CHB-MIT数据集下载与使用全指南：从数据获取到EEG分析实战

共计 1628 个字符，预计需要花费 5 分钟才能阅读完成。

背景介绍

CHB-MIT 数据集是癫痫检测研究中最常用的公开脑电数据集之一，包含来自波士顿儿童医院 22 名癫痫患者的长期 EEG 记录。这个数据集特别适合研究癫痫发作预测和异常检测算法，因为：

• 数据量足够大（超过 900 小时记录）
• 包含发作期和发作间期标注
• 采用临床标准的 EDF 格式存储

典型应用场景包括：

• 开发实时癫痫发作预警系统
• 测试新型特征提取方法
• 比较不同机器学习模型的效果

下载实操

从 PhysioNet 获取数据的最可靠方式是通过命令行工具 wget。以下是具体步骤：

1. 首先访问 PhysioNet 官网获取下载权限（需要完成简单的伦理考试）
2. 获取授权后，使用以下命令批量下载（约 35GB）：

# 递归下载整个数据集（建议使用 screen/tmux 保持会话）wget -r -N -c -np --user YOUR_USERNAME --password YOUR_PASSWORD https://physionet.org/files/chbmit/1.0.0/

下载注意事项：

• 整个过程需要 6 -12 小时（取决于网络状况）
• 建议使用学术网络或云服务器
• 可用 md5sum 校验文件完整性

数据解析

CHB-MIT 数据集使用 EDF（European Data Format）存储，解析时需要特别注意：

import mne

# 加载 EDF 文件（示例）raw = mne.io.read_raw_edf('chb01_01.edf', preload=True)

# 查看通道信息
print(raw.info)

# 提取 EEG 信号（排除非 EEG 通道）picks = mne.pick_types(raw.info, eeg=True)

关键参数说明：

• preload=True 将数据读入内存
• picks 参数筛选 EEG 通道
• info 结构包含采样率等元数据

预处理流程

完整的 EEG 预处理包括以下步骤：

1. 滤波（0.5-50Hz 带通）
2. 重采样（统一到 256Hz）
3. 伪迹去除（ICA 或阈值法）

示例代码：

# 带通滤波
raw.filter(0.5, 50, fir_design='firwin')

# 重采样
raw.resample(256, npad='auto')

# ICA 去眼电
ica = mne.preprocessing.ICA(max_iter=800)
ica.fit(raw)
ica.exclude = [0, 1]  # 根据成分图选择
ica.apply(raw)

时间参考（i7-11800H CPU）：

• 滤波：约 2 分钟 / 小时数据
• 重采样：1 分钟 / 小时
• ICA：15-30 分钟 / 小时

避坑指南

常见问题及解决方案：

• 时区问题 ：EDF 头文件使用本地时区，建议统一转换为 UTC
• 电极命名 ：不同病例可能使用不同命名方案（如 ”FP1″ vs “Fp1″）
• 采样率差异 ：部分记录存在采样率变化，需强制统一
• 标注文件 ：seizure_summary.txt 中的时间戳需要与 EDF 文件对齐

进阶建议

构建基线模型的推荐流程：

1. 使用滑动窗口分割 EEG（典型 4 -10 秒）
2. 提取时频特征（如小波系数）
3. 训练简单的 SVM 或随机森林分类器
4. 按 leave-one-patient-out 策略验证

可视化示例代码：

import matplotlib.pyplot as plt

# 绘制 30 秒 EEG 片段
raw.plot(duration=30, scalings='auto')
plt.title('Sample EEG with Seizure')
plt.show()

延伸阅读

1. PhysioNet 官方文档：https://physionet.org/content/chbmit/
2. MNE-Python 教程：https://mne.tools/stable/auto_tutorials/
3. 癫痫检测综述论文：https://doi.org/10.1016/j.jneumeth.2020.108821

使用这个数据集 3 个月后，我的体会是：
1) 一定要先完整阅读官网文档
2) 预处理时间远比预期长
3) 病例间的差异性很大，需要设计鲁棒的算法
希望这篇指南能帮你避开我踩过的坑，顺利开展 EEG 研究。