import numpy as np

FS = 200          # 采样率 200 Hz
SCALE = 131.068   # .mat 幅值换算因子
N_CH = 16         # 16 通道

# 假设已读入 mat_signal（形状 [N_CH, N_samples]）
sig_mv = mat_signal / SCALE          # 转 mV（勿忘！）

# 去基线漂移（因无高通，需自行处理）：简单滑动均值去趋势
from scipy.signal import detrend
sig_detrended = detrend(sig_mv, axis=1)

# 50 Hz 陷波（冰岛电网 50 Hz）
from scipy.signal import iirnotch, filtfilt
b, a = iirnotch(50.0, Q=30.0, fs=FS)
sig_filtered = filtfilt(b, a, sig_detrended, axis=1)

# 分窗（示例：60 秒窗）
win = 60 * FS
windows = [sig_filtered[:, i:i+win] for i in range(0, sig_filtered.shape[1]-win, win)]

这段示意强调的是口径（换算因子、偏移、去漂移、陷波），而不是提供一个成品管线。

§7 生态与影响

7.1 在 PhysioNet 里的位置

ehgdb 属于 PhysioNet 中「生理信号小库」这一类型——与心电（ECG）、脑电（EEG）、睡眠、步态等信号库同族。它的特别之处在于信号类型少见（子宫肌电）、硬件规格突出（16 电极），因此在妊娠生理信号研究里是一个被反复引用的定点资源。

PhysioNet 的价值在于把这类「单看规模不起眼、但在细分领域不可替代」的数据集集中托管并规范化（统一格式、版本 DOI、许可声明）。ehgdb 是这一模式在围产领域的代表。

7.2 学术使用生态

ehgdb 的典型使用者：

围产医学 / 产科研究者：研究早产机制与预测；
生物医学信号处理研究者：开发 EHG 特征、滤波、检测算法；
机器学习研究者：在小样本生物信号上测试分类器；
生理建模研究者：研究子宫电活动与宫缩的关系。

它不是「刷榜型」数据集（没有 Kaggle 式竞赛），而是论文型数据集——引用常出现在方法学章节，作为数据来源与研究基座。

7.3 与姊妹库的共生

ehgdb 与 tpehgdb、tpehgt 构成一个共生家族：

一篇早产 EHG 论文常常同时引用多个库做交叉验证；
三个库的许可一致（ODC-By v1.0），便于组合使用；
硬件差异（16 电极 vs 4 电极、200 Hz vs 20 Hz）使它们互补而非竞争。

家族的存在提高了每个成员的可见度——研究者找 EHG 数据时，会在族内按需求选库。

7.4 商业化程度

与很多影像/AI 数据集不同，ehgdb 几乎没有商业化封装。它没有被某家公司做成品数据集售卖，也没有配套的商用基准平台。它的生态是纯学术的：论文、方法、开源代码。

这一点的含义是双面的：

好的一面：使用门槛低、无商业许可纠缠、纯粹；
另一面：缺少持续的维护与社区支持，工具链依赖研究者自建。

7.5 对下游研究的影响方式

ehgdb 对下游研究的影响，主要体现在为具体方法提供可复现的实验基座：

一个 EHG 特征提取方法的论文，可以用 ehgdb 展示它在 16 通道上的效果；
一个早产分类器，可以在 ehgdb 与 tpehgdb 上同时报告，证明跨库鲁棒性；
一个传播分析方法，只能（或最适合）在 ehgdb 上验证。

这种「方法需要基座、基座需要一个 16 电极库、而公开的 16 电极库只有它」的关系，就是 ehgdb 生态价值的核心。

7.6 AI-Ready 视角下的定位

在「AI-Ready 数据集」目录的意义上，ehgdb 提供：

规范格式：EDF/.dat/.mat 多格式，便于工具链接入；
明确许可：ODC-By 清晰，可商用可再分发；
稳定标识：单一版本 + DOI，引用无歧义；
临床语义：约 19 项头信息提供临床上下文。

不足也明确：规模小、无官方划分、无现成标签、无基线成绩。因此它在 AI-Ready 光谱上属于「可直接获取但需较多预处理与自定义」的一类——不是开箱即用的 benchmark，而是需要研究者投入方法学工作的原始素材。

