信息速览

数据集名称EPILEPSIAE — 欧洲癫痫长程脑电数据库

数据类型长程脑电监测,颅内脑电,发作预测,四段时刻标注,空间扩散标注,症状学描述,表面与颅内双模态,术前评估

规模275

接入方式德国弗莱堡大学医院癫痫中心、葡萄牙科英布拉大学医院、法国巴黎 Pitié-Salpêtrière 医院；欧盟第七框架计划 EPILEPSIAE 项目（Grant 211713）资助；现行由弗莱堡大学医学中心 Campus Technologies Freiburg 运营

AI 就绪度

欧洲癫痫数据库有个反常的特点：它的价值不在规模，在那套标注。

规模当然也惊人——275 名患者、四万五千小时、两千多次发作，比此前所有公开脑电库加起来大两个数量级。但真正没人能复制的是它的标注方式：一次发作不是一个带起止的时间段，是四个时刻。首次可见的脑电改变、首次可见的临床改变、脑电发作的起止、临床发作的起止。四者不一定重合，有时差几秒，有时差半分钟。

这个差别看似细微，实际决定了能做什么研究。**你要问「药物有没有推迟临床起病但没推迟脑电起病」，就得有这两条时间线。**只有一个起止的数据库，这个问题问不出来。

代价是它从不免费。学术入门包二十五个数据集两千五百欧元，全库面议，两年期，仅限研究。于是出现一个尴尬的局面：这是欧洲癫痫研究里被引最多的数据库之一，却是大多数人没见过全貌的数据库。

§1 它是什么：三家医院的术前监测档案

1.1 一句话定义与四条边界

这是一份多中心、长程、术前评估场景的癫痫脑电数据库：275 个数据集，来自弗莱堡、科英布拉、巴黎三家癫痫中心的术前监测病房，每段记录至少 96 小时、平均约 150 小时，总计四万小时以上，含两千次以上发作，同时提供表面与颅内两种记录、心电、部分肌电、MR 影像与完整的临床元数据。

四条边界先划清楚：

**不是门诊脑电。**全部是术前评估的长程监测，患者住院数天到数周，为了定位癫痫灶而连续记录。这意味着记录里有大量睡眠、大量日常活动、大量发作间期。
**不是同一份数据。**按数据集个数分档售卖。买 25 人的人和买 275 人的人，拿到的不是同一个子集，报出的结果严格来说不可比。
**不是免费。**学术档最低 2,500 欧元（净价），两年期。
**不是发作稀疏的人群。**入组要求每人至少 3 次临床发作、发作间期超过 4 小时。这个条件是为了让发作预测研究成立，代价是排除了临床上最常见的「几个月才发作一次」的患者。

1.2 三个官方来源，三套数字

这是使用这份数据库时第一个必须知道的事实：官方给出的规模数字互相不一致。

指标	论文（2012）	弗莱堡旧版页面	运营方现行页面	AES 2012 摘要
患者	275	200 以上	250 以上	275
颅内记录	58 人	50 人	60 个数据集	50 人
发作数	未给总数	1,800	2,500 以上	2,662
总时长	40,000 小时以上	30,000 小时以上	45,000 小时以上	未给
每患者发作	3–94 次	—	—	最少 3 次

**看发作那一行：1,800 / 2,500 以上 / 2,662。**三个数字都在官方渠道上，时间跨度十几年。合理解释是库在持续扩充——先是 200 人 1,800 次，后来到 275 人 2,662 次，现在标称 2,500 次以上（可能是保守表述或统计口径变化）。

**问题在于没有 changelog。**你不知道哪个数字对应哪个时间点，也不知道 275 个数据集是不是随时间增加过。

实践建议：引用时写清出处与年份。「截至 2012 年论文，275 名患者、超过 40,000 小时」比「该库有四万五千小时」严谨得多。前者可追溯，后者只是一句谁都能说但没人能核的话。

1.3 它比对手大多少

运营方给过一张横向对比表，这张表能说明它在生态里的位置：

数据库	数据集	时长	发作数
Bonn	5	35 小时	5
Freiburg（早期单中心库）	21	509 小时	88
Flint Hills	10	1,400 小时	49
欧洲库（EPILEPSIAE）	275	45,000 小时以上	2,500 次以上

**把它和 TUSZ 放在一起看更有意思。**TUSZ 是 675 人、1,476 小时——人比 EPILEPSIAE 多，时长只有它的三十分之一。原因很简单：TUSZ 是修剪过的短片段（平均 10 分钟），EPILEPSIAE 是未修剪的连续记录（平均 150 小时）。

这两个数字的对比，一句话说清了「片段」与「长程」的差别：人数不能替代时间。

1.4 为什么必须是长程

发作预测这个任务，只有在长程连续记录上才成立。

**逻辑是这样的：**要预测，你需要「发作前一段时间的脑电」与「远离发作时的脑电」做对比。前者的窗口通常取几分钟到几小时，后者要求离上一次发作至少几小时——否则前一发的发作后期还没消退。

**所以入组条件写得很硬：每人至少 3 次发作，发作间期超过 4 小时。**这两条保证了每名患者都能提供足够的「发作前样本」与「干净的发作间期样本」。

**代价是人群被筛过了。**临床上大部分癫痫患者一年发作几次，住院四天一次都抓不到。这批人被系统性地排除了。所以在这份数据上训练的预测模型，其目标人群是「频繁发作的难治性癫痫患者」——通常是术前评估候选人。这个人群和「社区里的癫痫患者」是两个人群。

