psg-audio-v3-unofficial-mirror

PSG-Audio v3 是一个用于睡眠呼吸暂停研究的多导睡眠图（PSG）数据集，同时包含同步的音频录音。该数据集由 Korompili 等人创建，并于2022年在 Science Data Bank 发布版本3。原始数据集包括临床标注（APNEA_RML）、经过自动拒绝假阳性呼吸暂停事件清理后的标注（APNEA_RML_clean），以及原始的多导睡眠图录音（APNEA_EDF，以EDF格式存储）。数据内容涵盖睡眠监测信号（如EEG）和音频记录，专门用于阻塞性睡眠呼吸暂停（OSA）的研究与分析。数据集采用 Creative Commons Attribution 4.0 International (CC BY 4.0) 许可证。此仓库为原始数据集的一个非官方、未修改的镜像版本，仅用于研究便利，与原始作者无关联。用户在使用时应引用原始数据集和关联论文（Korompili et al., 2021, Scientific Data）。数据集的完整录音文件将分批上传。

原始信息汇总

数据集概述

数据集名称：PSG-Audio v3 — Unofficial mirror
许可证：Creative Commons Attribution 4.0 International (CC BY 4.0)
标签：睡眠（sleep）、多导睡眠图（polysomnography）、脑电图（eeg）、阻塞性睡眠呼吸暂停（osa）、EDF格式（edf）、RML格式（rml）

原始来源

• 原始数据集：Korompili, G. 等人发布的 PSG-Audio [Dataset], Version 3，存放于 Science Data Bank。
• DOI：https://doi.org/10.11922/sciencedb.00345
• CSTR：31253.11.sciencedb.00345
• 关联论文：Korompili, G. 等 (2021). PSG-Audio, a scored polysomnography dataset with simultaneous audio recordings for sleep apnea studies. Scientific Data, 8, 197. DOI: https://doi.org/10.1038/s41597-021-00977-w

数据集内容

• 类型：多导睡眠图（PSG）记录，包含同步音频记录，用于睡眠呼吸暂停研究。
• 文件结构：
  • APNEA_RML/：原始临床注释
  • APNEA_RML_clean/：自动去除假阳性呼吸暂停事件后的注释
  • APNEA_EDF/：原始多导睡眠图记录（逐步上传）
  • SHA256SUMS.txt：文件完整性校验清单（逐步添加）

重要说明

• 本仓库为原始数据集的非官方、未经修改的重新分发版本，与原始作者或 Science Data Bank 无关。
• 上传状态：初始上传完成注释文件（APNEA_RML），原始 EDF 记录将在完整性验证后分批添加。

搜集汇总

数据集介绍

构建方式

PSG-Audio v3数据集由Korompili等人构建，旨在为睡眠呼吸暂停研究提供同步的多导睡眠图与音频记录资源。数据集原始版本存储于Science Data Bank，以多模态信号整合为核心理念，涵盖临床注释与原始多导睡眠图记录两部分。本非官方镜像保留了原始文件结构，包括APNEA_RML子目录中的临床标注、经自动排除假阳性呼吸暂停事件后的清理标注（APNEA_RML_clean），以及以EDF格式存储的多导睡眠图原始记录（APNEA_EDF）。数据通过分批次上传方式逐步完善，并附带SHA256SUMS完整性校验文件。

使用方法

使用PSG-Audio v3数据集时，研究者可直接从APNEA_RML中读取原始临床标注以获取呼吸暂停事件的基准真值，或采用APNEA_RML_clean中的清理版本以减少假阳性干扰。原始多导睡眠图记录通过EDF文件格式提供，可利用标准生物医学信号处理库（如MNE-Python或PyEDFlib）加载和分析。建议首先通过SHA256SUMS文件核验数据完整性，再按研究目标选择相应的标注文件与PSG记录进行特征提取、模型训练或算法性能评估。

