睡眠作为人体不可或缺的生理过程，与健康状况、认知功能及生活质量密切相关。公开睡眠数据集为睡眠医学研究、算法开发（如睡眠阶段自动识别）、智能设备优化等领域提供了基础支撑，有效降低了研究门槛，推动了跨机构、跨领域的合作创新。本文将从数据集的核心价值出发，按应用场景分类介绍典型公开睡眠数据集，并总结其选用要点。
一、公开睡眠数据集的核心价值
公开睡眠数据集的价值主要体现在三个维度：其一，为基础研究提供数据支撑，帮助研究者分析睡眠结构与疾病（如睡眠呼吸暂停、失眠）、年龄、生活习惯的关联；其二，为算法开发与验证提供标准基准，尤其是在睡眠阶段自动分期、睡眠障碍筛查等任务中，数据集可用于模型训练、参数调优及性能对比；其三，促进技术转化落地，助力智能手环、睡眠监测仪等消费级设备的算法迭代与精度提升，推动睡眠健康产业的发展。
二、典型公开睡眠数据集分类介绍
根据数据采集场景、规模及核心用途，公开睡眠数据集可分为临床医疗级、通用研究级、消费级设备采集三大类，各类数据集在数据精度、标注信息、获取难度上存在显著差异，适用于不同研究需求。
（一）临床医疗级数据集：高精度、强标注，适用于疾病关联研究
此类数据集通常由医院或专业医疗机构采集，基于多导睡眠图（PSG）等金标准设备，包含详细的生理信号与临床诊断信息，数据精度高、标注权威，是睡眠障碍机制研究与临床算法开发的核心资源。
1.MIT-BIH Polysomnographic Database（MIT-BIH睡眠数据库）
该数据集由美国麻省理工学院（MIT）和波士顿贝斯以色列女执事医疗中心联合构建，是睡眠研究领域最经典、应用最广泛的数据集之一。数据采集对象包含18至97岁的健康人群及睡眠障碍患者（如睡眠呼吸暂停综合征患者），共收录44个受试者的整夜PSG记录，每个记录时长约8小时。
数据内容涵盖脑电图（EEG）、眼电图（EOG）、肌电图（EMG）、心电图（ECG）等核心生理信号，采样频率为100Hz。所有数据均由专业睡眠技师按照标准睡眠分期规则（如AASM标准）完成睡眠阶段（清醒期、N1期、N2期、N3期、REM期）标注，部分记录还包含呼吸事件、肢体运动等异常事件标注。该数据集可通过MIT生理信号数据库平台免费获取，适用于睡眠阶段自动分期算法的基准测试、睡眠生理特征分析等研究。
2.Sleep Heart Health Study（SHHS）
由美国国家心脏、肺和血液研究所（NHLBI）发起，是全球规模较大的睡眠与心血管健康关联研究数据集。数据采集覆盖美国11个临床中心，共纳入约6400名受试者，年龄跨度为40岁以上，包含大量中老年人群及心血管疾病高危人群。
数据集核心内容为受试者的整夜PSG记录（含EEG、EOG、EMG、呼吸气流、血氧饱和度等信号），以及长达10年以上的随访数据（如心血管事件发生情况、死亡结局等）。此外，还包含详细的基线调查问卷信息，涵盖人口统计学特征、生活习惯（如吸烟、饮酒）、既往病史等。该数据集的标注信息包括睡眠分期、睡眠呼吸暂停低通气指数（AHI）等关键指标。研究者需通过NHLBI数据申请平台提交申请并签署数据使用协议后获取，适用于睡眠障碍与心血管疾病关联分析、长期预后预测等临床研究。
3.European Data Format Sleep Archive（EDF Sleep Archive）
由荷兰特温特大学主导构建，是一个聚焦于睡眠障碍诊断与分析的多中心数据集。数据来源于欧洲多个睡眠中心，包含正常睡眠者及失眠、睡眠呼吸暂停、发作性睡病等多种睡眠障碍患者的PSG数据，共收录超过200个整夜记录。
数据以欧洲数据格式（EDF）存储，便于主流生理信号分析软件（如Matlab、Python的mne库）读取，包含EEG、EOG、EMG、ECG、呼吸信号等，部分记录还附带视频监测数据。标注信息除睡眠分期外，还包含专业医师的临床诊断报告。该数据集可通过特温特大学官网免费获取，适用于睡眠障碍亚型识别、临床诊断辅助算法开发等研究。
（二）通用研究级数据集：规模大、易获取，适用于算法训练
此类数据集多由高校或科研机构主导采集，兼顾数据规模与标注质量，部分采用半自动化标注结合人工校验的方式，数据获取流程相对简便，适用于机器学习、深度学习算法的大规模训练与优化。
1.Sleep-EDF Database Expanded（Sleep-EDF扩展数据库）
在早期Sleep-EDF数据集基础上扩展而来，由瑞士苏黎世大学和荷兰特温特大学联合构建，包含两个子数据集：Sleep-EDF 78和Sleep-EDF 2018。其中Sleep-EDF 78收录22名健康受试者的PSG数据，Sleep-EDF 2018则扩展至197名受试者，涵盖不同年龄层（20-100岁），其中包含大量老年人群数据，为年龄相关睡眠特征研究提供了支撑。
数据内容包括EEG、EOG、EMG信号及体温、心率等生理指标，采样频率为100Hz或256Hz。睡眠分期标注遵循R&K标准或AASM标准，部分记录还包含睡眠日志信息（如入睡时间、主观睡眠质量评分）。该数据集可通过PhysioNet平台免费下载，因其规模适中、标注清晰，成为初学者开展睡眠算法研究的常用数据集，也适用于年龄对睡眠结构影响的分析。