1.5 术前减药：一个必须知道的混杂

术前监测的标准流程是减少抗癫痫药物，目的是在住院期间诱发足够多的发作以便定位病灶。

**这意味着记录里的脑电，不是在患者平常状态下的脑电。**减药会带来至少三处改变：

发作频率大幅上升，发作阈值下降；
背景脑电的节律性改变（部分药物会增强 beta 活动，减药后减弱）；
睡眠结构改变，而睡眠与发作的关系极密切。

**对预测任务的影响是双刃的。**一方面，减药让「预测」这件事变得更容易——发作更密集、更规律；另一方面，真实使用场景里患者是规律服药的，模型学到的规律可能不成立。

**这一点在论文与运营方页面里都没有强调。**但它是这份数据最本质的一条使用前提：你研究的是「减药状态下的癫痫」。

1.6 三个中心的贡献方式

弗莱堡、科英布拉、巴黎三家中心的合作不是简单的数据汇总，而是共享了一套标注规范。

**这套规范是项目最实质的产出。**三家医院原本各用各的标注习惯：有人只标临床起病，有人只标脑电起病，有人标得很粗（整段），有人标得很细（逐通道）。EPILEPSIAE 的做法是先定规范、再让三家按同一规范重标。

**代价是重标的工作量。**275 人、2,662 次发作，每次发作四个时刻加三段空间扩散——这个标注量是数人年。

**结果是：这是少数几个跨机构标注口径真正统一的脑电库。**多数多中心数据集是「各自标注、事后对齐」，而这份是「统一规范、重新标注」。这个区别决定了它能不能做跨中心的可比研究。

§2 数据构成：一个人一百五十小时

2.1 每段记录有多长

至少 96 小时（4 天），平均约 150 小时，最长 500 小时。

**这三个数字的含义要分开看。**96 小时是入组下限——不到四天的不收。150 小时是均值，说明分布右偏（有人住了很久）。500 小时是极值，约二十天。

**为什么下限定在 96 小时？**因为要装下至少 3 次发作加足够的发作间期。如果一次发作后需要 4 小时清空，3 次发作加上前后的空白，四天是勉强够的。这是一个由分析需求反推出来的采集时长，不是临床惯例。

2.2 表面与颅内：两种完全不同的数据

维度	表面记录	颅内记录
人数	约 217（论文）	约 50–60
电极方案	10-20 系统，部分加额外电极	栅格、条状、立体定向深部电极
通道数	常见 20–30	最多 122 至 125
电极坐标	无标准化三维坐标	提供 MNI 坐标系坐标
信号特征	受头皮、颅骨衰减，高频成分弱	直接贴近皮层，高频成分强，可看 40–140 Hz
适用	无创、可复现、易外推	定位精度高、可做网络分析

这张表最下面一行才是重点：两者不能互相替代，也不能混在一个训练集里。

表面脑电经过颅骨的低通作用，高频成分被严重衰减。颅内脑电能看到 40 到 140 赫兹的高频活动——而这正是 Alvarado-Rojas 等人 2014 年那篇 Scientific Reports 论文的切入点，他们用高频活动的慢调制来区分发作前状态。这个发现在表面脑电上做不出来，因为那部分频段的能量已经被衰减掉了。

**反过来，颅内数据的外推性极差。**电极是手术植入的，位置由临床需要决定，不同患者的采样位置完全不同——一个人可能重点覆盖左侧颞叶，另一个右额。这意味着「跨患者训练」在颅内数据上基本不可行，只能做「个体内」研究。

2.3 心电与肌电：两个被低估的通道

**全部患者都记录心电。**这不是可有可无的附加，是术前评估的标配——发作时的心率变化（尤其是 ictal tachycardia）是定位发作起始的重要辅助线索。

**65% 的患者有颏下肌电，用途是睡眠分期。**这条信息很多人不知道，但它解决了一个大问题：长程记录里睡眠占了约三分之一时间，而睡眠期与清醒期的脑电背景完全不同。没有睡眠分期，你无法判断某段信号的变化是病理性的还是生理性的（比如入睡时的顶尖波、K 复合波）。

**用这个数据做预测研究的人，如果忽略了睡眠分期这一列，等于把一个最强的混杂因素留在了模型里。**模型可能学到的是「睡眠阶段的转换」，而不是「发作前的预兆」。

2.4 MR 与临床元数据：让它能做「关联研究」

附 MR 影像，附临床元数据：病程、组织病理、每日抗癫痫药物剂量、手术结局、影像数据。

这几项的组合，让它能回答的问题超出「检测」范畴：

病理类型（海马硬化 vs 局灶皮质发育不良）与发作形态的关系；
每日药物剂量与发作频率的关系；
手术切除范围与术后无发作的关系；
发作起源部位与影像病灶是否一致。

**这类问题在纯信号数据集上问不出来，因为缺临床变量。**TUSZ 没有用药记录，CHB-MIT 没有影像。这是 EPILEPSIAE 最容易被忽略的优势。

2.5 关系型数据库：一个 SQL 查询层

底层不是一堆文件，是一个关系型数据库。提供图形界面的查询输入掩码，专家用户可直接执行任意 SQL。

**这个设计在 2012 年是先进的做法。**它意味着你可以问「找所有左侧颞叶起源、病理为海马硬化、术后 Engel I 级、且发作前 10 秒处于清醒状态的患者」这样的问题，然后直接拿到对应的数据子集。

**但也是它难以开放的原因之一。**数据库形态要求访问控制、要求查询服务、要求理解模式。相比「下载一个 tar 包」的开放数据集，它的门槛高得多。

运营方现在的做法就是拿这个模式当卖点：「the relational system underlying the database allows users to comfortably search for specific questions and for selection of homogeneous patient groups」。

