bsaenz/dreamt

--- pretty_name: "DREAMT: Dataset for Real-time sleep stage Estimation using Multisensor wearable Technology" tags: - timeseries - health - sleep-staging - wearables - physionet - medical license: "other" task_categories: - other --- ## Dataset Description **DREAMT** (Dataset for Real-time sleep stage EstimAtion using Multisensor wearable Technology) is a dataset designed to facilitate the development and evaluation of machine learning models for sleep stage estimation using data from multisensor wearable devices. - **Version:** 2.1.0 - **Repository:** [PhysioNet: DREAMT v2.1.0](https://physionet.org/content/dreamt/2.1.0/) ## Access Policy & Licensing Due to the sensitive nature of health data, this dataset is restricted and cannot be downloaded directly without authorization. * **Access Policy:** Only registered PhysioNet users who sign the specified Data Use Agreement (DUA) can access the data files. * **License:** PhysioNet Restricted Health Data License 1.5.0 * **Data Use Agreement:** PhysioNet Restricted Health Data Use Agreement 1.5.0 Before accessing the data, please visit the [dataset page on PhysioNet](https://physionet.org/content/dreamt/2.1.0/) and follow the instructions to sign the DUA. ## Citation Information If you use this dataset in your research, you **must** include the following citations. **1. Cite the dataset resource:** > Wang, K., Yang, J., Shetty, A., & Dunn, J. (2025). DREAMT: Dataset for Real-time sleep stage EstimAtion using Multisensor wearable Technology (version 2.1.0). PhysioNet. RRID:SCR_007345. https://doi.org/10.13026/7r9r-7r24 **2. Cite the original publication:** > Will Ke Wang, Jiamu Yang, Leeor Hershkovich, Hayoung Jeong, Bill Chen, Karnika Singh, Ali R Roghanizad, Md Mobashir Hasan Shandhi, Andrew R Spector, Jessilyn Dunn. (2024). Proceedings of the fifth Conference on Health, Inference, and Learning, PMLR 248:380-396. **3. Include the standard citation for PhysioNet:** > Goldberger, A., Amaral, L., Glass, L., Hausdorff, J., Ivanov, P. C., Mark, R., ... & Stanley, H. E. (2000). PhysioBank, PhysioToolkit, and PhysioNet: Components of a new research resource for complex physiologic signals. Circulation [Online]. 101 (23), pp. e215–e220. RRID:SCR_007345.数据集名称：DREAMT：基于多传感器可穿戴技术的实时睡眠阶段估计数据集 标签： - 时间序列 - 医疗健康 - 睡眠分期 - 可穿戴设备 - PhysioNet（生理信号数据库） - 医学 许可协议：其他 任务类别：其他 ## 数据集描述 **DREAMT**（基于多传感器可穿戴技术的实时睡眠阶段估计数据集，Dataset for Real-time sleep stage Estimation using Multisensor wearable Technology）是一款专为支撑基于多传感器可穿戴设备数据的睡眠阶段估计机器学习模型的开发与评估而构建的数据集。 - **版本：** 2.1.0 - **数据集仓库：** [PhysioNet: DREAMT v2.1.0](https://physionet.org/content/dreamt/2.1.0/) ## 访问政策与许可协议 由于健康数据的敏感性，本数据集受访问限制，未经授权无法直接下载。 * **访问政策：** 仅已注册PhysioNet用户并签署指定数据使用协议（Data Use Agreement，DUA）后方可访问数据集文件。 * **许可协议：** PhysioNet受限健康数据许可协议1.5.0 * **数据使用协议：** PhysioNet受限健康数据使用协议1.5.0 在访问数据集前，请访问[PhysioNet平台上的数据集页面](https://physionet.org/content/dreamt/2.1.0/)并按照指示签署数据使用协议。 ## 引用信息 若您在研究中使用本数据集，**必须**引用以下文献。 **1. 数据集资源引用：** > Wang, K., Yang, J., Shetty, A., & Dunn, J. (2025). DREAMT: Dataset for Real-time sleep stage EstimAtion using Multisensor wearable Technology (version 2.1.0). PhysioNet. RRID:SCR_007345. https://doi.org/10.13026/7r9r-7r24 **2. 原始研究文献引用：** > Will Ke Wang, Jiamu Yang, Leeor Hershkovich, Hayoung Jeong, Bill Chen, Karnika Singh, Ali R Roghanizad, Md Mobashir Hasan Shandhi, Andrew R Spector, Jessilyn Dunn. (2024). Proceedings of the fifth Conference on Health, Inference, and Learning, PMLR 248:380-396. **3. PhysioNet官方标准引用：** > Goldberger, A., Amaral, L., Glass, L., Hausdorff, J., Ivanov, P. C., Mark, R., ... & Stanley, H. E. (2000). PhysioBank, PhysioToolkit, and PhysioNet: Components of a new research resource for complex physiologic signals. Circulation [Online]. 101 (23), pp. e215–e220. RRID:SCR_007345.

