神经科学/机器学习：睡眠公开数据库

已于 2024-08-11 11:29:45 修改
阅读量2.2k 收藏 26
点赞数 33
CC 4.0 BY-SA版权
分类专栏： 资源库 文章标签： 图像处理 学习 人工智能 数据库 云计算
于 2024-08-08 15:22:46 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Rose9614/article/details/141027641
最低0.47元/天 解锁文章
机器学习在医疗健康领域的应用：机器学习在医疗健康领域的应用是什么？
AI天才研究院
10-10 1224
随着人口老龄化的加速发展，对医疗的依赖性增强，越来越多的人开始关注自身健康状况，希望可以通过健康管理的方式提高生活质量。然而，随着现代医疗技术的迅猛发展，医疗机构及其人员在进行诊断、治疗、监测等过程中的效率显著降低，整个流程耗费时间长，导致患者的耐受性下降。2020年全球新冠肺炎疫情爆发后，疾病的传染性较强，已经影响到医院和普通人的生命健康。因此，近几年以来，医疗行业面临的挑战是如何提升医疗服务的效率、增加患者的满意度，并通过智能化手段进行预防和减少风险。
数字化梦境工程：AI设计的睡眠体验
AI天才研究院
10-25 574
数字化梦境工程：AI设计的睡眠体验 关键词 人工智能 虚拟现实 数字化梦境 睡眠健康 深度学习 摘要 本文旨在探讨数字化梦境工程，即通过人工智能和虚
睡眠数据处理
03-30
.net,C#,数据处理 ，免费的，希望能够帮到大家
睡眠数据（4个月）-数据分析
12-05
源于公开平台kaggle, 可以拿来练手. 具体包含的内容我已经出过报告啦，自行查看。 内含4张sheet
信号处理--多分辨率单通道注意力脑电睡眠分类
张哥频道：电生理信号和磁共振成像
03-05 1417
本项目为生物医学电信号专题实验，通过引入多分辨率卷积网络，注意力机制和加权损失函数，实现单通道脑电信号的睡眠状态分类。在2个公共数据集上面，进行了实验测试。
睡眠健康数据分析
分享关于数据的知识。
07-26 7058
本数据集涵盖了与睡眠和日常习惯有关的诸多变量。如性别、年龄、职业、睡眠时间、睡眠质量、身体活动水平、压力水平、BMI类别、血压、心率、每日步数、以及是否有睡眠障碍等细节。数据集的主要特征： 综合睡眠指标：探索睡眠持续时间、质量和影响睡眠模式的因素。生活方式因素：分析身体活动水平、压力水平和 BMI 类别。心血管健康：检查血压和心率测量值。睡眠障碍分析：确定失眠和睡眠呼吸暂停等睡眠障碍的发生。数据集列：人员 ID：每个人的标识符。性别：人员的性别（男性/女性）。
蒙特利尔睡眠数据库_在蒙特利尔使用数据科学进行房屋狩猎
cullen2012的博客
09-10 3093
蒙特利尔睡眠数据库 介绍 (Introduction) I happen to live in Montreal, in my condo on the edge of McGill Ghetto. Close to Saint Laurent Boulevard or the Maine as locals call it, with all it's attractions — bars, r...
EEG公开数据集汇总
脑机接口社区
08-01 6307
人脑连接组计划，该数据库目前被试数约1200人，包括结构MRI、静息态MRI、任务态fMRI、MEG等数据模态，其他数据还包括人口统计学数据、神经心理学数据、基因数据。网址：http://...
常用电生理多导睡眠图信号数据合集（PSG）
张哥频道：电生理信号和磁共振成像
03-05 1721
本文主要总结了常用的PSG数据集，用于睡眠障碍方向的研究和转化。
医疗器械研发----心、脑电、睡眠信号数据常用网址
teresa_zp的专栏
08-11 474
7：邵肖梅 《新生儿振幅整合脑电图图谱》 上海科技教育出版社。4：贾花萍等 《脑电信号分析方法与脑机接口技术》 科学出版社。8：周丛乐 《新生儿振幅整合脑电图》 人民卫生出版社。1：胡理等 《脑电信号处理与特征提取》 科学出版社。3：[印]拉杰什 《脑机接口导论》 机械工业出版社。6：刘晓燕 《临床脑电图学第2版》 人民卫生出版社。2：田银等 《脑电与认知神经科学》 科学出版社。5：管向东 《重症量化脑电》 广东科技出版社。蒲公英门户网站---医药技术等门户网站。电子工程世界 电子技术资料下载。
周公解梦数据集数据字典：构建梦境数据库的元数据管理之道
![周公解梦数据集数据字典：构建...文章进一步探讨了梦境数据库的构建技术与工具，包括数据库选择、设计原则、关键技术及管理工具。最后，本文展望了梦境数据库的进阶分析与应用，重点论述了数据挖掘技术在梦境分析中的
nsrr
04-01