2.6 存储格式：简单二进制加头文件

原始电生理以简单二进制格式存储，配头文件说明采样率、起始时间、长度。

**这不是 EDF，也不是 BIDS。**你要自己写读取器，或者用他们提供的工具。头文件给了必要的元信息（采样率、起点、长度），但不含标准化的通道命名体系。

**实践后果：**用惯了 EDF 的人，第一步就要处理格式转换。而这一步没有官方文档可循——论文只说了「simple binary format with additional header files」，没给字节序、没给数据类型。

**这也解释了为什么 EPILEPSIAE 上的复现研究比 TUSZ 少得多。**门槛不在数据质量，在读取这一步。

2.7 采样率跨度：250 赫兹到 2.5 千赫兹

十倍的范围。这个跨度不是设计选择，是三家医院设备差异的结果。

**2.5 千赫兹的意义在颅内记录。**高频振荡（HFO，通常定义在 80 到 500 赫兹）是癫痫灶定位的重要标志物，而它的分析要求采样率至少 2 千赫兹。表面脑电的 250 赫兹采样，奈奎斯特频率只有 125 赫兹，根本看不到 HFO。

**所以这份数据里，高频分析只能在颅内那部分做。**而且只能在被 2 千赫兹以上采样的那部分颅内记录上做。这个子集的实际大小，官方没有给。

2.8 电极坐标：颅内数据的独特价值

颅内患者提供按 MNI 坐标系的三维电极坐标，并给换算 Talairach 坐标的函数。

这件事的分量：它让「跨患者的空间对齐」第一次变得可能——不是在信号层面（每个人的电极位置不同，通道数不同），而是在空间层面（把每个触点映射到标准脑空间，然后按解剖位置做体素级分析）。

**这是表面脑电做不到的。**10-20 系统的电极位置是标准化的，但只到厘米级；而颅内触点可以精确到毫米，且有影像验证。

**代价是样本极少。**50 到 60 人分布在三种电极方案里，真正能做人群体素分析的子集可能只有二三十人。

2.9 每患者 3 到 94 次发作

这个跨度是 30 倍，它决定了这份数据的使用方式。

**发作多的患者（比如 94 次）适合做什么？**适合做「同一患者的发作一致性」研究——他的发作是不是每次都从同一个部位起始、形态是否稳定、预兆是否一致。

**发作少的患者（3 次）适合做什么？**只够做最基础的检测，不够做预测（预测需要足够的样本训练个体模型）。

**这个分布提醒一件事：**如果用「人均发作数」来估计样本量，会严重高估可用的独立事件数——因为多数事件集中在少数人身上。这和 TUSZ 的问题一模一样（人均 5.97 次，但分布极偏）。

§3 怎么拿到：按数据集个数买

3.1 五个档位的价目表

这是这份数据最不「数据集」的一面：它有价目表。以下为净价、不含增值税。

档位	数据集数	价格	表面/颅内	期限	用途
学术入门包	25	2,500 欧元	仅表面	2 年	仅研究
学术标准包	50	4,500 欧元	表面或颅内	2 年（可续）	仅研究，优先支持
学术扩展包	100	9,000 欧元	表面或颅内	2 年（可续）	仅研究，优先支持
学术全库	275	面议	全库	灵活	仅研究，含培训
商业标准包	50	9,000 欧元	表面或颅内	2 年	私营部门研究

另有一档「商业定制或全库访问」，最高 275 个数据集，价格面议。

**注意入门包的那一行：仅表面。**如果想做颅内研究，最低门槛是标准包的 4,500 欧元。

**再注意单价的变化：**25 人 2,500 欧元（100 欧元/人）、50 人 4,500 欧元（90 欧元/人）、100 人 9,000 欧元（90 欧元/人）。买得越多单价几乎不变，没有明显的规模折扣。这与一般的数据授权定价不同。

3.2 分档售卖带来的可比性问题

这是这份数据最需要提示的一点。

**TUSZ 的逻辑是：所有人下载同一份东西。**你说「我在 TUSZ 上做到 F1 43%」，别人下载同一份能复现。

**EPILEPSIAE 的逻辑是：每人买一个子集。**你说「我在 EPILEPSIAE 上做到敏感度 80%」，别人不知道你用的是哪 25 个人、哪 50 个人。除非你把患者 ID 列出来，否则这个数字不可复现。

**这个问题在文献里被系统性地忽略了。**翻阅用 EPILEPSIAE 的论文，很少有列出具体用了哪些数据集的。多数只说「使用了 EPILEPSIAE 数据库中的 X 个数据集」。

**实践建议：如果你用这份数据发论文，把数据集编号列在附录。**这是让结果可复现的最低要求，成本几乎为零。

3.3 两年期许可

全部档位都是 2 年期（可续）。

**这意味着什么？**一个博士生的整个课题可能横跨 4 到 5 年。许可到期后如果不续，数据就不能再用——包括不能在后续论文里继续分析。

**「仅研究用途」这一条也要当真。**没有临床部署的合规路径。如果你的目标是做产品，这条路径走不通，得另找数据源（TUSZ 只禁止再分发，不禁止商用——两者的约束不同）。

3.4 从「申请即可访问」到「分档售卖」

2012 年弗莱堡的页面上写的是：「数据库自 2012 年起对向负责研究组提出申请的用户开放。」

现行是分档商业许可。

**这个转变很常见，也值得记一笔。**一个由欧盟 FP7 资助建成的学术资源，在项目结束后要维持运营，通常只有三条路：继续申请资助、靠机构补贴、或商业化。EPILEPSIAE 选了第三条——由弗莱堡大学医学中心的技术转移实体 Campus Technologies Freiburg 运营。

**结果是双面的：**数据确实活下来了（十几年一直在维护、在扩充），但门槛也立起来了。这是一个关于「科研基础设施如何持续」的诚实样本，不带道德判断。

3.5 找谁

直接联系弗莱堡的 Matthias Dümpelmann（matthias.duempelmann@uniklinik-freiburg.de）。运营方页面明确写了「欢迎直接联系我们获取更多信息与定制方案」。

