摘要：睡眠呼吸暂停检测数据集包含 CWT 频谱图（128×180 像素 PNG 灰度图像，两类：呼吸暂停/正常），使用多质量指标过滤，用于 DREAM 模型训练（99.93% 准确率）。
数据集简介
数据集概述
睡眠呼吸暂停检测二元分类数据集是一个高质量、预处理的 CWT（连续小波变换）频谱图图像数据集，用于从单导联 ECG 信号进行睡眠呼吸暂停事件的二元分类。数据集源自 PhysioNet Apnea-ECG 数据库，使用多质量指标（SNR、熵、对比度、偏度、峰度）仔细过滤，确保深度学习模型的最优性能。数据集用于训练和评估 DREAM（Deep Residual-Enabled Apnea Monitor）模型，实现 99.93% 的睡眠呼吸暂停检测准确率。图像格式为 PNG，尺寸 128×180 像素，灰度单通道，两个类别（Apnea 呼吸暂停、Non-Apnea 正常），数据集平衡。
数据结构与关键特征
(1) 数据生成流程：信号采集（PhysioNet 70 条 ECG 记录，单导联 100 Hz 采样，分钟级标注）→ CWT 转换（Morlet 小波，尺度 1-128，60 秒时间窗口，输出 128×180 频谱图）→ 探索性数据分析（SNR、熵、对比度、偏度、峰度）→ 智能过滤（呼吸暂停图像 SNR < 7.5，正常图像 SNR ≥ 7.5）。
(2) 数据集结构：两个文件夹（apnea/ 和 non_apnea/），每个图像代表 60 秒 ECG 片段，平衡数据集。
(3) 图像特征：128×180 像素 PNG 灰度图像，8 位深度，约 5-15 KB/图像。
(4) 质量保证：多指标过滤减少噪声和伪影，清晰类别分离，改善模型泛化。
应用价值与研究方向
支持睡眠呼吸暂停检测（二元分类）、医学图像分类、可解释 AI 研究（Grad-CAM）、基准对比（DREAM 99.93%、ResNet50 98.45%、DenseNet121 97.80%）、临床决策支持原型、ECG 生物信号分类、迁移学习、医疗保健深度学习、非侵入性睡眠障碍诊断、可穿戴健康监测系统、教育用途（机器学习课程、医学影像教学）。限制：仅源自 PhysioNet，人口统计多样性有限，60 秒片段可能遗漏上下文，仅供研究和教育，未经验证不得用于临床诊断。
数据集来源
源自 PhysioNet Apnea-ECG，CWT 频谱图（128×180 像素），多质量指标过滤，用于 DREAM 模型，仅供研究。由张家梁(Bob)整理并于2026年在7zcode平台公开发布。
数据集信息
免责声明与引用
数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。
作者信息
作者：Bob (张家梁)
项目编号：Datasets-104
文件大小：90M
原创声明：本数据集为整理作品
联系方式
开源协议
本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。
评论(0)