企业官网建设流程全解析

摘要：癫痫发病预测数据集包含 20 个临床特征（人口统计、病史、神经发育障碍、影像学/EEG 异常、风险评分、诊断和发作类型），专为癫痫风险预测、早期分层和发作类型识别的机器学习研究而构建。

数据集简介

数据集概述

癫痫发病预测数据集是一个用于癫痫风险预测和特征评估的机器学习临床数据集。癫痫是一种常见神经系统疾病（影响全球约 5000 万人），早期识别高危人群对及时干预和改善预后至关重要。数据集包含 20 个关键特征，涵盖人口统计学（性别、发病年龄、社会经济状况）、出生史（出生窒息、早产、低出生体重）、家族史、感染史（脑疟疾、脑膜炎/脑炎）、创伤史（头部外伤、脑卒中/脑肿瘤）、神经发育障碍（智力障碍、自闭症）、临床检查异常（影像学、EEG）、风险评分、预测概率、癫痫诊断（目标变量）和发作类型。支持癫痫风险预测、临床相关性分析、早期风险分层、特征重要性分析和发作类型预测。

数据结构与关键特征

数据集包含 20 个结构化特征，按功能分为多个临床相关类别，反映了已知的癫痫危险因素和临床实践中的评估指标：

(1) 人口统计学特征：Gender（性别，男/女）、Age_Onset_Symptoms（症状初次出现的年龄，连续变量，反映发病年龄）、Socioeconomic_Status（社会经济状况，分类或数值表示，社会经济地位较低可能与医疗资源获取受限和某些危险因素暴露增加相关）；

(2) 出生史危险因素：History_Birth_Asphyxia（出生窒息史，二元变量，出生时缺氧可导致脑损伤增加癫痫风险）、History_Premature_Birth（早产史，二元变量，早产儿脑发育不成熟增加癫痫风险）、History_Low_Birth_Weight（低出生体重史，二元变量，低出生体重与围产期并发症和神经发育问题相关）；

(3) 家族史：History_Family_Epilepsy（癫痫家族史，二元变量，癫痫具有遗传倾向，家族史是重要危险因素）；

(4) 感染史：History_Cerebral_Malaria（脑疟疾史，二元变量，脑疟疾可导致脑损伤和癫痫）、History_Meningitis_Encephalitis（脑膜炎或脑炎史，二元变量，中枢神经系统感染是癫痫的已知危险因素）；

(5) 创伤和神经系统疾病史：History_Severe_Head_Trauma（严重头部外伤史，二元变量，颅脑外伤可导致创伤后癫痫）、History_Stroke_Brain_Tumor（脑卒中或脑肿瘤史，二元变量，脑卒中和脑肿瘤是成人癫痫的常见原因）；

(6) 神经发育障碍：Intellectual_Disability（智力障碍，二元变量，智力障碍与癫痫高度共病）、Autism_Spectrum_Disorder（自闭症谱系障碍，二元变量，自闭症患者癫痫患病率显著高于普通人群）；

(7) 临床检查异常：Imaging_Abnormalities（医学影像异常，二元变量，MRI 或 CT 检测到的脑结构异常如皮质发育畸形、海马硬化等e（基线脑电图异常，二元变量，EEG是诊断癫痫的关键检查，异常放电模式提示癫痫风险）；

(8) 风险评估和预测：Calculated_Risk_Score（基于多种因素的预先计算风险评分，连续变量，综合多个危险因素的量化评分癫痫预测概率，连续变量0-1，模型输出的癫痫发生概率）；

(9) 诊断和分类：Epilepsy_Diagnosis（癫痫诊断，二元或分类变量，目标变量，指示患者是否被诊断为癫痫）、Seizure_Type_if_Diagnosed（如 ，分类变量，如全身性强直阵挛发作、局灶性发作、失神发作、肌阵挛发作等，支持多类别分类任务）。

这些特征设计为反映国际抗癫痫联盟（ILAE）和临床实践指南中认可的癫痫危险因素，使数据集适用于二元分类（癫痫诊断是/否 险分层和概率预测任务。

应用价值与研究方向

该数据集为癫痫研究、神经病学、临床风险评估和机器学习算法开发提供全面支撑。核心应用：

(1) 癫痫风险预测：构建分类模型（逻辑回归、随机森林、梯度提升、神经网络）预测癫痫风险，支持早期识别和预防性干预；

(2) 危险因素识别：探索出生史、感染、创伤、家族史等与癫痫的相关性；

(3) 早期风险分层：开发临床决策支持系统（CDSS）辅助医生识别高危患者；

(4) 特征重要性分析：使用 SHAP、递归特征消除等技术识别关键预测指标；

(5) 发作类型预测：识别特定发作类型（强直阵挛、局灶性、失神等）辅助个性化治疗；

(6) 多模态融合：结合病史、临床检查、影像学和 EEG 构建综合诊断模型；

(7) 算法基准测试：系统评估不同 ML 算法性能；

(8) 个性化医疗：制定个性化监测和治疗方案。

数据集有助于改善癫痫早期检测、风险分层和患者管理，减少疾病负担并改善生活质量。

数据集来源

该数据集专门设计用于癫痫风险预测和特征评估的机器学习研究，包含 20 个临床特征（人口统计、出生史、家族史、感染史、创伤史、神经发育障碍、影像学/EEG 异常、风险评分、癫痫诊断和发作类型），反映 ILAE 认可的癫痫危险因素和临床评估指标，专为癫痫风险预测、早期风险分层、发作类型识别和机器学习算法开发而构建。。由张家梁(Bob)整理并于2026年在7zcode平台公开发布。

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-88
文件大小：69K
原创声明：本数据集为整理作品