**定制方案是真的存在。**全库那一档写的是「灵活许可、可定制条款」，说明价格与条款都可以谈——尤其是对需要特定患者子集（比如只要颞叶癫痫、只要术后随访完整）的研究。

3.6 引用怎么给

数据库本身的引用：

Klatt J, Feldwisch-Drentrup H, Ihle M, Navarro V, Neufang M, Teixeira C, Adam C, Valderrama M, Alvarado-Rojas C, Witon A, Le Van Quyen M, Sales F, Dourado A, Timmer J, Schulze-Bonhage A, Schelter B (2012). The EPILEPSIAE database: an extensive electroencephalography database of epilepsy patients. Epilepsia 53(9):1669–1676. doi: 10.1111/j.1528-1167.2012.03564.x

**十六位作者，横跨三个国家、五个机构。**这个作者列表本身就是这个项目的结构写照。

§4 质量与已知问题

4.1 三个官方来源互相矛盾

已在 §1.2 展开。这里补一句使用层面的建议：**如果你的论文要引规模数字，最安全的写法是「截至 2012 年发表时为 275 名患者、超过 40,000 小时」，并注明来源是论文。**因为论文是可核的，网页是会变的。

4.2 减药状态：最大的隐蔽混杂

已在 §1.5 展开。**这里补一条实操建议：**如果你的模型要外推到日常状态，至少要在讨论里写明这个限制，并且最好做一个敏感性分析——把发作极密集的片段（住院后期，减药最深）单独拆出来，看模型性能是否随减药程度变化。如果性能随减药程度显著改善，说明模型部分依赖「减药特征」。

4.3 入组筛选：排除了发作稀疏者

「至少 3 次发作」这一条，把临床上最常见的那类患者（药物控制尚可、数月发作一次）整体排除了。

**后果：在这份数据上训练的模型，可能对「发作频繁」这个特征过度依赖。**到真实场景里，一个三个月没发作的患者，模型可能根本触发不了。

4.4 颅内电极方案不可比

栅格、条状、深部电极混用，最多 122 至 125 通道。每个患者的采样位置由临床需要决定。

这意味着：

跨患者的通道级对齐不可行；
只能做「按解剖位置对齐」（靠 MNI 坐标）；
而按解剖对齐要求每个触点都有准确的影像定位，这个信息在实际拿到手的子集里是否完整，需要自己核。

4.5 格式不标准

简单二进制加头文件，不是 EDF、不是 BIDS。

**这条的实际影响比看起来大。**它让「快速上手」变得不可能——你得先写读取器、先搞清字节序与通道排列、先验证读出来的信号对不对。

**验证的方法：**用一段已知的心电通道做交叉检查。心电的 R 波形态任何人都认得，如果读出来心电正常、脑电也大概正常，说明格式解对了。

4.6 没有 changelog

规模从 200 人 1,800 次发作增长到 275 人 2,500 次以上，中间加了什么、什么时候加的、标注规范有没有变——全部没有记录。

**这对纵向研究是个麻烦。**如果 2015 年有人用当时的版本做了结论，2025 年有人用现在的版本复现，两人可能用的不是同一批数据，但都不知道。

4.7 两年许可到期后的处置

不清楚。

协议文本未公开（需购买后才能看到完整条款）。**「到期后是否要求删除数据」这个问题，官方页面没有回答。**这对长期课题是个实际风险点——如果你的模型训练完成、论文还没发，许可到期了怎么办。

§5 能做什么

5.1 任务一：发作预测（这份数据的主场）

这是 EPILEPSIAE 建库的原始目标。论文标题里那句话——「the seizure prediction community faced problems concerning evaluation, standardization, and reproducibility」——直接点明了动机。

**为什么它适合：**每人至少 3 次发作、发作间期超 4 小时、连续记录至少 96 小时。这三条正好是预测研究的最低要求。

**经典范式是「发作前 vs 发作间期」的二分类。**定义发作前窗口（比如发作前 30 分钟）、发作间期窗口（离任何发作至少 4 小时），然后训练分类器区分两者。

**这条路走出来的结果要谨慎解读。**运营方列的十篇代表论文里，有多篇报告了不错的预测性能，但这个领域的历史包袱很重——早期的「预测」结果后来被证明很多是「检测」的伪装（模型实际上是在识别已经开始的发作，而不是预测未来的发作）。

**Sopic 等人 2023 年在 Epilepsia 上那篇「个体化发作签名」值得读。**它的切入点不是提高敏感度，而是削减误报——这说明领域重心已经从「能不能预测」转到「预测得有没有用」。

5.2 任务二：发作检测（能做，但不是最优选择）

检测是预测的下位任务：识别正在发生的发作。

用这份数据做检测的优点是长程——你有连续几十小时的数据，可以真实地算「每天误报多少次」。

**缺点是只有 275 人，而且需要付费。**相比之下 TUSZ 有 675 人、免费（签协议）、且有公开的基准榜。做检测，TUSZ 是更理性的起点。

5.3 任务三：四段时刻带来的独特问题

这是这份数据真正的独特点，也是最少被利用的一点。

**四个时刻是：首次脑电改变、首次临床改变、脑电发作起止、临床发作起止。**由此可以构造出一批别处做不出的问题：

电临床分离度：脑电起病到临床起病的时间差。这个差在不同发作类型、不同病灶位置下差异多大？
亚临床发作：脑电上有发作、临床上看不出来的那些。它们与临床发作的脑电形态有何不同？为什么有些「扩散」出去了，有些没有？
终止机制：脑电终止与临床终止的时间差，能否预测发作的严重程度？

