eeg数据集_EEGIP：国际婴儿EEG数据集成平台，用于研究自闭症及相关疾病的风险...

导语

自闭症的生物标志物的寻找将能有效的促进ASD儿童的早期识别和干预，改善患有该疾病的人的预后，从而减轻自闭症的境遇。现有很多神经影像学研究团队对有自闭症风险的婴儿大脑研究，并阐明早期大脑发育的变化，大脑发育的变化是行为症状发作的基础，对患有ASD症状的人进行大脑科学研究，从而提供确定治疗的最大可塑性和反应性时期的机会。

尽管在阐明风险的神经机制方面取得了迅速的进展和有价值的发现，但婴儿自闭症脑电标志物的研究进展仍受到一些因素的阻碍。但是近年来，围绕自闭症中的EEG数据采集和信号处理已达成共识，共同努力以提高独立研究结果的有效性和可靠性。为了同时解决与婴儿兄弟姐妹的科学研究中数据收集和标准化方面的挑战，我们建立了国际婴儿EEG数据集成平台(EEG-IP)。EEG-IP方法不仅限于婴儿数据，并且可以完全扩展以与其他多站点EEG数据集一起使用。

背景

建立可靠的自闭症预测性和诊断性生物标志物将能够增强早期识别，并在早期大脑发育的最大可塑性时期促进靶向干预。目前对生物标志物的高影响力研究受到相对较小的样本量和自闭症表型复杂性的限制。

方法

EEG-IP是一个国际婴儿EEG数据集成平台，旨在通过增强多站点数据的大规模集成来促进生物标记物的发现。当前，这是婴儿EEG数据的最大的多站点标准化数据集。

三个独立的站点(马萨诸塞州波士顿的波士顿儿童医院；英国伦敦的伯克贝克大学；华盛顿州的华盛顿大学)为EEG-IP平台提供了数据。这些汇总的数据集包括来自446个不同参与者(波士顿：250；伦敦：106；西雅图：90)的1455次EEG记录数据(波士顿：972；伦敦：188；西雅图：223)，包括多个年龄段(波士顿：3、6、9、12、18、24、36个月；伦敦：7、14个月；西雅图：6、12、18个月)。EEG采集参数在站点之间通用，包括使用带有盐水网的EGI系统进行EEG数据采集(EGI，Inc.)。

结果

首先，将来自自闭症风险婴儿纵向队列研究的多站点数据收集在一个公共数据库中，该数据库包括432名3到36个月大的婴儿具有1382个脑电图纵向记录和相关的行为数据。其次，为了应对跨独立记录的可比性有限的挑战，EEG-IP应用了“脑成像数据结构(BIDS)-EEG”标准，从而实现了统一，可扩展和集成的数据状态。最后，使用通用信号处理通道对合并和统一的原始数据进行预处理，该通道可最大程度地隔离信号并最大程度地减少数据缩减。利用EEG-IP，我们生成了一个完全标准化的数据集，其中包含来自多个站点的汇总，协调和预处理的EEG数据。

EEG-IP体系结构和数据流

结论

首次使用婴儿数据实施这些集成解决方案已证明在生成标准化的多站点数据状态方面取得了成功和面临的挑战。同时数据中也涉及预处理过程中信号源，时间和ICA分析的解释。

时间标注

通道标注

IC成分标注

功率谱标注

参考文献：

van Noordt, S., Desjardins, J.A., Huberty, S. et al.  EEG-IP: an international infant EEG data integration platform for the study of risk and resilience in autism and related conditions. Mol Med   26,  40 (2020). https://doi.org/10.1186/s10020-020-00149-3