基于短时EEG熵分析的癫痫发作检测数据集
研究对脑电图（EEG）数据做熵分析，考察其在基于短时 EEG 的癫痫检测中的表现，涉及两个分类问题：区分发作间期与发作期 EEG（癫痫组）和正常 EEG，以及区分发作期与发作间期 EEG；并比较单窗口与多窗口平均两种分析协议及 FuzzyEn、DistEn 等熵方法
基本信息
资源简介
基于短时EEG熵分析的癫痫发作检测数据集
Detection of epileptic seizure based on entropy analysis of short-term EEG
该数据集来自 plos.figshare.com，配套论文发表于 PLOS ONE（2018 年），包含 5 个文件（S1–S4 Fig.eps 与 S1 Table.pdf）。研究对脑电图（EEG）数据做熵分析，考察其在基于短时 EEG 的癫痫检测中的表现，涉及两个分类问题：区分发作间期与发作期 EEG（癫痫组）和正常 EEG，以及区分发作期与发作间期 EEG；并比较单窗口与多窗口平均两种分析协议及 FuzzyEn、DistEn 等熵方法。数据可用于短时 EEG 癫痫检测方法的研究与复现（来源 figshare，CC BY 4.0 许可）。
【数据集背景】
配套论文《Detection of epileptic seizure based on entropy analysis of short-term EEG》发表于 PLOS ONE（2018），DOI：10.1371/journal.pone.0193691。源站首次发布：2018-03-15。
【数据内容】
源站描述（机器翻译，仅供参考）：评估信号复杂度的熵测度近年来在生物医学领域受到越来越多的关注，因为它们已显示出捕捉内在且具有生理意义的独特特征的能力。在本研究中，我们将熵分析应用于脑电图（EEG）数据，以检验其在基于短时 EEG 的癫痫检测中的表现，旨在建立一种具有最佳发作检测性能的短时分析方案。考虑了两种分类问题，即：1）将发作间期和发作期 EEG（癫痫组）与正常 EEG 进行分类；2）将发作期与发作间期 EEG 进行分类。对于每个问题，我们探索了两种分析 EEG 熵的方案：i）使用具有不同窗口长度的单一分析窗口，以及 ii）对每个窗口长度使用多个窗口的平均值。两种熵方法——模糊熵（FuzzyEn
【数据结构与技术规格】
文件数 5 个，合计 1.02 MB。数据集 DOI：10.1371/journal.pone.0193691。
【主题与分类】
源站学科分类：Space Science、Genetics、Biotechnology、Biological Sciences not elsewhere classified、Information Systems not elsewhere classified、Mathematical Sciences not elsewhere classified。主题标签：seizure detection performance、FuzzyEn、length、DistEn、EEG Entropy measures、interictal EEGs、entropy analysis。本站分类：神经系统疾病/其他。
【适用方向】
源站学科分类标注为 Space Science、Genetics、Biotechnology、Biological Sciences not elsewhere classified、Information Systems not elsewhere classified、Mathematical Sciences not elsewhere classified。
【获取与许可】
源站页面：https://plos.figshare.com/articles/dataset/Detection_of_epileptic_seizure_based_on_entropy_analysis_of_short-term_EEG/5988700
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Li, Peng; Karmakar, Chandan; Yearwood, John; Venkatesh, Svetha; Palaniswami, Marimuthu; Liu, Changchun (2018). Detection of epileptic seizure based on entropy analysis of short-term EEG. PLOS ONE. Dataset
【使用注意】
· 源站最后修改于 2023-05-31，引用时请注意版本时效。
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（Figshare）
- 源站标题：Detection of epileptic seizure based on entropy analysis of short-term EEG
- DOI：10.1371/journal.pone.0193691
- 发布日期：2018-03-15
- 文件数：5 个
- 文件总体积：1.02 MB
- 源站页面：https://plos.figshare.com/articles/dataset/Detection_of_epileptic_seizure_based_on_entropy_analysis_of_short-term_EEG/5988700
命令行下载
curl -L -o "S1 Fig.eps" "https://ndownloader.figshare.com/files/10757836"
curl -L -o "S2 Fig.eps" "https://ndownloader.figshare.com/files/10757845"
curl -L -o "S3 Fig.eps" "https://ndownloader.figshare.com/files/10757848"
curl -L -o "S4 Fig.eps" "https://ndownloader.figshare.com/files/10757851"
curl -L -o "S1 Table.pdf" "https://ndownloader.figshare.com/files/10757857"
文件清单
S1 Fig.eps（91.39 KB）S2 Fig.eps（91.94 KB）S3 Fig.eps（368.54 KB）S4 Fig.eps（368.61 KB）S1 Table.pdf（95.64 KB）
文件总体积 1.02 MB（源站 API 实测）。
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。
数据说明
近年来，评估信号复杂度的熵度量在生物医学领域受到越来越多的关注，因为它们已展现出捕捉信号固有且具有生理意义的独特特征的能力。在本研究中，我们将熵分析应用于脑电图（EEG）数据，以检验其在基于短时EEG的癫痫检测中的性能，旨在建立一种具有最佳癫痫发作检测性能的短时分析方案。研究考虑了两种分类问题，即：1）将发作间期和发作期EEG（癫痫组）与正常EEG进行分类；2）将发作期EEG与发作间期EEG进行分类。针对每个问题，我们探索了两种分析EEG熵的方案：i）使用具有不同窗口长度的单一分析窗口；ii）对每个窗口长度使用多个窗口的平均值。研究采用了两种熵方法——模糊熵（FuzzyEn）和分布熵（DistEn），这两种方法对任意给定数据长度均能给出有效输出。我们进行了特征选择，并基于交叉验证过程训练了分类器。
结果表明，FuzzyEn和DistEn的性能可能相互补充，通过以下组合可实现最佳性能：1）将一个5秒窗口的FuzzyEn与五个1秒窗口的平均DistEn相结合，用于区分正常组与癫痫组（准确率：0.93，敏感度：0.91，特异性：0.96）；2）将五个1秒窗口的平均FuzzyEn与一个5秒窗口的DistEn相结合，用于区分发作期与发作间期脑电图（准确率：0.91，敏感度：0.93，特异性：0.90）。需要进一步研究来检验这种提出的短期分析程序是否有助于实时追踪癫痫活动，并为临床实践提供及时反馈。
许可
CC BY 4.0
引用
学术使用请引用 DOI 10.1371/journal.pone.0193691（source: https://plos.figshare.com/articles/dataset/Detection_of_epileptic_seizure_based_on_entropy_analysis_of_short-term_EEG/5988700）。
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。