**这三个问题在只有一个「起止」的数据库上问不出来。**而临床意义很直接——尤其是亚临床发作，它直接影响「要不要报给医生」。

5.4 任务四：空间扩散的三段标注

标注分了初始受累触点、早期扩散、晚期扩散三段。

**这构成了一个天然的「发作传播」标签。**你可以问：什么样的起始模式会快速扩散？扩散路径与解剖连接（白质纤维束）是否吻合？扩散速度能否预测发作的临床表现？

配合 MNI 电极坐标，这类分析可以在标准空间里做，从而跨患者比较。

**这条路在文献里做得还很少。**多数人拿这份数据做时间序列分类，很少有人用它做空间传播建模——尽管标注就是为此设计的。

5.5 任务五：与影像、病理、药物的关联

附 MR、组织病理、每日药物剂量、手术结局。

可以问的问题：

影像病灶与脑电起源是否一致？不一致的病例，术后结局如何？
不同病理类型（海马硬化 vs 皮质发育不良）的发作起始模式差异？
药物剂量变化与发作频率的时序关系？

**这条线的门槛是临床背景。**纯工程团队拿这份数据通常只做信号任务，浪费了这些变量。

5.6 任务六：高频振荡与癫痫灶定位

只有颅内记录、且采样率高于 2 千赫兹的那部分能做。

**高频振荡（80 到 500 赫兹）是目前癫痫灶定位研究的热点。**它与致痫区的空间对应关系比发作间期尖波更紧密。

Alvarado-Rojas 等 2014 年那篇用的是 40 到 140 赫兹这个频段，发现发作前存在慢调制。这类工作对采样率的要求很高——如果原始采样只有 250 赫兹，这个频段完全在奈奎斯特频率之外。

§6 常见误读与引用陷阱

常见说法	实际情况	依据
「EPILEPSIAE 是免费开放数据集」	按数据集分档售卖，学术最低 2,500 欧元	运营方价目表
「有 45,000 小时」	论文说 40,000 以上，弗莱堡旧页说 30,000 以上，运营方说 45,000 以上	三源并列
「有 2,662 次发作」	那是 2012 年 AES 摘要的数字；运营方现行标 2,500 以上，旧页标 1,800	三源并列
「275 名患者都能拿到」	按档位买，入门包只有 25 个数据集	价目表
「可以在论文里直接说用了 EPILEPSIAE」	必须说明用了多少个、哪些数据集，否则不可复现	§3.2
「许可永久有效」	2 年期，可续	价目表
「可以用于产品开发」	全部档位标注仅研究用途	价目表
「是 EDF 格式」	简单二进制加头文件，需自写读取器	论文
「表面与颅内可以混合训练」	信号特性差异极大，高频成分在表面记录中被颅骨衰减	§2.2
「记录了日常服药状态下的脑电」	术前监测常规减药，发作频率被人为抬高	§1.5

坑点十一：把 275 当成实际可用样本量。 275 是数据集总数，其中颅内只有 50 到 60 人。如果你的任务要求颅内，可用样本立刻缩小到五分之一。

坑点十二：忽略「至少 3 次发作」这条入组条件。 它意味着这份数据的人群是「频繁发作的难治性癫痫」，不是「癫痫患者」总体。在这上面报的敏感度，不能外推到筛查场景。

坑点十三：把费用当成唯一的门槛。 真正的时间成本在格式转换——简单二进制格式没有公开的字节序说明，读通它可能花掉一周。

坑点十四：用「人均发作数」估样本量。 3 到 94 次的分布极偏，多数事件集中在少数人身上。按人均算会高估独立事件数。

坑点十五：以为关系型数据库可以直接下载。 它是查询服务，不是文件包。拿到数据的形式取决于你和运营方谈的条款。

§7 在生态中的位置

7.1 与 TUSZ 的分工：片段 vs 长程

维度	EPILEPSIAE	TUSZ
受试者	275	675
时长	40,000–45,000 小时	1,476 小时
记录性质	连续长程，平均 150 小时	修剪片段，平均 10 分钟
颅内	有（50–60 人）	无
影像	有 MR	无
用药记录	有（每日剂量）	无
获取	付费，2,500 欧元起	免费，签协议
格式	简单二进制	EDF
标注粒度	四个时刻 + 三段扩散	起止 + 通道 + 亚型
公开基准	无统一榜	SzCORE 持续开放平台
典型用途	发作预测、空间传播、多模态关联	发作检测、跨患者泛化、算法比对

**一句话分工：想研究「发作是怎么开始的、往哪里扩散、和影像病理什么关系」，用 EPILEPSIAE；想研究「算法在多少人身上有效」，用 TUSZ。**前者是深度，后者是广度。

7.2 与 CHB-MIT 的对比：谁更「长程」

两者都是连续记录，但完全不同量级。

CHB-MIT：24 人（多为儿童），982 小时，双极导联，198 次发作，免费。EPILEPSIAE：275 人，四万小时，含颅内，2,500 次以上发作，付费。

**CHB-MIT 的价值在于「人人都有」。**它是这个领域最常用的入门数据集，因为免费、格式标准（EDF）、文档齐全。缺点是只有 24 个人，任何「跨患者泛化」的结论都不稳。

**EPILEPSIAE 的价值在于「没人有全貌」。**这让它适合做深度研究，不适合做公开基准。

7.3 与 Siena 的对比

Siena：14 人、128 小时、47 次发作、512 赫兹、免费。

**Siena 的定位是「小而精的外部验证集」。**因为人少、标注好，常被用作跨库测试——在别处训练，在 Siena 上测。SzCORE 挑战赛把 Siena 列为三个主力公开数据集之一。

7.4 一个被忽视的位置：颅内脑电的稀缺性

公开可得的颅内癫痫脑电极少。原因很直接：颅内电极是手术植入的，数据涉及更高的隐私敏感度，机构审查更严。

**能想到的公开颅内库也就几个：**EPILEPSIAE 的 50 到 60 人、Freiburg 早期库的 21 人、以及少数几个专门发布的深部电极数据集。

**这让 EPILEPSIAE 在颅内这个细分上几乎没有替代品。**如果你的研究需要颅内脑电，付费可能就是唯一的路。

7.5 这条路线的现状

发作预测这个领域的历史，值得用一段话说清。

二十年前，几篇高影响力论文报告了接近完美的预测性能，领域一度非常乐观。随后，几项严格的重新评估发现：那些结果大多无法复现，问题出在评估方法——比如没有正确处理「发作间期」的定义、没有防止信息泄漏、没有按患者分层。

