印度缺血性中风患者睡眠分析多导睡眠图数据集

资源简介

印度缺血性中风患者睡眠分析多导睡眠图数据集

【一句话概览】

iSLEEPS 是面向印度缺血性卒中患者的睡眠多导图数据集，包含 100 名受试者的 PSG 记录，提供睡眠参数标注以及人口统计学、病灶位置和卒中特征信息。数据以 EDF 信号文件和 XLSX 标注文件存储，遵循伦理规范并公开可获取，可用于机器学习模型训练与卒中患者睡眠障碍研究。使用 CNN、LSTM 和 Transformer 模型评估，睡眠分期准确率分别为 61.65%、74.70% 和 67.44%（来源 Zenodo）。

【数据集背景】

本数据集源站标题为《Polysomnography Dataset for Sleep Analysis in Indian Stroke Patients》。

【数据内容】

源站原始描述：1. Overview Sleep health is vital for cognitive function and overall well-being, especially in populations such as ischemic stroke patients, where sleep-disordered breathing is highly prevalent. To address the paucity of stroke-specific sleep data, particularly within the Indian context, we present the Polysomnography Dataset for Sleep Analysis in Indian Ischemic Stroke Patients (iSLEEPS). This dataset comprises 100 polysomnography (PSG) recordings from ischemic stroke patients, with detailed an…

中文译文（机器翻译，仅供快速理解，请以原文为准）：1. 概述 睡眠健康对认知功能和整体健康至关重要，尤其是在缺血性脑卒中患者等睡眠呼吸障碍高度流行的人群中。为弥补卒中特异性睡眠数据的匮乏，特别是在印度背景下，我们提出了用于印度缺血性脑卒中患者睡眠分析的多导睡眠图数据集（iSLEEPS）。该数据集包含100份来自缺血性脑卒中患者的多导睡眠图（PSG）记录，并附有睡眠参数的详细标注，以及患者人口统计学信息、病灶位置和卒中特征。遵循伦理准则，iSLEEPS可公开获取，旨在服务于从训练机器学习模型到深入探索卒中患者睡眠障碍等多种应用。我们使用最先进的深度学习模型对该数据集进行了评估，包括卷积神经网络（CNN）、长短期记忆网络（LSTM）和基于Transformer的架构。在自动睡眠分期分类中，基于CNN的模型达到了61.65%的准确率，基于LSTM的模型为74.70%，基于Transformer的模型为67.44%。这些结果凸显了该数据集在训练机器学习模型方面的实用性，以及其改善卒中患者睡眠结构的潜力。通过提供这一资源，我们旨在弥合印度特异性睡眠障碍数据的缺口，并推动睡眠医学领域的创新。 2. 数据结构 该数据集组织在一个名为Dataset的主文件夹中，其中包含五批受试者数据：40名受试者[可在Zenodo和iHUB-Data获取]全部100名受试者[可在iHUB-Data获取]每批包含对应20名受试者的文件，格式如下：2.1 多导睡眠图数据（EDF文件）每名受试者的PSG记录以欧洲数据格式（EDF）存储，该格式常用于生理信号。文件命名规则：SN.edf（例如，SN1.edf、SN2.edf、…、SN100.edf）。这些文件包含睡眠期间记录的多通道电生理信号。2.2 睡眠标注（XLSX文件）每名受试者都有一个Excel（.xlsx）格式的标注文件，包含跨多个工作表的详细睡眠相关信息。文件命名规则：SN.xlsx（例如，SN1.…

【主题与分类】

主题标签：Polysomnography、Sleep、Ischemic Stroke、Indian、EDF、XLSX、Sleep Staging、Machine Learning、CNN、LSTM。

【获取与许可】

源站页面：https://zenodo.org/doi/10.5281/zenodo.14873843