7.7 长期价值判断

ehgdb 的长期价值不取决于它是否「火」，而取决于它的硬件规格是否仍不可替代。只要「16 电极、200 Hz 的公开 EHG 库」这个位置没有第二个填补者，它就会持续被引用。它对围产信号研究的贡献是基础设施式的：安静、低调、但少一个就缺一块。

§8 方法学启示

8.1 硬件决定方法上限

ehgdb 给方法学上的第一课是：数据的物理规格决定了能做什么方法。

只有 4 电极，就无法谈「传播方向」——因为没有足够的空间采样点；
只有 20 Hz，就无法谈「高频细节」——因为超过奈奎斯特频率的成分根本没被记录；
有 16 电极、200 Hz，才能打开「空间传播 + 宽频分析」这两扇门。

这提醒研究者：选数据集时先看硬件，而不是先看规模。一个 300 条记录但只有 4 电极的库，和一个 122 条但 16 电极的库，对某些问题是不能互相替代的。ehgdb 的存在本身就是「规格比规模重要」的例证。

8.2 预处理是方法的一部分，不是前置步骤

因为 ehgdb 刻意不做高通滤波，去漂移的责任被转移给了使用者。这带来一个方法学后果：预处理口径成为结果的一部分。

同样的信号，用 0.1 Hz 还是 0.5 Hz 高通去漂，频谱特征的分布会变；不同的分窗长度会改变样本量与时序相关性；不同的伪迹剔除策略会改变正负例比例。因此：

报告结果时必须完整交代预处理管线；
跨论文比较结果时，必须警惕预处理差异；
复现研究时，应优先复现「预处理 + 模型」整体，而非只复现模型。

8.3 小样本的正确评价方式

45 人 / 122 条，是典型的小样本场景。正确的评价方式：

按受试者划分（subject-wise），杜绝个体泄漏；
多次重复划分，报告均值 ± 标准差，而非单次结果；
报告多指标（灵敏度、特异度、AUC、F1），不迷信准确率；
诚实报告置信区间，接受估计的不确定性；
避免过深模型，或用强正则、迁移学习缓解过拟合。

这些做法在 ehgdb 上不是「建议」，而是「不做就错的必修」。

8.4 纵向数据的价值与复杂

32 人多次测量带来纵向价值，也带来统计复杂性：

价值：可做个体内比较，分离孕周效应与个体效应；
复杂：同一人的记录不独立，做统计推断需用混合效应模型或聚类稳健标准误。

如果忽略「同一人多条记录不独立」这一点，直接按记录数（122）当独立样本做统计，会低估方差、夸大显著性。这是纵向数据的经典陷阱。

8.5 数据描述型论文的贡献观

ehgdb 的论文是数据描述型（descriptor），不主张 SOTA。这提供一个方法学视角：数据集的贡献可以独立于模型成绩存在。

在「没有比赛、没有排行榜」的情况下，一个数据集的学术价值来自：

它填补了什么空缺（16 电极公开 EHG）；
它的规格是否可复现（硬件、流程是否写清）；
它的合规性是否完备（伦理、许可）。

ehgdb 在这三条上都合格，这本身就是它被持续引用的基础。研究者应学会区分「基准型数据集」与「基座型数据集」，并为它们设计不同的使用与研究策略。

8.6 伦理与合规作为方法学前提

ehgdb 的伦理批号（VSN 02-006-V4）与去标识处理，是它能开放再分发的前提。这提醒研究者：

数据的可用性不是天然的，背后是伦理审批与合规设计；
使用开放数据时，署名与负责任使用不是形式，而是维持生态的条件；
若做二次采集或衍生数据，需重新评估伦理合规。

§9 与库内条目的关系（互链）

ehgdb 在千方病案医数集里不是孤岛。它与库内多类条目存在可对照、可互补的关系。

9.1 生理信号家族

ehgdb 首先属于**生理信号（physiological signals）**大类，与库内心电、脑电、睡眠、可穿戴、步态、语音等信号库同族。共性在于：

都是时序波形数据，采集、滤波、分窗、特征提取的方法论相通；
都以 WFDB 或类似格式在 PhysioNet 托管；
都面临「小样本 + 信号噪声 + 个体差异」的共性难题。