**这正是 EPILEPSIAE 建库的动机。**论文第一句就点出「prediction community faced problems concerning evaluation, standardization, and reproducibility」。

**十几年过去，进展是有的，但没有突破。**运营方列出的十篇代表作里，2022 到 2025 年的工作集中在两个方向：个体化（Sopic 2023 的个体签名、Baghersalimi 2022 的联邦学习）和工程化（Reisinger 2025 的边缘设备功耗）。

**这两个方向共同承认了一个事实：**通用模型在这件事上做不到，必须个体化；而个体化要求设备足够轻、功耗足够低。这个共识比任何单个指标都更能说明领域走到了哪一步。

§8 怎么用：从询价到建模

8.1 第一步：先确认你需要哪一个子集

不要一上来就谈全库。

先问自己四个问题：

需要表面还是颅内？（颅内最低 4,500 欧元那一档）
需要多少个患者才有统计效力？（25 人做探索，50 人做验证，100 人以上做泛化）
需要哪些临床变量？（决定要不要谈定制）
需要多长许可？（博士课题建议一次谈 4 年）

**这四个答案直接对应档位与报价。**带着答案去谈，比「我想要你们的数据库」效率高得多。

8.2 第二步：把格式问题前置

拿到数据之前，先索要一份小样本（通常运营方愿意给几个文件试用）。

然后用这份小样本解决三件事：

写读取器（字节序、数据类型、通道排列）；
用心电通道验证读得对不对（R 波形态是最可靠的校验）；
确认头文件里的字段含义。

**这一步可能花掉一周，但它在项目的最前面。**如果在数据到手之后才发现格式读不懂，损失的是整段许可时间。

8.3 第三步：定义「发作前」与「发作间期」

这是预测研究里最容易出错的地方，也是最容易作弊的地方。

标准做法：

发作前窗口：发作起始前 30 分钟（或 10 分钟、60 分钟，需说明）；
发作间期窗口：距任何发作至少 4 小时，且距任何发作后状态足够远；
排除期：发作后一段时间（通常 30 分钟到 1 小时）既不算前也不算后，因为发作后期脑电仍在异常。

**关键约束：不要用未来的信息。**如果用整段记录做归一化（比如用全程均值方差），就把未来的统计量泄漏进了训练。正确做法是用滑动窗口的因果统计量，或者只用训练段估计参数。

**这条约束在这个领域被违反过很多次。**它也是早期「完美预测」结果的主要来源之一。

8.4 第四步：按患者切分，绝不按时间切

这是癫痫预测的第二条铁律。

同一个患者的发作前状态和发作间期状态，在统计上是相关的（同一个大脑、同一套电极、同一批药物）。如果按时间切片分训练测试集，模型会学到「这个人的特征」，然后在他身上测试，结果虚高。

**正确做法：留出法（leave-one-patient-out）或按患者分层。**SzCORE 的评分也是「先按患者算、再取平均」——这个设计就是为了防止发作多的人主导结果。

8.5 第五步：报数时写清楚三件事

**① 用了哪些数据集。**列出编号或至少列出人数、表面/颅内比例。这一条是这份数据可复现性的底线。

**② 减药状态怎么处理。**是否做了敏感性分析。

**③ 评估用的是哪种口径。**事件级还是窗口级？容差多少？这些参数直接影响数字。

8.6 第六步：把临床变量用起来

如果你的团队有临床背景，别只做信号分类。

**至少试一件事：把病理类型、病灶位置、用药剂量作为协变量纳入分析。**哪怕是简单的分层分析（比如海马硬化组 vs 皮质发育不良组的模型性能对比），也比纯信号研究更有信息量。

这是这份数据相对 TUSZ 的核心优势，浪费掉很可惜。

§9 一个更宽的问题：科研基础设施怎么活下去

EPILEPSIAE 的故事值得单独说一段，因为它不是个例。

一个由公共资金建成的数据库，通常会经历三个阶段：

**第一阶段，项目期内。**有经费，有明确目标（这个项目是发作预测），有跨机构协作的动力。数据快速积累，标注规范统一，基础设施搭起来。

**第二阶段，项目结束后。**经费断了，但数据还在、还在被引用、还需要维护。维护不是零成本：服务器要钱、格式要跟着技术演进、有人来问要回答、许可要管理。

**第三阶段，要么消亡，要么商业化。**消亡的方式很安静——网站还在，下载链接挂了，没人知道数据在哪。商业化的方式很显眼——出现价目表。

**EPILEPSIAE 走了第三条路。**由弗莱堡大学医学中心的技术转移实体运营，分档定价，明码标价。

这个选择的后果是双面的，而且都真实：

**好处是数据活着。**十几年过去，规模从 200 人扩到 275 人，采样的设备在更新，联系人在换，但数据库还在维护。对比之下，那些「永久免费」的学术数据集，有相当一部分已经找不到下载入口了。

**代价是门槛立起来了。**一个巴西或印度的研究生，2,500 欧元是三个月的补助。他因此用不上这份数据，只能退回到 TUSZ——而 TUSZ 只有片段没有长程、没有颅内、没有影像。

**这个代价不是抽象的公平问题，它直接影响研究结论的分布。**用免费数据做出来的人，结论集中在「检测」；用得起付费数据的人，结论才能碰「预测」「空间传播」「多模态关联」。数据的可及性，塑造了问题的可及性。

**有没有更好的模式？**说实话，没有现成答案。几种尝试各有问题：

完全免费：靠机构补贴，可持续性差，多数活不过项目期；
象征性收费（比如几百欧元）：覆盖不了维护成本，但能挡住滥用，是个折中；
分层定价（按国家收入水平）：EPILEPSIAE 目前没有这种做法，但这是最常被建议的方案；
只卖计算不卖数据（数据不出域，按查询/训练时长收费）：技术复杂度高，但能同时解决隐私与可持续问题。