nsrr nsrr的目标是允许用户通过R接口访问国家睡眠研究资源（'NSRR'）（ ）中的数据。 为什么是R ？ R许多程序包都可以读取和处理加速度计，例如 ， 和 ； 其他软件包（例如可以读取EDF数据以获取多导睡眠图数据。 而且， 包可以轻松地将XML批注读入R 我们相信，与这些软件包以及其他软件包的相互作用，可以为下载，处理和可视化数据提供灵活的框架。 nsrr软件包只是导航可用文件和下载数据的入口点。 安装 您可以使用以下方法从安装nsrr的发行版本： install.packages( " nsrr " ) 代币 要检索您的NSRR令牌，请访问并登录。此令牌将允许您访问您请求访问的任何数据集。 如果您没有访问权限，则它将允许您下载公开可用的文件。 通过将令牌添加到~/.Renviron文件中来设置令牌： NSRR_TOKEN = " YOUR TOKEN GOES H
Drowsiness Detection Dataset 睡意检测数据-数据集
03-18
这是睡意检测数据集。根据眼睛是闭合还是睁开进行分类。 Drowsiness Detection Dataset_datasets.txt Drowsiness Detection Dataset_datasets.zip
SleepNet:基于深度学习的睡眠自动分期
05-26
SleepNet-使用单通道EEG信号的轻量级自动睡眠阶段分类算法 这最初是一个记录最终设计的日志存储库，其目的是尝试几种不同的深度神经网络结构（例如LSTM，ResNet，DFCNN等），以实现单通道EEG的自动睡眠阶段分期。 目前，最终设计已经完成，我将继续关注该项目。 该项目的重点将转向如何将代码应用于实际应用，并且我们将考虑计算能力和准确性之间的平衡。 此外，将提供一些经过预先训练的模型，以方便使用。 我们还相信，这些代码可用于其他生理信号（例如ECG，EMG等）的分类。 我们希望这会对您的研究或项目有所帮助。 怎么跑 如果您需要运行此代码（训练自己的模型或使用预先训练的模型对自己的数据进行预测），请转到以下页面 数据集 两个公开可用的睡眠数据集用于训练，即： 对于CinC Challenge 2018数据集，我们仅使用其C4-M1通道，对于sleep-edfx和sleep-
AI人工智能浪潮下机器学习的物联网数据处理
最新发布
AI智能探索者的博客
05-04 883
本文旨在探讨人工智能技术，特别是机器学习方法在物联网(IoT)数据处理中的应用。我们将分析物联网数据的独特特性，介绍适合处理这些数据的机器学习算法，并讨论在实际部署中的最佳实践和挑战。本文首先介绍物联网数据处理的基本概念和挑战，然后深入探讨机器学习在其中的应用。我们将分析核心算法原理，展示实际项目案例，讨论应用场景，最后展望未来发展趋势。物联网(IoT): 由物理设备、传感器和其他物品组成的网络，能够通过互联网收集和交换数据机器学习(ML)
开放脑神经数据科学库LONI
weixin_45770505的博客
12-03 1124
图像和数据存档提供了用于去标识化、 整合、搜索、可视化和共享各种神经科学数据 并促进全球科学家之间的合作。IDA 包含超过 151 项研究收集的数据，这些研究侧重于特定疾病的发育、衰老和进展等过程 疾病。其中对应得1各个数据库根据其项目本身研究目的分为帕金森、中风、抑郁症、PTSD、阿尔兹海默症、唐氏、孤独症等类型，用户可以根据需要筛选下载个人所需数据。
公开脑电数据下载——NSRR
qq_26682051的博客
06-22 4302
@NSRR，PSG，sleeping stage最近研究睡眠脑电分期，需要一些公开睡眠数据，发现了https://sleepdata.org/这个巨大的数据库。于是有了下面的数据下载过程。可以看到国外的数据管理还是很棒的，值得我们科研人员学习。...
一项关于睡眠健康数据集的探索
2301_77491713的博客
08-10 1463
如性别、年龄、职业、睡眠时间、睡眠质量、身体 活动水平、压力水平、BMI类别、血压、心率、每日步数、以及是否有睡眠障碍等细节。根据上方表格来看，受访者中没有低血压患者，但存在高血压的患者，因此新找一列区分。由于决策树与随机森林结果接近，因此对决策树进行可视化，查看影响睡眠的因素。初步结论是，每日的适当运动有助于睡眠，而过多的运动可能会导致睡眠呼吸暂停。全面的睡眠指标：探索睡眠时间、质量和影响睡眠模式的因素。睡眠障碍分析：识别睡眠障碍的发生，如失眠和睡眠呼吸暂停。无 0.585561。
基于MATLAB的隐马尔可夫模型睡眠状态检测
CyberOI的博客
09-19 151
总结起来，本文介绍了如何使用MATLAB实现基于隐马尔可夫模型的睡眠状态检测。通过构建和训练隐马尔可夫模型，我们可以根据脑电图数据对睡眠状态进行自动分类和检测。读者可以根据实际需求和数据进行相应的修改和扩展，以获得更准确和可靠的睡眠状态检测结果。在睡眠研究中，隐马尔可夫模型也被广泛用于睡眠状态的检测和分类。同时，隐马尔可夫模型的性能很大程度上依赖于训练数据的质量和数量，因此在实际应用中，需要充分准备和标记好的数据集。然后，我们定义了隐马尔可夫模型的参数，包括隐含状态数量和观测符号数量。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值