1. CHB-MIT数据集概述与获取CHB-MIT数据集是癫痫研究领域最具影响力的公开脑电图(EEG)数据集之一由波士顿儿童医院与麻省理工学院联合收集。该数据集包含来自22名儿科患者的23组EEG记录其中一名患者有两组独立记录总时长超过982小时包含180次临床癫痫发作事件。所有数据均通过国际10-20系统放置的23个电极采集采样率为256Hz存储为EDF格式。重要提示由于涉及医疗数据使用前需签署数据使用协议。最新版数据集可通过OpenDataLab平台获取包含完整的患者元数据、临床注释和电极位置信息。数据集目录结构通常包含patient_info_summary.csv患者年龄、性别、用药情况等元数据seizure_summary.xlsx癫痫发作起止时间标注edf_files/原始EDF格式EEG记录文件annotation_files/专家标注的发作事件文本记录2. 预处理核心流程设计2.1 原始数据质量检查在开始正式预处理前必须执行以下质量验证文件完整性校验使用EDF浏览器工具检查每个文件是否能正常打开确认文件头信息中的采样率、通道数与实际数据一致。常见问题包括部分文件传输损坏或头信息错误。电极信号质量评估import mne raw mne.io.read_raw_edf(chb01_01.edf, preloadTrue) raw.plot(duration60, n_channels23, scalingsauto)通过可视化检查各通道信号重点关注是否存在电极脱落平直线条50/60Hz工频干扰是否严重肌电伪迹和眼动伪迹的分布情况2.2 信号标准化处理流程2.2.1 重参考与滤波采用双极重参考bipolar referencing减少共模噪声raw.set_eeg_reference(ref_channels[A1, A2]) raw.filter(l_freq0.5, h_freq70) # 带通滤波去除极低频漂移和高频噪声 notch_filter 50 # 根据采集地区电网频率设置 raw.notch_filter(notch_filter)2.2.2 伪迹去除技术选型针对CHB-MIT数据特点推荐处理策略独立成分分析(ICA)ica mne.preprocessing.ICA(n_components15, random_state97) ica.fit(raw) ica.plot_components() # 人工识别眼动/肌电成分 ica.exclude [0, 2] # 根据图谱排除特定成分 ica.apply(raw)自适应阈值去噪对高振幅瞬态伪迹采用基于移动窗口标准差的自检测算法2.3 数据分段策略2.3.1 发作期与非发作期划分根据临床标注文件创建两种数据切片发作期(ictal)发作开始前30秒至发作结束后60秒间歇期(interictal)距最近发作至少4小时外的稳定段关键参数间歇期片段长度建议10-30秒与发作期保持相同时长平衡样本量2.3.2 滑动窗口实现epochs mne.make_fixed_length_epochs(raw, duration10, overlap2)3. 特征工程与数据增强3.1 时频域特征提取推荐特征组合波段功率特征Delta (0.5-4Hz), Theta (4-8Hz), Alpha (8-13Hz)Beta (13-30Hz), Gamma (30-70Hz)非线性动力学特征from entropy import spectral_entropy entropy_features [spectral_entropy(signal, sf256, methodfft, nperseg256) for signal in epochs]3.2 类别不平衡处理由于发作期数据占比通常5%需采用合成过采样使用ADASYN算法生成合成样本代价敏感学习在损失函数中设置class_weight参数4. 存储优化与版本管理4.1 高效存储格式选择格式优点适用场景HDF5压缩比高支持分块读取大规模特征矩阵NPZ加载速度快Python原生支持小型临时数据Parquet列式存储适合特征工程结构化特征表4.2 预处理流水线示例from sklearn.pipeline import Pipeline from mne.decoding import Vectorizer preprocess_pipeline Pipeline([ (filter, mne.preprocessing.ICA(n_components15)), (feature_extractor, Vectorizer()), (scaler, StandardScaler()) ])5. 实际应用中的挑战与解决方案5.1 跨患者泛化问题CHB-MIT数据集存在显著的患者间差异建议采用Leave-One-Patient-Out交叉验证使用域自适应技术如CORAL对齐特征分布5.2 实时处理延迟优化对于在线检测系统可采用滑动窗口增量计算Cython加速关键特征计算步骤我在实际处理中发现FP1-F7通道在多数患者中信号质量最不稳定建议优先检查该通道数据完整性。另外使用Butterworth滤波器时阶数设置为6可在相位失真和阻带衰减间取得较好平衡。