**这个问题没有标准答案，但值得每个做数据基础设施的人想一遍：**你希望自己建的东西，在经费断掉之后还能活多久、以什么形式活、为谁活。

§10 术语与口径

术语	含义
EPILEPSIAE	欧盟 FP7 项目名（Grant 211713），也用作数据库的通用称呼
European Epilepsy Database	该数据库的正式名称，与 EPILEPSIAE 指同一实体
术前监测	presurgical monitoring，癫痫手术前的长程视频脑电评估
减药	为诱发发作而降低抗癫痫药物剂量，术前监测的标准流程
HFO	High Frequency Oscillation，高频振荡，常用于癫痫灶定位
MNI 坐标	蒙特利尔神经学研究所标准脑空间，用于跨患者对齐
Talairach 坐标	另一套标准脑空间，与 MNI 可换算
发作间期	interictal，两次发作之间、且远离两次发作的时段
发作前	preictal，发作起始之前的一段时间，长度需在研究中定义
电临床分离	脑电起病与临床起病之间的时间差
亚临床发作	脑电有发作、临床无表现的发作
Engel 分级	癫痫术后结局评价标准，I 级为无发作或仅有先兆
颏下肌电	submental EMG，下颌下方肌电，用于睡眠分期

10.1 关键数字一览

项	值	来源
患者 / 数据集	275	论文 / AES 摘要
患者（运营方口径）	250 以上	Campus Technologies 页面
表面记录	约 217 人	论文
颅内记录	58 人（论文）/ 50 人（AES）/ 60 数据集（运营方）	三源并列
发作数	1,800（旧页）/ 2,500 以上（运营方）/ 2,662（AES）	三源并列
总时长	30,000 / 40,000 / 45,000 小时以上	三源并列
每段记录下限	96 小时	全部来源一致
平均记录	约 150 小时	运营方 / 论文 165 小时
最长记录	500 小时	论文
每患者发作	3–94 次	论文
入组门槛	至少 3 次发作，发作间期超 4 小时	论文
采样率	250 赫兹 – 2.5 千赫兹	论文 / 运营方
最大通道数	122（运营方）/ 125（论文）	两源并列
心电覆盖	全部患者	论文
肌电覆盖	65% 患者	论文
学术最低价	2,500 欧元 / 25 数据集	运营方
许可期	2 年	运营方
首次发表	2012 年 9 月，Epilepsia 53(9):1669–1676	论文

10.2 可立即验证的疑问

**从 1,800 次发作到 2,662 次，中间加了什么？**没有 changelog。
**颅内到底是 50、58 还是 60？**三个来源三个数。
**45,000 小时含不含 MR 与其他元数据？**运营方表述模糊。
**2 年许可到期后数据怎么处置？**官方页面未答。
**有没有面向低收入国家的减免？**价目表未提。
**2.5 千赫兹采样的颅内记录有多少人？**高频研究的关键，未公开。
**epilepsy-database.eu 现在还能访问吗？**弗莱堡旧页指向它，运营方页面指向自己。
**标注规范原文在哪？**论文说「标准化标注规范」，但规范文档未公开。

10.3 DAIMS 评估

DAIMS 维度	评分	说明
数据可发现性	中高	论文清楚，但官方入口分散在三个域名下
数据可访问性	低	付费、需洽谈、需签许可
数据可用性	中	标注极丰富，但格式非标准、需自写读取器
数据互操作性	低	简单二进制、通道命名不统一、非 BIDS
数据可重用性	中高	十篇以上代表性论文，但子集不可比影响复现
数据质量	高	三中心统一规范重标，四段时刻 + 三段扩散
数据治理	高	明确许可、明确期限、明确用途限制
元数据完备性	极高	MR、病理、用药、手术结局、MNI 坐标
文档质量	中	论文详尽，但格式说明与标注规范不公开
基准完备性	低	无统一公开榜，各团队各用子集

§11 事实清单

11.1 已核实

项	值	核对方式
项目编号	FP7 Grant 211713	运营方与弗莱堡页面
合作中心	弗莱堡、科英布拉、巴黎 Pitié-Salpêtrière	论文与 AES 摘要
首次发表	2012-09，Epilepsia 53(9):1669–1676	PubMed
DOI	10.1111/j.1528-1167.2012.03564.x	PubMed 与运营方引用列表
第一作者	Juliane Klatt	PubMed
患者数	275	论文 / AES
表面 / 颅内	217 / 58（论文）	论文
每段下限 96 小时	是	论文 / 运营方 / 弗莱堡页一致
平均记录	165 小时（论文）/ 150 小时（运营方）	两源
最长记录	500 小时	论文
发作数	2,662（AES 2012）/ 2,500 以上（运营方）/ 1,800（旧页）	三源
每患者发作	3–94	论文
入组门槛	≥3 次临床发作，发作间期 >4 小时	论文
采样率	250 赫兹 – 2.5 千赫兹	论文 / 运营方
最大通道	122（运营方）/ 125（论文）	两源
ECG	全部患者	论文
EMG	65% 患者，颏下	论文
MNI 坐标	颅内患者提供	论文
标注四时刻	首次脑电改变、首次临床改变、脑电起止、临床起止	论文
空间扩散	初始触点、早期扩散、晚期扩散	论文
觉醒状态	发作起始前 10 秒	论文
亚临床发作	标注首次发生时刻	论文
存储格式	简单二进制 + 头文件	论文
上层结构	关系型数据库 + 图形查询 + SQL	论文
学术入门包	25 数据集 / 2,500 欧元 / 仅表面 / 2 年	运营方价目表
学术标准包	50 数据集 / 4,500 欧元 / 2 年	同上
学术扩展包	100 数据集 / 9,000 欧元 / 2 年	同上
商业标准包	50 数据集 / 9,000 欧元 / 2 年	同上
横向对比	Bonn 5/35h/5 次；Freiburg 21/509h/88 次；Flint Hills 10/1400h/49 次	运营方
运营主体	Campus Technologies Freiburg	运营方
联系人	matthias.duempelmann@uniklinik-freiburg.de	运营方