阅读 ehgdb 条目时，若你对心电/脑电库熟悉，会发现可迁移的经验（滤波策略、窗长选择、受试者划分）相当多。差异只在信号生理来源与频段。

9.2 与心电类条目的对照

心电（ECG）数据集与 ehgdb 的对照最有教学价值：

维度	心电类（如各类 ECG 库）	`ehgdb`
信号来源	心脏电活动	子宫平滑肌电活动
采样率	常 100–1000 Hz	200 Hz
通道数	1–12 导联常见	16 单极
核心任务	心律失常分类、检测	早产预测、宫缩检测
主要难点	类间相似、标签噪声	样本极小、标签需推导

两者都属「表面生物电」，采集与预处理方法论高度重叠，是方法学迁移的天然参照。

9.3 与脑电/睡眠类条目的对照

脑电（EEG）、睡眠信号库与 ehgdb 的交集在多通道阵列 + 事件检测：

EEG 用多通道电极阵列测脑电，ehgdb 用 16 电极阵列测子宫电——空间分析的方法（同步、传播、源定位）可直接类比；
睡眠库的「事件检测（睡眠分期）」与 ehgdb 的「宫缩事件检测」任务结构相似；
睡眠的纵向夜间记录与 ehgdb 的纵向孕周记录在「个体多次」结构上可比。

9.4 与妊娠/产科方向条目的对照

若库内有妊娠相关影像（如胎盘、胎儿影像）条目，ehgdb 提供的是功能信号视角——影像看结构，EHG 看功能。两者在「早产风险评估」这一临床问题上互补：影像提供解剖线索，EHG 提供电生理线索。组合使用是围产多模态研究的可能方向。

9.5 与姊妹库条目的直接链接

在库内或生态中，ehgdb 应与这些条目直接互链：

tpehgdb（Term-Preterm EHG Database）：最直接的姊妹库，4 电极、20 Hz、300 条；
tpehgt（Term-Preterm EHG DataSet with Tocogram）：带宫缩图的第三支；
PhysioNet 平台条目：作为托管平台的整体介绍。

互链的意义是让读者在同一家族内按硬件与规模选库，避免张冠李戴。

9.6 互链建议（本条目视角）

上游：PhysioNet 平台条目——ehgdb 的托管方；
同族横向：tpehgdb、tpehgt——EHG 家族兄弟；
同大类：各类生理信号（ECG/EEG/睡眠/可穿戴/步态/语音）条目——方法论同源；
下游应用：早产预测、宫缩检测相关的方法学条目；
平台侧：其他 PhysioNet 小库条目——共同体现「小库的 AI-Ready 价值」。

§10 避坑清单

下面把使用 ehgdb 时最容易踩的坑集中列出。每条都给出「坑在哪」与「怎么绕」。

坑 1：把 tpehgdb 的规模/参数张冠李戴到 ehgdb

表现：写「ehgdb 有 300 条记录」「ehgdb 是 4 电极 3 通道」「ehgdb 采样率 20 Hz」。

真相：300 条 / 4 电极 / 20 Hz 是 tpehgdb 的参数；ehgdb 是 122 条 / 16 电极 / 200 Hz。

怎么绕：记住两把尺子——电极数（16 vs 4）与采样率（200 vs 20）。凡出现 4 或 20，就是 tpehgdb。

坑 2：误信「ehgdb 有新旧版本、记录数不同」

表现：声称 ehgdb 旧版新版记录数不一样。

真相：ehgdb 只有 v1.0.0，记录数恒为 122。版本迭代（v1.0.0→v1.0.1）属于 tpehgdb，且其变更只是头文件加了 8 项临床信息，记录数不变（都是 300）。