2.ISRUC-Sleep Database
由葡萄牙科英布拉大学睡眠研究与治疗中心构建，是一个分为多个子集的系列数据集（ISRUC-Sleep S1至S4），总规模超过1000个睡眠记录，涵盖健康人群及睡眠障碍患者。其中S1子集包含100个无标注的PSG记录（适用于无监督学习），S2-S4子集则包含带有睡眠分期标注的记录，标注精度由专业睡眠技师保障。
数据包含EEG（多通道）、EOG、EMG、ECG、呼吸信号等，采样频率为256Hz，数据格式兼容主流分析工具。该数据集的特色在于提供了不同质量的标注数据（如部分子集包含粗标注和细标注），可满足不同算法（如弱监督学习、半监督学习）的训练需求。研究者可通过科英布拉大学官网免费获取，适用于大规模睡眠分期算法开发、睡眠信号降噪算法验证等场景。
3.Chinese Sleep Research Society Database（CSRSD，中国睡眠研究会数据集）
由中国睡眠研究会联合国内多家医院构建，聚焦于中国人的睡眠特征与睡眠障碍现状，填补了亚洲人群睡眠数据集的空白。数据集包含约5000名受试者的睡眠数据，涵盖健康人群、失眠患者、睡眠呼吸暂停患者等，其中青少年、中年、老年群体的比例均衡，更符合中国人口结构特征。
数据类型包括PSG数据（临床级）和可穿戴设备数据（消费级），PSG数据包含详细的生理信号与睡眠分期标注，可穿戴设备数据则涵盖睡眠时长、睡眠连续性等指标。此外，还关联了受试者的饮食习惯、工作压力、中医体质等特色信息，为中西医结合睡眠研究提供了数据支撑。该数据集需通过中国睡眠研究会官方平台申请获取，适用于针对中国人的睡眠健康研究、本土化算法开发等场景。
（三）消费级设备采集数据集：规模大、场景广，适用于生活化研究
此类数据集由智能手环、睡眠监测仪等消费级设备采集，数据规模庞大、覆盖人群广泛，采集场景多为家庭日常睡眠环境，更贴近真实生活中的睡眠状态，但数据精度低于PSG，标注信息相对简单，适用于睡眠行为分析、人群睡眠特征统计等研究。
1.Fitbit Sleep Dataset
由美国Fitbit公司公开的基于其智能手环采集的睡眠数据集，包含数万用户的睡眠数据，采集周期从数天至数年不等，覆盖全球不同地区、不同年龄段的用户。数据内容主要基于心率、运动传感器（加速度计）推断的睡眠指标，如总睡眠时长、睡眠效率、入睡潜伏期、清醒次数、睡眠阶段（粗略分为深睡、浅睡、REM睡）等。
该数据集还关联了用户的基本信息（如年龄、性别、地域）及使用习惯（如佩戴时间），部分子集包含用户的主观睡眠评分。数据格式为结构化数据，便于统计分析，但需注意其睡眠阶段划分精度低于PSG。研究者可通过Fitbit开发者平台申请获取，适用于大规模人群睡眠行为模式分析、睡眠与生活方式关联研究、消费级设备算法优化等场景。
2.Apple Watch Sleep Dataset（Apple Research App）
通过Apple Research应用招募志愿者采集，包含数十万用户的睡眠数据，采集设备为Apple Watch。数据内容基于心率传感器、陀螺仪、加速度计等多模态数据融合推断，涵盖睡眠时长、睡眠阶段（深睡、浅睡、REM睡、清醒）、心率变异性（HRV）与睡眠的关联等指标。
部分子集还包含用户主动上报的睡眠相关症状（如失眠频率、日间嗜睡程度）及健康指标（如体重、运动情况）。该数据集的优势在于样本量极大，且覆盖不同健康状态的人群，可用于睡眠健康大数据分析、基于可穿戴设备的睡眠障碍初步筛查算法开发等。数据需通过Apple Research数据平台申请获取，且需遵守严格的用户隐私保护协议。
三、公开睡眠数据集的选用要点
研究者在选用公开睡眠数据集时，需结合研究目标、技术条件等因素综合判断，核心要点包括：
1.匹配研究场景：临床疾病研究优先选择医疗级数据集（如SHHS、MIT-BIH），算法大规模训练优先选择通用研究级数据集（如ISRUC-Sleep），生活化睡眠行为分析则适合消费级数据集（如Fitbit Sleep Dataset）。
2.关注数据质量：重点核查数据的采样频率（高频数据适用于生理信号细节分析）、标注精度（专业技师标注优于算法自动标注）、样本代表性（如年龄、地域、疾病类型是否符合研究对象）。
3.明确获取条件：部分数据集需签署数据使用协议（如SHHS），部分需学术机构认证，需提前了解获取流程及隐私保护要求，避免违规使用。
4.结合技术工具：确认数据集格式与常用分析工具（如Matlab、Python的mne库、TensorFlow）兼容，减少数据预处理的工作量。
四、总结与展望
公开睡眠数据集为睡眠研究的多元化发展提供了重要支撑，从临床级的高精度数据到消费级的大规模数据，形成了覆盖不同需求的数据集体系。未来，随着可穿戴设备技术的进步与多中心合作的深化，公开睡眠数据集将呈现“多模态融合”（如结合音频、视频数据）、“长时序追踪”（如数年的睡眠变化数据）、“跨域关联”（如关联基因组、代谢组数据）的趋势，进一步推动睡眠健康研究从基础理论走向临床应用与生活化服务。研究者应合理利用现有数据集，同时注重数据隐私保护与规范使用，共同推动睡眠研究领域的创新发展。
