摘要睡眠呼吸暂停检测数据集包含 CWT 频谱图128×180 像素 PNG 灰度图像两类呼吸暂停/正常使用多质量指标过滤用于 DREAM 模型训练99.93% 准确率。数据集简介数据集概述睡眠呼吸暂停检测二元分类数据集是一个高质量、预处理的 CWT连续小波变换频谱图图像数据集用于从单导联 ECG 信号进行睡眠呼吸暂停事件的二元分类。数据集源自 PhysioNet Apnea-ECG 数据库使用多质量指标SNR、熵、对比度、偏度、峰度仔细过滤确保深度学习模型的最优性能。数据集用于训练和评估 DREAMDeep Residual-Enabled Apnea Monitor模型实现 99.93% 的睡眠呼吸暂停检测准确率。图像格式为 PNG尺寸 128×180 像素灰度单通道两个类别Apnea 呼吸暂停、Non-Apnea 正常数据集平衡。数据结构与关键特征(1) 数据生成流程信号采集PhysioNet 70 条 ECG 记录单导联 100 Hz 采样分钟级标注→ CWT 转换Morlet 小波尺度 1-12860 秒时间窗口输出 128×180 频谱图→ 探索性数据分析SNR、熵、对比度、偏度、峰度→ 智能过滤呼吸暂停图像 SNR 7.5正常图像 SNR ≥ 7.5。(2) 数据集结构两个文件夹apnea/ 和 non_apnea/每个图像代表 60 秒 ECG 片段平衡数据集。(3) 图像特征128×180 像素 PNG 灰度图像8 位深度约 5-15 KB/图像。(4) 质量保证多指标过滤减少噪声和伪影清晰类别分离改善模型泛化。应用价值与研究方向支持睡眠呼吸暂停检测二元分类、医学图像分类、可解释 AI 研究Grad-CAM、基准对比DREAM 99.93%、ResNet50 98.45%、DenseNet121 97.80%、临床决策支持原型、ECG 生物信号分类、迁移学习、医疗保健深度学习、非侵入性睡眠障碍诊断、可穿戴健康监测系统、教育用途机器学习课程、医学影像教学。限制仅源自 PhysioNet人口统计多样性有限60 秒片段可能遗漏上下文仅供研究和教育未经验证不得用于临床诊断。数据集来源源自 PhysioNet Apnea-ECGCWT 频谱图128×180 像素多质量指标过滤用于 DREAM 模型仅供研究。数据集信息免责声明与引用数据仅用于科研与教学用途。若用于商业场景请自行核验数据许可。如需引用请在论文或报告中注明数据集名称与版本号。作者信息作者Bob (张家梁)项目编号Datasets-104文件大小90M原创声明本数据集为整理作品