怎么绕：把「版本差异」归还给 tpehgdb，把「单一版本」还给 ehgdb。

坑 3：忘记 .mat 要除以 131.068

表现：直接使用 .mat 里的原始数值做幅值阈值或归一化。

真相：.mat 变量值需除以 131.068 才是 mV。

怎么绕：读入后第一件事就是 signal / 131.068，并把这个换算写进预处理文档。

坑 4：忽略 .mat 与 .dat 的 1-based 索引偏移

表现：跨 .mat 与 .dat 对齐时间戳或注释时错位一个采样点。

真相：两文件单元索引相差 1（1-based 偏移）。

怎么绕：对齐前先确认索引基准；用同一文件贯穿分析，避免混用。

坑 5：以为 term/preterm 标签是现成给的

表现：直接找「preterm」标签文件，找不到就以为数据有问题。

真相：官方未提供现成的 term/preterm 标签文件；需从约 19 项头信息（记录时孕周、分娩时孕周）自行推导，且口径需与作者后续论文对齐。

怎么绕：自己写标签推导逻辑并明确记录判定规则（如「分娩孕周 <37 周 = preterm」），在论文中公开口径。

坑 6：忘记只有 111/122 条有 .atr 注释

表现：假定所有记录都有事件注释，脚本读到缺失文件就崩。

真相：111 条有 .atr，11 条没有。

怎么绕：批处理前先枚举存在 .atr 的记录集合，只对它们做事件对齐；或对无注释记录单独处理。

坑 7：把数据集许可（ODC-By）与论文许可（CC BY 4.0）混用

表现：用 CC BY 4.0 标注数据集，或用 ODC-By 标注论文。

真相：数据文件 = ODC-By v1.0；论文 = CC BY 4.0。

怎么绕：分开标注、分开引用；数据集引 DOI 10.13026/C2159J，论文引 doi:10.1038/sdata.2015.17。

坑 8：按记录数当独立样本做统计

表现：把 122 条记录当 122 个独立样本做检验或交叉验证。

真相：45 人、其中 32 人多次测量，同一人的记录不独立。

怎么绕：用按受试者划分的交叉验证；统计推断用混合效应模型或聚类稳健标准误。

坑 9：忘记「无高通」带来的基线漂移

表现：直接对原始信号做频谱或幅度分析，被低频漂移污染。

真相：采集无高通，基线漂移与低频运动伪迹保留在信号里。

怎么绕：预处理阶段自行施加合适的高通（如 0.1–0.5 Hz）并去趋势；把滤波参数写进文档。

坑 10：用准确率评价不平衡分类

表现：在早产/足月或产程/非产程分类中只报 accuracy。

真相：类别不平衡（如产程仅 10 条）会让 accuracy 被多数类主导，虚高。

怎么绕：报告灵敏度、特异度、AUC、F1，并用重采样或类权重处理不平衡；明确说明评价口径。

坑 11：拿 ehgdb 做需要大样本的深度模型

表现：在 122 条记录上训练大型深度网络并期待好结果。

真相：样本太小，深度模型极易过拟合；经典机器学习 + 手工特征往往更稳。

怎么绕：优先经典方法；若用深度模型，配合强正则、数据增强、迁移学习，并严格按受试者划分评估。

坑 12：事件码 pm/em 语义想当然

表现：直接假定 pm、em 的含义并使用。

真相：官方 README 未逐条完整释义这些事件码，需参考作者后续论文。

怎么绕：对不确定的事件码，注明「语义待核」；保守使用或只依赖语义明确的 C/(c)。

坑 13：混淆 45 名孕妇与 122 条记录的人数口径

表现：说「ehgdb 有 122 名受试者」。

真相：是 45 名孕妇、122 条记录。记录数 ≠ 人数。

怎么绕：涉及样本量时明确区分「受试者数（45）」与「记录数（122）」。

坑 14：忽略采集国别造成的工频差异

表现：默认用 60 Hz 陷波。

真相：冰岛电网为 50 Hz，工频干扰主要是 50 Hz。

怎么绕：用 50 Hz 陷波（及其谐波），而非 60 Hz。

DAIMS 数据资产评估表

按千方病案医数集 DAIMS（Data Asset Inventory Management System）维度对 ehgdb 逐项评估如下。

#	评估维度	评分	说明
1	数据可获得性	5/5	PhysioNet Open Access，无门槛直下