11.2 未核实

从 1,800 到 2,662 次发作的增量构成；
颅内记录的准确人数（50 / 58 / 60 三个说法）；
45,000 小时的统计边界；
2 年许可到期后的数据处置要求；
低收入国家的减免政策；
2.5 千赫兹采样颅内记录的人数；
epilepsy-database.eu 的现状；
标注规范文档全文；
各患者的具体电极方案分布。

11.3 证据链

Campus Technologies Freiburg 运营页面：现行档位与价格、规模数字、技术规格、横向对比表、十篇代表性论文清单、联系人。
弗莱堡大学癫痫中心旧版页面：200 人 / 1,800 次发作 / 30,000 小时的旧口径、早期「申请即可访问」的表述、与 Bonn/Flint Hills/Freiburg 三个老库的对比。
AES 2012 摘要：275 人 / 2,662 次发作 / 50 人颅内 / 「大两个数量级」的自评。
PubMed 记录：作者列表、期刊卷期页码、DOI、发表时间。
论文正文（经多处二手引述交叉确认）：标注四时刻与三段扩散的定义、入组条件、ECG/EMG 覆盖、MNI 坐标、存储格式、关系型数据库设计。
未获取：论文 PDF 原文件（源站下载超时），标注规范文档，许可协议全文，原始数据样本。

编辑说明

本页依据弗莱堡大学医学中心 Campus Technologies Freiburg 的运营页面、弗莱堡癫痫中心旧版数据库页面、2012 年 AES 年会摘要、PubMed 书目记录，以及 2012 年 Epilepsia 论文经多处二手引述交叉确认的内容撰写。

需要说明的几处判断：

一是关于规模数字的处理。 本页没有选一个「最可信」的数字当权威，而是把四个来源（2012 论文、旧版弗莱堡页、现行运营页、AES 摘要）并列成表。理由：这四个来源都是官方的，分歧本身是这份数据的一个事实特征，掩盖它会误导读者。凡涉及规模的表述，本页都注明基于哪个来源。涉及范围时用「约」「以上」等限定语，不把约数写成精确值。

二是关于论文 PDF 的获取。 论文原站在本页写作时下载超时，未能取得原文件。标注体系的细节（四时刻定义、三段扩散、觉醒状态、65% 肌电覆盖、MNI 坐标）来自论文摘要、AES 摘要与多处研究者的二手引述，三处表述一致。本页采信这些细节，但在证据链中明确标注「未获取 PDF 原文件」。凡属此类的内容，措辞上避免引用原文长句，只转述要点。

三是关于价格。 价目表标的是净价、不含增值税，本页照录。价格可能随时调整，本页记录的是 2026 年 10 月页面所示，不代表长期有效。

四是关于「减药」这一混杂。 论文与运营方页面都没有把它作为限制条件强调，但术前监测减药是神经内科的常规流程。本页判定这是这份数据最本质的使用前提之一，因此在 §1.5 与 §4.2 两处专门展开。这属于基于领域常识的推断，本页明确标明「这一点在论文与运营方页面里都没有强调」。

五是关于「至少 3 次发作」的筛选效应。 论文把它作为入组条件陈述，未讨论偏差。本页指出它系统性排除了发作稀疏患者，并因此影响外推。这是本页的分析，不是原文观点。

六是关于可比性问题。 分档售卖导致不同团队用的不是同一份集合——这一点的严重性在现有文献里被普遍忽略。本页把它列为 §3.2 的独立小节，并给出「列数据集编号」这条几乎零成本的对策。这是本页的建议。

七是关于 §9 的评价。 那一节讨论科研基础设施的可持续性，本页刻意不给价值判断，只陈述三条路径的代价。EPILEPSIAE 选择商业化，既不应被简单批评为「把公共资源变商品」，也不应被简单赞誉为「可持续典范」——本页列举了双面的后果，把判断留给读者。

未验证的部分：从 1,800 到 2,662 次发作的增量构成、颅内人数的准确值、45,000 小时的统计边界、许可到期后的处置要求、低收入国家减免政策、2.5 千赫兹采样颅内记录的人数、epilepsy-database.eu 的现状、标注规范文档全文、各患者电极方案分布。

编辑说明（核对方式）

核对时间：2026-10-20。核对方式：三个官方页面（运营方现行页、弗莱堡旧版页、AES 摘要页）逐一抓取原文并逐项对照，凡数字不一致处全部并列记录而非择一；PubMed 记录核对书目信息；论文 PDF 尝试直接下载但源站超时（exit 28），改以摘要与多处二手引述交叉确认标注体系细节，并在证据链中声明这一点。

需要提醒一处：弗莱堡旧版页面上的数字（200 人 / 1,800 次发作 / 30,000 小时）明显早于论文的 275 人 / 40,000 小时，但页面本身没有更新时间戳，无法确定它反映的是哪个年份的口径。本页按「旧版口径」标注，不推断具体年份。