背景与挑战

背景概述

睡眠呼吸障碍，尤其是阻塞性睡眠呼吸暂停（OSA），是影响全球数亿人健康的常见疾病，其诊断与治疗依赖于多导睡眠图（PSG）这一金标准技术。PSG-Audio数据集由Korompili等人于2022年创建，隶属于Science Data Bank，由希腊研究机构主导开发。该数据集的核心研究问题在于同步采集PSG信号与音频记录，以推动睡眠呼吸暂停的自动化诊断和声学特征分析。数据集的发布为相关领域提供了宝贵的多模态数据资源，在睡眠医学、生物医学信号处理和机器学习研究中产生了广泛影响，尤其促进了基于音频的呼吸事件检测算法的开发与验证。

当前挑战

该数据集面临的首要挑战在于领域问题的解决：如何从同步的PSG与音频信号中准确、鲁棒地识别和分类睡眠呼吸暂停事件，以克服传统手工标注的效率与一致性瓶颈。具体挑战包括：多模态信号间的时空对齐、呼吸声学特征受环境噪声干扰、个体间生理差异显著，以及标签不平衡问题。此外，数据集构建过程中也遇到诸多困难，如原始临床标注中的假阳性事件需要自动后处理以构建清洁版标注，原始多导睡眠图EDF记录完整性校验及分批上传的技术复杂性，以及确保数据长期可访问性和跨站点复现性的持续维护挑战。

常用场景

经典使用场景

PSG-Audio v3数据集是睡眠医学研究领域中一项重要的多模态资源，其核心价值在于同步提供了多导睡眠图（PSG）信号与夜间音频记录。该数据集最经典的使用场景聚焦于阻塞性睡眠呼吸暂停（OSA）的自动化检测与严重程度分级。研究人员常利用其中标注的呼吸事件（如呼吸暂停、低通气）与脑电图、眼电图、肌电图及鼾声音频之间的时空关联，训练深度学习或传统机器学习模型，以实现从原始生理信号到呼吸事件标签的端到端映射。由于同时包含临床标注与音频通道，该数据集特别适合开展音频生物标志物挖掘，例如从鼾声频谱中提取特征用于区分中枢性与阻塞性事件，或是探究呼吸音强度与血氧饱和度下降之间的量化关系。

解决学术问题

该数据集有效解决了睡眠呼吸障碍研究中两个长期存在的学术瓶颈：一是多模态数据对齐困难，二是金标准标注数据匮乏。在学术层面，它为验证基于音频的OSA筛检算法提供了统一的基准测试平台，使研究者能够客观比较不同模型在相同数据集上的性能。更重要的是，PSG-Audio的公开可用性推动了可解释性研究的发展，例如通过注意力机制定位与呼吸暂停事件相关的特定EEG频段或音频片段，从而揭示睡眠呼吸障碍的神经生理学机制。其贡献在于降低了临床数据获取门槛，使计算睡眠医学领域的复现性研究成为可能，并催生了大量关于少样本学习、领域自适应以及跨中心泛化能力的探讨，为从实验室条件向真实世界筛查过渡奠定了方法论基础。

实际应用

在实际临床应用层面，PSG-Audio v3数据集主要服务于两大方向：便携式家庭睡眠监测设备的算法开发，以及医院睡眠中心的辅助诊断系统优化。基于该数据集训练的模型可部署于可穿戴设备或智能手机，利用麦克风采集的夜间音频信号实现对中重度OSA患者的初筛，从而缓解多导睡眠图检查资源紧张、候诊周期长的问题。此外，数据集中包含的EDF格式生理信号被用于改进传统PSG设备中呼吸事件自动评分软件的准确性，减少技术人员手工标注的负担。在远程医疗场景下，这些算法能够实时分析患者居家监测数据，生成初步报告供医生审阅，显著提升睡眠呼吸暂停的社区筛查效率。

数据集最近研究

最新研究方向

PSG-Audio v3数据集整合了整夜多导睡眠图（PSG）与同步音频记录，为阻塞性睡眠呼吸暂停（OSA）的智能诊断开辟了新路径。近期研究聚焦于利用深度学习模型融合脑电（EEG）与呼吸声学特征，突破传统人工判读的局限，实现睡眠呼吸事件的自动精准分割与分类。该数据集在可解释性AI框架下，推动着从单纯的多导生理信号分析向多模态联合建模演进，尤其支持轻量化边缘计算设备的部署，有望在社区睡眠筛查和远程监护中发挥关键作用，为OSA这种高患病率却严重漏诊的睡眠障碍提供可及性更强的解决方案。