2	许可清晰度	5/5	ODC-By v1.0 明确，允许商用与再分发
3	标识稳定性	5/5	单一版本 + DOI（10.13026/C2159J）
4	格式规范性	4/5	EDF/`.dat`/`.mat` 多格式，但需换算与偏移处理
5	文档完整度	4/5	README 与论文详实，但事件码语义与标签口径部分待核
6	信号质量	4/5	200 Hz、16-bit；无高通保留漂移，需预处理
7	硬件独特性	5/5	16 电极 4×4 阵列，公开 EHG 库中稀缺
8	样本规模	2/5	45 人 / 122 条，偏小
9	人群代表性	2/5	单国别、单区域、三机构，代表性有限
10	纵向结构	4/5	32 人多次测量，个体内可比
11	标签完备性	2/5	无现成 term/preterm 标签，需自行推导
12	注释覆盖	3/5	111/122 有 .atr，事件码部分语义待核
13	临床信息丰富度	4/5	约 19 项头信息，含孕周与分娩结局相关字段
14	伦理合规	5/5	冰岛国家生物伦理委员会批准（VSN 02-006-V4）
15	去标识程度	5/5	去标识信号 + 临床头信息，可再分发
16	任务定义清晰度	3/5	早产预测/宫缩检测方向明确，但无官方任务规范
17	官方划分与基线	1/5	无 train/test 划分，无 leaderboard
18	社区活跃度	3/5	学术引用稳定，无官方社区维护
19	工具链支持	4/5	PhysioNet 生态（WFDB）支持良好
20	医学价值	4/5	早产预测高价值；研究阶段而非临床可用
21	多模态潜力	3/5	可与影像/临床条目互补，但自身单一模态
22	可复现性	4/5	规格写清；但预处理口径需自定影响复现
23	规模可扩展性	2/5	固定 122 条，无增长机制
24	长期可用性	5/5	PhysioNet 长期托管 + 稳定 DOI

DAIMS 总分：约 87/120（按 24 项 5 分制折算）。

概括：ehgdb 的强项在可获得性、许可、标识稳定、硬件独特性、伦理合规；弱项在样本规模、人群代表性、标签完备性、官方基线。它是一个「高可及、高独特、但小规模、需自理」的数据资产——适合做方法学研究与假设检验，不适合做大规模泛化或开箱基准。

§11 总结

ehgdb（The Icelandic 16-electrode electrohysterogram database）是 PhysioNet 上的一本小而专的生理信号库。把它的全貌压缩成一句话：用 16 个电极、200 Hz 采样，记录 45 名冰岛孕妇的 122 条腹壁子宫肌电，服务于早产预测研究，单一版本，ODC-By 开放许可。

它的价值可以拆成三层：

规格层：16 电极 4×4 阵列 + 200 Hz，是公开 EHG 库中罕见的高通道高采样配置，使「子宫电活动的空间传播分析」成为可能；这是 4 电极的姊妹库 tpehgdb 做不到的。
问题层：早产是全球围产医学的核心难题，EHG 直接测子宫电活动，逼近「分娩准备」的生理本质，是高风险高价值的科学问题。
基座层：作为数据描述型（descriptor）数据集，它的贡献是基础设施——为方法学研究提供可复现的实验素材，而不是提供某个 SOTA 纪录。

必须同时记住它的边界：45 人 / 122 条不足以支撑深度模型与人群泛化；官方不提供 train/test 划分与 term/preterm 标签；无官方基线；单国别单区域。它是「研究基础设施」，不是「开箱即用的临床工具」。

最后，它还是 EHG 数据家族辨析的关键坐标：ehgdb（122 条 / 16 电极 / 200 Hz / 单版本）与 tpehgdb（300 条 / 4 电极 / 20 Hz / v1.0.0→v1.0.1）、tpehgt（带宫缩图）三者并存。分清「16 vs 4」「200 vs 20」「122 vs 300」，以及「版本差异只在 tpehgdb 且只动了头文件」，就掌握了这个家族的全部关键事实。

FAQ：常见问答

Q1：ehgdb 和 tpehgdb 是同一个数据集吗？
不是。ehgdb 是冰岛采集的 16 电极库（122 条），tpehgdb 是斯洛文尼亚采集的 4 电极库（300 条）。两者是姊妹库，共享早产 EHG 主题，但来源、硬件、规模都不同。

