ETRI Lifelog 2020, mBrain21|可穿戴技术数据集|健康监测数据集

本项目针对远程可穿戴监测中遇到的数据质量挑战，利用两个不同的数据集：ETRI Lifelog 2020和mBrain21。ETRI Lifelog 2020数据集可从ETRI Nanum网站获取，需要先创建账户并填写许可协议。mBrain21数据集则可在Kaggle上获取，通过命令行下载。

This project addresses the challenges of data quality encountered in remote wearable monitoring by utilizing two distinct datasets: ETRI Lifelog 2020 and mBrain21. The ETRI Lifelog 2020 dataset is accessible from the ETRI Nanum website, requiring account creation and agreement to a license. The mBrain21 dataset, on the other hand, is available on Kaggle and can be downloaded via command line.

原始信息汇总

数据集概述

数据集名称及来源

1. ETRI Lifelog 2020

   • 来源：ETRI Lifelog 2020
   • 获取链接：ETRI Lifelog 2020
   • 下载步骤：需在ETRI Nanum网站注册账户，填写并提交许可协议，经审核后可下载数据集。

2. mBrain21

   • 来源：Kaggle
   • 获取链接：mBrain21
   • 下载命令：kaggle datasets download -d jonasvdd/mbrain21

数据集处理与分析

• ETRI Lifelog 2020

  • 数据解析：使用ETRI parsing笔记本进行数据解析。
  • 数据可视化：通过dashboard script探索和分析数据，运行命令为python code_utils/etri/dashboard.py。

• mBrain21

  • 数据可视化：通过dashboard script进行数据探索，运行命令为python code_utils/mBrain/dashboard.py。

数据集挑战与特性

• 可视化仪表盘

  • ETRI：展示穿戴数据和应用事件标签，分析参与者行为模式。
  • mBrain：展示参与者头痛时间线、Empatica E4加速计信号及智能手机光数据。

• 腕带非穿戴检测

  • 在C5.1_off_wrist_detection笔记本中演示。
  • 用于移除非穿戴时段的数据预处理。

• 数据标注

  • 在C5.1_label_off_wrist笔记本中演示，使用plotly-resampler进行时间序列数据标注。

数据集引用

bibtex @article{van2024addressing, title={Addressing Data Quality Challenges in Observational Ambulatory Studies: Analysis, Methodologies and Practical Solutions for Wrist-worn Wearable Monitoring}, author={Van Der Donckt, Jonas and Vandenbussche, Nicolas and Van Der Donckt, Jeroen and Chen, Stephanie and Stojchevska, Marija and De Brouwer, Mathias and Steenwinckel, Bram and Paemeleire, Koen and Ongenae, Femke and Van Hoecke, Sofie}, journal={arXiv preprint arXiv:2401.13518}, year={2024} }

AI搜集汇总

数据集介绍

构建方式

ETRI Lifelog 2020和mBrain21数据集的构建基于远程可穿戴监测中的数据质量挑战。ETRI Lifelog 2020数据集通过ETRI Nanum平台提供，用户需注册并填写许可协议后下载。mBrain21数据集则通过Kaggle平台提供，用户可通过命令行直接下载。两个数据集均经过精心处理，以应对可穿戴设备监测中的常见问题，如数据缺失和佩戴检测等。

特点

ETRI Lifelog 2020和mBrain21数据集的主要特点在于其针对可穿戴设备监测中的数据质量问题进行了专门设计。ETRI数据集包含长时间序列的可穿戴设备数据和应用事件标签，而mBrain21则专注于头痛事件与可穿戴设备信号的关联分析。此外，两个数据集均提供了可视化仪表盘，便于用户交互式探索数据。

使用方法

使用ETRI Lifelog 2020和mBrain21数据集时，用户需先下载数据并配置路径。ETRI数据集需通过ETRI Nanum平台下载，而mBrain21可通过Kaggle命令行工具获取。下载后，用户可通过提供的Jupyter笔记本进行数据解析和可视化分析。此外，数据集还提供了专门的仪表盘脚本，用户可通过运行脚本启动仪表盘，进行交互式数据探索。

背景与挑战

背景概述

ETRI Lifelog 2020和mBrain21数据集由韩国电子通信研究院（ETRI）和相关研究人员共同创建，旨在解决远程可穿戴监测中的数据质量问题。这些数据集的核心研究问题集中在观察性动态研究中的数据质量挑战，特别是腕戴式可穿戴设备监测中的数据分析、方法论和实际解决方案。通过提供高质量的数据集，研究人员能够开发和验证新的算法和模型，从而推动可穿戴设备在健康监测和行为分析领域的应用。

当前挑战

ETRI Lifelog 2020和mBrain21数据集面临的挑战主要包括数据质量问题，如数据缺失、噪声干扰和非佩戴检测等。构建过程中，研究人员需要处理大量异构数据，确保数据的准确性和一致性。此外，数据的可视化和注释工具的开发也是一大挑战，以便研究人员能够有效分析和利用这些数据。

常用场景

经典使用场景

ETRI Lifelog 2020 和 mBrain21 数据集的经典使用场景主要集中在远程可穿戴设备监控中的数据质量挑战分析。这些数据集通过提供丰富的传感器数据和用户行为标签，支持研究人员开发和验证针对数据质量问题的解决方案。例如，ETRI Lifelog 2020 数据集可用于分析用户在不同时间段的行为模式，而 mBrain21 数据集则特别适用于研究头痛事件与可穿戴设备传感器数据之间的关系。

衍生相关工作

基于 ETRI Lifelog 2020 和 mBrain21 数据集，研究人员开发了多种数据处理和分析工具，如数据清洗算法、信号处理管道和可视化仪表盘。这些工具不仅提高了数据质量，还为后续研究提供了便利。此外，这些数据集还激发了关于可穿戴设备数据质量、用户行为分析和健康监测的多个研究方向，推动了相关领域的技术进步和应用创新。

数据集最近研究

最新研究方向

在远程可穿戴监测领域，ETRI Lifelog 2020和mBrain21数据集的研究方向主要集中在解决数据质量挑战上。这些挑战包括非佩戴检测、数据缺失处理以及时间序列数据的可视化分析。通过开发专门的笔记本和仪表盘工具，研究人员能够有效应对这些挑战，提升数据分析的准确性和实用性。这些研究不仅推动了可穿戴设备在健康监测中的应用，还为未来的远程医疗和个性化健康管理提供了重要的技术支持。