UCLH Stroke EIT Dataset

该多频率电阻抗断层成像（EIT）数据是在与伦敦大学学院医院（UCLH）的超级急性中风单元（HASU）合作的临床试验中收集的。数据集包含已处理的数据，可供成像或分类研究分析或使用，以及处理所有原始电压的代码。

This multi-frequency electrical impedance tomography (EIT) data was collected during a clinical trial in collaboration with the Hyper Acute Stroke Unit (HASU) at University College London Hospitals (UCLH). The dataset includes processed data, which is available for imaging or classification research analysis or use, along with code for processing all original voltages.

原始信息汇总

UCLH Stroke EIT Dataset 概述

数据集描述

• 数据类型：Multifrequency Electrical Impedance Tomography (EIT) 数据
• 收集目的：作为与University College London Hospital (UCLH) Hyper Acute Stroke unit (HASU)合作的临床试验的一部分
• 数据状态：已处理，包含用于分析或成像研究的JSON和MATLAB .mat格式数据

数据使用方法

MATLAB

• 加载数据：使用命令 load(UCL_Stroke_EIT_Dataset.mat)
• 数据结构：存储在结构 EITDATA 和 EITSETTINGS 中
• 示例代码：用于绘制患者7的全频谱数据

Python (JSON数据)

• 加载数据：使用Python的json模块加载 EITDATA.json 和 EITSETTINGS.json
• 数据索引：Python索引从0开始，例如患者7的数据索引为6
• 示例代码：用于绘制患者7的数据

原始数据文件

• 文件格式：.bdf
• 数据大小：约150GB，根据Zenodo的50GB限制分为多个部分
• 下载位置：分为Subject数据、Patient数据（两部分）和Radiology数据，分别存储在不同文件夹

数据处理

处理步骤

1. 解调：使用 ScouseTom_Load 函数将原始正弦波转换为平均阻抗信号
2. 校正和数据提取：使用 normalised_dataset 和 reject_channels 函数进行数据校正和质量差的测量拒绝

数据类型

1. 多频数据：使用31对注射协议，17个频率
2. 时间差数据：使用相同的注射协议，但只有3个频率
3. 接触阻抗检查：用于估计电极接触阻抗

批量处理

• 解调：使用 ScouseTom_ProcessBatch 或 Demodulate_all.m 函数处理所有患者和主题的数据
• 校正和数据拒绝：使用 make_final_dataset.m 函数创建最终数据结构 EITDATA 和 EITSETTINGS

示例网格和电极坐标

• 网格类型：包含在 resource 文件夹中的示例四面体网格
• 电极位置：提供名义X, Y, Z坐标和EEG 10-10系统坐标

EEG数据提取

• 提取方法：使用 Extract_EEG.m 函数从原始数据中提取EEG信号

引用信息

• 参考文献：Goren, N. et al. Multi-frequency electrical impedance tomography and neuroimaging data in stroke patients. Sci. Data 5, 180112 (2018).

搜集汇总

数据集介绍

构建方式

该数据集通过与伦敦大学学院医院（UCLH）的急性中风单元（HASU）合作，收集了多频电阻抗断层扫描（EIT）数据。数据采集过程包括三个主要步骤：解调、校正和数据拒绝。首先，使用UCL ScouseTom系统对原始正弦波进行解调，转换为平均阻抗信号。随后，通过normalised_dataset函数对数据进行校正，以消除BioSemi增益和注入电流幅度的影响。最后，使用reject_channels函数剔除质量较差的数据点，确保数据集的准确性和可靠性。

特点

UCLH中风EIT数据集具有多频特性，涵盖了从5 Hz到2000 Hz的17个频率，能够全面反映健康组织与中风组织之间的阻抗差异。此外，数据集还包含了时间差异数据和接触阻抗检查数据，提供了丰富的临床信息。数据格式包括JSON和MATLAB .mat，便于不同平台和工具的使用。数据集的构建过程经过严格的质量控制，确保了数据的准确性和一致性。

使用方法

用户可以通过加载预处理的数据文件（JSON或MATLAB格式）直接进行分析或成像研究。对于MATLAB用户，可以使用load('UCL_Stroke_EIT_Dataset.mat')命令加载数据，并通过EITDATA和EITSETTINGS结构访问相关数据。Python用户可以通过json.load()方法加载JSON文件，并使用matplotlib进行数据可视化。此外，原始的.bdf文件也可供用户重新处理或修改数据，提供了高度的灵活性和自定义能力。

背景与挑战

背景概述

UCLH Stroke EIT Dataset是由伦敦大学学院医院（UCLH）的急性中风单元（HASU）与多频电阻抗断层扫描（EIT）技术合作收集的数据集。该数据集的创建旨在通过EIT技术对中风患者进行临床试验，以探索中风组织与健康组织之间的电阻抗差异。数据集的核心研究问题在于利用EIT技术对中风患者的脑部电阻抗进行精确测量，从而为中风诊断和治疗提供新的视角。该数据集的发布不仅推动了EIT技术在中风领域的应用，还为相关领域的研究人员提供了宝贵的实验数据，促进了电阻抗成像技术的发展。

当前挑战

UCLH Stroke EIT Dataset在构建过程中面临多项挑战。首先，数据集的规模庞大，达到约150GB，这使得数据存储和处理成为一项技术难题。其次，数据采集过程中需要确保电极与患者皮肤的良好接触，以获得准确的电阻抗测量值，这对数据质量提出了高要求。此外，数据处理过程中需要对原始电压数据进行复杂的解调、校正和质量控制，以确保数据的可靠性和可用性。最后，数据集的应用领域广泛，包括图像重建和分类研究，这要求数据集在不同应用场景下都能保持高度的适应性和实用性。

常用场景

经典使用场景

在神经科学领域，UCLH Stroke EIT Dataset 被广泛用于研究中风患者的电阻抗断层成像（EIT）数据。该数据集通过多频率EIT技术，记录了中风患者在不同频率下的电阻抗变化，为研究人员提供了丰富的数据资源。经典的使用场景包括：通过分析不同频率下的电阻抗数据，研究中风对脑组织电特性的影响，以及评估不同治疗方案对脑电阻抗的恢复效果。

解决学术问题

UCLH Stroke EIT Dataset 解决了中风研究中的多个关键学术问题。首先，它提供了中风患者脑部电阻抗的详细数据，有助于深入理解中风对脑组织电特性的影响。其次，通过多频率EIT技术，研究人员可以评估不同治疗方案对脑电阻抗的恢复效果，从而优化治疗策略。此外，该数据集还为开发新的中风诊断和监测工具提供了数据支持，推动了神经科学领域的发展。

衍生相关工作

UCLH Stroke EIT Dataset 的发布催生了一系列相关研究工作。首先，许多研究团队利用该数据集开发了新的中风诊断算法，提高了诊断的准确性和效率。其次，该数据集为中风治疗方案的优化提供了数据支持，推动了个性化治疗的发展。此外，该数据集还激发了多频率EIT技术在其他神经疾病研究中的应用，扩展了EIT技术的应用范围。这些衍生工作不仅丰富了神经科学领域的研究内容，也为临床实践提供了新的工具和方法。