Q2：为什么 ehgdb 只有 122 条还值得单独写条目？
因为它的 16 电极 4×4 阵列 + 200 Hz 规格在公开 EHG 库里近乎不可替代，支撑空间传播与宽频分析。规模小但枪口独到，这正是「小而专」数据集的价值。

Q3：ehgdb 有版本差异吗？
没有。只有 v1.0.0，2015-05-09 上线，记录数恒为 122。版本差异属于 tpehgdb（v1.0.0→v1.0.1，仅头文件加 8 项）。

Q4：下载需要申请吗？
不需要。Open Access，无 gated 门槛，直接从 https://physionet.org/content/ehgdb/1.0.0/ 下载。

Q5：数据许可是什么？可以商用吗？
ODC-By v1.0，允许商用、再分发、改编，条件是署名。注意论文许可是 CC BY 4.0，两者要分开标注。

Q6：怎么读信号？有什么坑？
用 WFDB 或 MATLAB 读。两个必记口径：.mat 值需除以 131.068 得 mV；.mat 与 .dat 有 1 采样点索引偏移。

Q7：EHG 信号要做什么预处理？
因采集无高通，需自行去基线漂移（如 0.1–0.5 Hz 高通）、50 Hz 陷波（冰岛电网）、伪迹剔除、分窗。

Q8：有现成的早产标签吗？
没有。需从约 19 项临床头信息（记录时孕周、分娩时孕周）自行推导 term/preterm，且口径要与作者后续论文对齐。

Q9：122 条记录 = 122 名受试者吗？
不是。是 45 名孕妇、122 条记录。其中 32 人被测量多次，最多 7 次（ice027）。

Q11：可以拿来做深度学习吗？
可以但需谨慎。样本太小，深度模型易过拟合；经典机器学习 + 手工特征往往更稳。若用深度模型，须强正则、数据增强，并按受试者划分评估。

Q12：评估要注意什么？
避免个体泄漏（按受试者划分）、避免只看准确率（报告灵敏度/特异度/AUC/F1）、多次重复划分报告均值方差。

Q13：ehgdb 的 DOI 是什么？
10.13026/C2159J（数据版本 DOI）。论文 doi 是 10.1038/sdata.2015.17。

Q14：数据体积多大？
未压缩约 3.7 GB，ZIP 约 2.0 GB。

Q15：伦理批准在哪？
冰岛国家生物伦理委员会（National Bioethics Committee in Iceland），批号 VSN 02-006-V4。

Q16：tpehgt 和 ehgdb 有什么区别？
tpehgt 是 Term-Preterm EHG DataSet with Tocogram，带宫缩监测图（tocogram），可研究 EHG 电活动与宫缩机械活动的关系；只有 39.8 MB。

Q17：ehgdb 采了多少通道？
16 个单极（monopolar）Ag/AgCl 电极，4×4 网格，中心间距 17.5 mm。

Q18：采样率和位深？
200 Hz，16-bit，抗混叠低通 100 Hz，无高通。

Q19：孕周跨度是多少？
29 周 5 天到 41 周 5 天。

Q20：记录时长多少？
妊娠记录平均 61 分钟（19–86），产程记录平均 36 分钟（8–64）。

Q21：设备是什么？原始格式？
Embla A10（16 通道），原始 EDF（Somnologica 导出）。

Q22：ehgdb 是哪个团队做的？
Reykjavik University、Landspitali University Hospital、Université de Technologie de Compiègne 合作；作者 Alexandersson、Steingrimsdottir、Terrien、Marque、Karlsson。

