Omni-iEEG：面向癫痫研究的大规模、综合性 iEEG 数据集与基准
机器学习
2026-02-20 v2 人工智能
神经元与认知
摘要
癫痫影响全球 5000 万人，其中三分之一患者 suffer 药物难治性癫痫发作，手术是获得癫痫自由的最佳机会。准确定位癫痫发生区(EZ)依赖于体内脑电(iEEG)。然而，临床工作流程仍受限于 labor-intensive 的手动审阅。同时，现有数据驱动方法通常在单中心数据集上开发，这些数据集在格式和元数据方面不一致，缺乏标准化基准，且很少公开病理事件标注，制造了可重复性、跨中心验证和临床相关性的障碍。通过广泛的努力来协调异构的 iEEG 格式、元数据和记录，我们presented ，一个大规模的术前 iEEG 资源，包含 和 的高分辨率记录。该数据集包括经经资格的癫痫专家验证的和谐化临床元数据，如癫痫发作区、切除物及手术结果。此外，Omni-iEEG 提供了超过 36K 条经专家验证的病理事件标注，支持可靠的生物标志物研究。Omni-iEEG 作为机器学习与癫痫研究之间的桥梁，定义了以临床先验为导向的临床意义任务和统一评估指标，系统评估在临床相关环境中模型的表现。除了基准测试之外，我们还展示了在长 iEEG 段上进行端到端建模的潜力，并突出了在非神经生理学领域预训练的表征的可迁移性。总体而言，这些贡献确立了 Omni-iEEG 作为可重复、可推广且临床可转化癫痫研究基石的作用。项目页面可在 omni-ieeg.github.io/omni-ieeg 访问。
引用
@article{arxiv.2602.16072,
title = {Omni-iEEG: A Large-Scale, Comprehensive iEEG Dataset and Benchmark for Epilepsy Research},
author = {Chenda Duan and Yipeng Zhang and Sotaro Kanai and Yuanyi Ding and Atsuro Daida and Pengyue Yu and Tiancheng Zheng and Naoto Kuroda and Shaun A. Hussain and Eishi Asano and Hiroki Nariai and Vwani Roychowdhury},
journal= {arXiv preprint arXiv:2602.16072},
year = {2026}
}
备注
Published as a conference paper at ICLR 2026