连续深度动态分析(CDDA):异质性睡眠深度轨迹的事后估计框架

该数据集面向连续深度动态分析(CDDA)这一事后估计框架,包含312条经匿名化处理的EEG/ORP衍生睡眠深度轨迹,并附轨迹数据与分析代码

Mendeley DataMendeley Data
datacite
浏览 10
时间序列回归Machine LearningElectroencephalographyBiomedical Signal ProcessingNeurochemistry of Sleep
Continuous Depth-Dynamics Analysis (CDDA):A Post-Estimation Framework for Heterogeneous Sleep-Depth Trajectories

基本信息

模态
时间序列
大小
0.000120748 GB
任务类型
回归
创建/更新时间
2026-10-17

资源简介

连续深度动态分析(CDDA):异质性睡眠深度轨迹的事后估计框架

Continuous Depth-Dynamics Analysis (CDDA):A Post-Estimation Framework for Heterogeneous Sleep-Depth Trajectories

该数据集面向连续深度动态分析(CDDA)这一事后估计框架,包含312条经匿名化处理的EEG/ORP衍生睡眠深度轨迹,并附轨迹数据与分析代码。数据经伦理批准(KT-152, 2023),已确认知情同意与隐私保护,展示了所提出CDDA框架下的连续深度动态。该数据集适用于睡眠生物信息学复现与开放获取研究,主题涉及机器学习、脑电图、生物医学信号处理及睡眠神经化学(来源 DOI 解析)。

【数据集背景】

源站首次发布:2026。

【数据内容】

源站描述(机器翻译,仅供参考):用于CDDA的数据集:异质性睡眠深度轨迹的事后估计框架。包含312条经匿名化处理的EEG/ORP衍生睡眠深度轨迹。经伦理批准(KT-152, 2023);已确认知情同意与隐私。数据通过所提出的CDDA框架展示了连续深度动态。文件包括轨迹数据和分析代码。旨在用于睡眠生物信息学复现和开放获取研究。DOI已预留。

【主题与分类】

主题标签:Machine Learning、Electroencephalography、Biomedical Signal Processing、Neurochemistry of Sleep。本站分类:神经系统疾病。

【获取与许可】

源站页面:https://data.mendeley.com/datasets/58w3v582k4/3

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

下载信息

注册下载

需要注册 Kaggle 账号并登录后下载,适合需要跟踪下载记录和使用 API 的用户。

暂未开放

公开下载

无需注册即可直接获取公开样本或文档,适合快速预览和评估数据集质量。

免登录

有偿下载

公开数据集受托下载与技术交付服务。

提供高速下载与技术交付服务(收技术服务费,非数据销售)

暂未开放

当前数据集主要来源为 Kaggle 公开托管,完整影像包建议通过原始链接或 Kaggle API 获取。

使用方式

数据集获取

源站:https://doi.org/10.17632/58w3v582k4.3

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 部分平台提供 SDK,例如:
    • OpenDataLab: pip install openxlab 后 openxlab.dataset.get(...)
    • ModelScope: pip install modelscope 后 modelscope download
    • 天池: 登录后页面提供直链下载
      以源站「数据下载/使用文档」页面为准。

数据集大小约 120.7 KB。

数据说明

CDDA数据集:异质性睡眠深度轨迹的事后估计框架。包含312条匿名化的脑电图/眼动图衍生的睡眠深度轨迹。经伦理委员会批准(KT-152, 2023);已确认知情同意与隐私保护。数据通过所提出的CDDA框架展示了连续的深度动态变化。文件包括轨迹数据和分析代码。旨在用于睡眠生物信息学的复现研究和开放获取研究。DOI已预留。

数据加载示例(图像类)

from PIL import Image
import glob, os

files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)

# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path)  # 要求 子目录=类别

目录组织与标注格式以源站说明和下载后实际文件为准。

数据缺失?

依托陕西、四川两大基地,我们与超过十家三甲医院建立直接合作关系,覆盖合规授权、采集治理、专业标注、数据交付的全流程,为AI医疗团队提供即拿即用的高质量临床数据。

⚡️ 需要数据支持或标注服务?立即联系我们获取专业方案。

获取专属数据定制方案