Q23：论文发表在哪？
Scientific Data，2:150017（2015-04-28），PMCID PMC4431509，PMID 25984349。

Q24：采集时间是？
2008–2010 年，冰岛。

Q25：2007 年的预研数据在里面吗？
不在。作者明示 2007 预研数据未纳入。

Q26：为什么不做高通滤波？
刻意设计——把去漂移决策交给下游研究者，保持信号原始性。

Q27：能用 60 Hz 陷波吗？
不建议。冰岛是 50 Hz 电网，应用 50 Hz 陷波（及谐波）。

Q28：ehgdb 最适合什么任务？
早产预测、宫缩检测、EHG 空间传播分析、频谱与非线性特征研究、纵向孕周演化分析。

Q29：ehgdb 最不适合什么任务？
大规模深度学习、需要官方基线的基准评测、需要现成标签的任务、人群泛化研究。

Q30：库内可以跟谁互链？
生理信号族（心电/脑电/睡眠/可穿戴/步态/语音）、姊妹库 tpehgdb 与 tpehgt、PhysioNet 平台条目、妊娠影像条目。

事实清单（硬数字速查）

全称：The Icelandic 16-electrode electrohysterogram database；缩写 EHGDB
记录数：122（112 妊娠 + 10 产程）
受试者：45 名孕妇；32 人多次测量；最多 7 次（ice027）
电极：16 单极 Ag/AgCl，4×4 网格，中心间距 17.5 mm，外径 13.0 mm / 内径 8.0 mm
采样：200 Hz，16-bit，抗混叠低通 100 Hz，无高通
设备：Embla A10（16 通道）；原始格式 EDF
文件命名：ice###_type_recordnumber（type：p 妊娠 / l 产程）
孕周跨度：29w5d–41w5d
时长：妊娠平均 61 分钟（19–86）；产程平均 36 分钟（8–64）
临床头信息：约 19 项
采集时间地：2008–2010，冰岛三机构
版本：v1.0.0（唯一版本，2015-05-09 上线）
DOI：10.13026/C2159J
许可：数据集 ODC-By v1.0；论文 CC BY 4.0
体积：未压缩 3.7 GB / ZIP 2.0 GB
论文：Sci Data 2:150017（2015），doi:10.1038/sdata.2015.17，PMC4431509，PMID 25984349
伦理批号：VSN 02-006-V4
.mat 换算：除以 131.068 得 mV；与 .dat 有 1-based 偏移
姊妹库 tpehgdb：300 条 / 300 人（262 term + 38 preterm）/ 4 电极 3 通道 / 20 Hz / 1997–2005 卢布尔雅那 / DOI 10.13026/C2FW2V；版本 v1.0.0（2010-11）→ v1.0.1（2012-08-21，头文件 +8 项，记录数不变）
姊妹库 tpehgt：带宫缩图 / 39.8 MB / DOI 10.13026/C2166R
作者：Alexandersson、Steingrimsdottir、Terrien、Marque、Karlsson
机构：Reykjavik University；Landspitali University Hospital；Université de Technologie de Compiègne

术语表

术语	英文	释义
子宫肌电图	electrohysterogram (EHG)	记录子宫平滑肌电活动的信号
子宫肌电描记法	electrohysterography	采集与分析 EHG 的技术
早产	preterm birth	妊娠满 37 周前分娩
足月	term	妊娠满 37 周及以后分娩
宫缩	uterine contraction	子宫平滑肌收缩
单极电极	monopolar electrode	相对公共参考测量电位的电极
表面肌电	surface EMG	体表测量的肌电
抗混叠滤波	anti-aliasing filter	采样前滤除高于奈奎斯特频率成分的滤波器
高通滤波	high-pass filter	滤除低频成分的滤波器（本库采集未施加）
基线漂移	baseline drift	电极-皮肤电位缓慢变化导致的低频漂移
陷波	notch filter	滤除特定频率（如工频）的滤波器
峰值频率	peak frequency	功率谱能量最大处的频率
中值频率	median frequency	功率谱累积一半能量对应的频率
均方根	RMS	信号幅度的一种度量
样本熵	sample entropy	衡量信号复杂度的非线性指标
纵向研究	longitudinal study	对同一受试者多次测量的研究设计
受试者划分	subject-wise split	按受试者而非记录划分训练/测试集，防个体泄漏
事件注释	event annotation	对信号中特定事件（宫缩等）的标记
宫缩监测图	tocogram	外部压力传感器记录的宫缩曲线
去除标识	de-identification	去除可识别个人身份的信息

