脑功能与损伤的脑电信号深度学习系统性综述数据集

数据集概述

本数据集是脑电信号（EEG）深度学习在脑功能与损伤领域应用的系统性综述结果，涵盖2018-2023年符合严格纳入标准的研究，包含研究背景、数据集特征、预处理技术、深度学习架构及性能指标等80余个字段的元数据，支持该领域的可重复性研究与元分析。

文件详解

• 文件名称: reviewed studies.xlsx
• 文件格式: Excel (.xlsx)
• 字段覆盖内容:
• 研究背景与任务（分类、预测、临床场景等）
• 数据集特征（公开性、样本量、时长、通道数等）
• 预处理技术（去噪、降维、归一化等）
• 深度学习架构（CNN、LSTM、Transformers等）及超参数
• 评估策略（验证类型、交叉验证折数等）
• 性能指标（准确率、AUC、敏感度等）
• 可解释AI（XAI）相关考量

适用场景

• 脑电信号深度学习研究的元分析与趋势识别
• 方法学漏洞与改进机会的探索（如预处理策略、验证流程优化）
• 深度学习模型架构与超参数的比较分析
• 临床场景下脑电信号深度学习模型的可解释性研究
• 脑功能与损伤领域脑电信号深度学习模型的基准测试