Yang Li

HUP iEEG Epilepsy Dataset

⭐ 8.6/10

NEMAR (UC San Diego). 2026.

John M. Bernabei, Adam Li, Andrew Y. Revell, et al.

分流:C_工程背景来源:nature-literature-pipeline

💡 一句话

宾大 Brian Litt 团队公开 58 例药物难治性癫痫患者的颅内 EEG(ECoG + SEEG)数据集,含发作间期/发作期记录、MNI 电极定位、临床致痫灶与切除/消融区标注。

📖 背景

药物难治性癫痫的致痫组织定位与手术结局预测需要高质量、带电极定位与临床标注的 iEEG 数据,但公开配对资源稀缺,制约方法开发与复现。

🔬 方法

数据资源(dataset),来自 Hospital of the University of Pennsylvania,含 58 例术前评估患者的去识别 iEEG:ECoG(硬膜下栅格/条带与深部电极)与 SEEG(立体定向深部电极)发作间期 + 发作期记录,电极定位于 ICBM152 MNI 空间,并提供临床确定的发作起始区(SOZ)通道及与切除/消融区重叠的通道。

📊 关键结果

· 58 例药物难治性癫痫的 ECoG + SEEG 配对数据 · 电极 MNI 空间定位,支持源级/网络级分析 · 提供 SOZ 与切除/消融区金标准标注,可直接用于 EZ 定位与手术结局预测建模

🎯 意义与展望

对「脑网络 × 致痫灶定位 × 手术结局预测」方向是可直接使用的旗舰级资源,尤其适合图学习、源成像与网络建模。局限在于需自行完成预处理与任务定义,样本细节需查数据集文档。

🧭 点评

C 类,作为数据基础设施归档(价值极高)。Brian Litt 团队是癫痫神经工程与 iEEG 领域的标杆(2026-08-13 日报 #1 那篇 npj 数字医学表型化也出自其团队);这份数据可作为你「sEEG 图学习定位 EZ」工作的理想公开验证集,强烈建议核对字段与纳入标准后纳入候选数据。