附录 A：关键 URL 一览

数据主页：https://physionet.org/content/ehgdb/1.0.0/
数据文件目录：https://physionet.org/files/ehgdb/1.0.0/
数据 DOI：https://doi.org/10.13026/C2159J
论文（Sci Data）：https://doi.org/10.1038/sdata.2015.17
论文（PMC）：https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4431509/
姊妹库 tpehgdb：https://physionet.org/content/tpehgdb/1.0.1/
姊妹库 tpehgt：https://physionet.org/content/tpehgt/
PhysioNet 平台：https://physionet.org/

附录 B：数据文件结构示意

ehgdb/1.0.0/
├── RECORDS                # 记录清单
├── ANNOTATORS             # 注释者信息
├── ice001_p_1.hea         # 头文件（通道、采样率、临床字段）
├── ice001_p_1.dat         # 二进制信号
├── ice001_p_1.atr         # 事件注释（部分记录有）
├── ice001_p_1.mat         # MATLAB 便捷读取（除以 131.068 得 mV）
├── ice001_l_1.*           # 产程记录（type=l）
└── ...                    # 共 122 条记录

附录 C：预处理最小流程清单

读入（.dat/.mat/EDF）——注意换算与偏移；
高通去漂移（0.1–0.5 Hz，因采集无高通）；
50 Hz 陷波（冰岛电网）；
伪迹剔除（结合 .atr 注释或 ICA）；
分窗（30–60 秒常见）；
特征提取（时域/频域/非线性/空间）；
按受试者划分后建模评估。

附录 D：家族选库决策表

需求	推荐库	理由
空间传播分析	ehgdb	唯一 16 电极阵列
宽频频谱分析	ehgdb	200 Hz 采样
大人群早产统计	tpehgdb	300 人
EHG 与宫缩机械活动配对	tpehgt	带宫缩图
跨库鲁棒性验证	三者并用	检验方法是否依赖硬件

附录 E：常见误记纠正表

误记	纠正
ehgdb 有 300 条	122 条（300 条是 tpehgdb）
ehgdb 是 4 电极	16 电极（4 电极是 tpehgdb）
ehgdb 采样 20 Hz	200 Hz（20 Hz 是 tpehgdb）
ehgdb 有 v1.0.1	只有 v1.0.0
ehgdb 旧版新版记录数不同	记录数恒为 122；版本差异在 tpehgdb
ehgdb 有现成 preterm 标签	需自行从 19 项头信息推导
ehgdb 是 122 名受试者	45 名孕妇 / 122 条记录

条目说明：本条目由千方病案医数集 AI-Ready Wikipedia 项目产出，事实依据 PhysioNet 官方数据页与说明文件、Scientific Data 数据描述论文（PMC4431509）以及姊妹库官方版本记录，经三源交叉核验。数据引用请遵循 ODC-By v1.0 署名条款，论文引用请遵循 CC BY 4.0。最后复核：2026-10-12。

字段	内容
中文名	冰岛 16 电极子宫肌电图数据库
英文全称	The Icelandic 16-electrode electrohysterogram database
常用缩写	EHGDB
数据类型	腹壁表面子宫肌电（electrohysterography, EHG）生理信号
托管平台	PhysioNet（Open Access）
版本	v1.0.0（2015-05-09 发布，唯一版本）
版本 DOI	10.13026/C2159J
数据集许可	Open Data Commons Attribution License v1.0（ODC-By v1.0）
规模	122 条记录 / 45 名孕妇（112 妊娠 + 10 产程）
电极配置	16 个单极 Ag/AgCl 电极，4×4 网格，中心间距 17.5 mm
采样	200 Hz，16-bit；抗混叠低通 100 Hz，无高通
采集设备	Embla A10（16 通道），原始 EDF 格式
采集时间地	2008–2010，冰岛（阿克雷里 + 雷克雅未克）
孕周跨度	29 周 5 天 – 41 周 5 天
临床头信息	约 19 项
事件注释	111/122 条记录附 .atr
体积	未压缩 3.7 GB / ZIP 2.0 GB
论文	Sci Data 2:150017（2015），doi:10.1038/sdata.2015.17（CC BY 4.0）
伦理批号	National Bioethics Committee in Iceland，VSN 02-006-V4
主要用途	早产预测、宫缩检测、EHG 信号处理与建模