搜集汇总

数据集介绍

构建方式

在可穿戴技术与睡眠医学交叉融合的背景下，DREAMT数据集应运而生。该数据集由Wang等人构建，旨在推动基于多传感器可穿戴设备的实时睡眠分期机器学习模型研发。数据采集依托多模态传感器技术，同步记录生理时间序列信号，并经由专业睡眠分期标注形成金标准标签。数据集版本为2.1.0，托管于PhysioNet平台，访问需遵循PhysioNet受限健康数据许可协议1.5.0，用户须注册并签署数据使用协议方可获取原始文件。

特点

DREAMT数据集的核心特色在于其真实世界多传感器数据采集架构，融合了多种可穿戴设备采集的生理时间序列信号，为睡眠分期估计提供了高时间分辨率的连续监测数据。数据集严格遵循医疗数据伦理规范，采用受限访问机制保障受试者隐私安全。其标签体系基于临床金标准制定，确保了睡眠阶段标注的准确性，从而为跨模态机器学习模型的训练与验证提供了可靠基准。

使用方法

研究人员在使用DREAMT数据集时，需首先登录PhysioNet平台，完成注册并签署数据使用协议，获取授权后方可下载数据文件。数据以时间序列格式存储，适用于构建端到端的深度学习或传统机器学习模型。建议用户将多传感器信号进行预处理对齐后，按标准睡眠分期标签进行监督学习任务。引用数据集时须注明原始文献、数据集DOI及PhysioNet标准引用，以符合学术规范。

背景与挑战

背景概述

睡眠分期是评估睡眠质量和诊断睡眠障碍的核心环节，传统依赖多导睡眠图（PSG）的临床方法虽为金标准，却受限于高昂成本、复杂操作及非自然睡眠环境。近年来，可穿戴传感器技术的飞速发展为实现低成本、低负担的居家睡眠监测提供了可能，然而如何从多源生理信号中精准推断睡眠阶段仍是亟待突破的技术瓶颈。在此背景下，DREAMT数据集由Wang、Yang、Shetty与Dunn等研究人员于2024年构建，并于2025年发布在PhysioNet平台（版本2.1.0），旨在推动基于多传感器可穿戴技术的实时睡眠分期机器学习模型研究。该数据集聚焦于解决可穿戴设备在真实场景下睡眠分期算法的通用性与鲁棒性难题，为相关领域提供了标准化评估基准，对促进睡眠健康监测技术的临床转化与普及具有重要影响力。

当前挑战

DREAMT数据集所面临的挑战可从两个维度剖析。在领域问题层面，核心挑战在于从多传感器可穿戴设备采集的噪声化、低分辨率生理信号中，准确区分非快速眼动睡眠的各亚期（N1、N2、N3）及快速眼动睡眠期（REM），尤其是N1期因与清醒期特征模糊极易误判，且个体间生理差异与设备异构性进一步加剧了模型泛化难度。在数据集构建过程中，挑战集中于数据隐私与获取限制：由于涉及敏感健康信息，数据集采用PhysioNet受限健康数据许可（1.5.0版），用户须注册并签署数据使用协议方可访问，这一严格管控虽保障了伦理合规，却显著增加了研究者的准入门槛与复现成本。此外，多模态时间序列数据的标注一致性、缺失值处理及跨设备信号对齐等问题，亦对数据质量与模型训练提出了严苛要求。

常用场景

经典使用场景

在可穿戴健康监测领域，DREAMT数据集为实时睡眠分期研究提供了宝贵的多传感器生理信号资源。该数据集整合了来自腕戴式设备的多模态时间序列数据，包括加速度计、光电容积描记图（PPG）和皮肤电活动（EDA）等信号，并配以专家标注的睡眠阶段标签。研究者可基于此数据集构建和验证端到端的深度学习模型，实现从原始传感器数据到睡眠分期（如清醒、浅睡、深睡和快速眼动期）的自动映射，尤其适用于资源受限的嵌入式或边缘计算场景。

实际应用

在实际应用中，DREAMT数据集支撑了面向普通消费者的智能手环和智能手表睡眠监测算法的研发与优化。借助该数据集训练的模型，可被嵌入到可穿戴固件中，实现无感、连续、低功耗的睡眠质量追踪。这类技术已广泛用于健康管理App、慢性病远程监护以及睡眠障碍的初步筛查，例如帮助用户了解自身睡眠结构、识别失眠或睡眠呼吸暂停的潜在迹象，从而促进早期干预与个性化健康建议的生成。

衍生相关工作

基于DREAMT数据集，学术界已衍生出多项具有影响力的工作。Wang等人（2024）在CHIL会议上提出了首个基于该数据集的跨模态睡眠分期基准框架，验证了多传感器融合相较于单模态方法的显著优势。后续研究进一步探索了自监督预训练策略，利用大规模未标注数据提升小样本场景下的分期精度。此外，该数据集还被用于开发可解释性模型，通过注意力机制可视化不同传感器通道对睡眠阶段判定的贡献，为可穿戴健康算法的透明化与临床可信度提供了实证基础。