必看！睡眠剥夺的静息状态EEG数据集分享

*该数据集支持公开下载（文章末尾）。该数据集的共享可能有助于在 SD 领域开放脑电图测量。

睡眠剥夺（SD）对个体认知和情绪功能的影响一直是研究的热点问题。为此，有研究人员开发了一套“睡眠剥夺静息态EEG数据集”，通过这套数据集，研究人员可以深入分析睡眠不足对大脑活动、情绪和警觉性的影响。

该数据集包含了71名参与者的EEG记录和认知数据，这些参与者分别在睡眠剥夺和正常睡眠两种条件下接受评估。此外，实验的会话顺序是随机分配的，以控制顺序效应。参与者年龄在17至23岁之间，平均年龄为20岁，其中包括34名女性和37名男性。（均无精神疾病、焦虑、抑郁或睡眠障碍史。）

为了确保数据的可靠性和有效性，实验采用了精神运动警觉任务 (PVT) 来测量警觉性，并使用积极和消极情感量表 (PANAS) 和斯坦福嗜睡量表 (SSS) 来测量情绪和嗜睡程度。此外，为了研究个人睡眠质量和特征对 SD 的影响，研究还使用了匹兹堡睡眠质量指数 (PSQI) 和 Buss-Perry 攻击性问卷 (BPAQ)。

背景与摘要

在当代社会，睡眠不足是一种普遍现象，对身心健康有重大影响。研究表明，睡眠时间不足可能会损害内皮功能，破坏自主神经系统的平衡，从而增加心血管疾病的风险[1]。此外，睡眠不足还会影响认知功能，包括警觉性、情绪、注意力和记忆力，以及复杂的认知过程，如心理灵活性、计划性和排序性[2]。

静息态 EEG 可捕捉清醒个体无需执行特定认知任务的大脑活动，在分半和重测测量方面表现出高可靠性。它是一种灵敏的SD脑活动记录方法，通过记录皮质层神经元的电信号来分析其活动[3]。SD会引起静息态EEG频带（特别是theta和alpha频带）的显著变化，不同个体对SD的反应存在差异，可能与静息态EEG变化模式有关。

该研究所属实验室在多篇文章中探讨了EEG与睡眠剥夺的结合应用：

1）睡眠剥夺对反应性攻击的影响，发现前额叶皮质（PFC）的γ能量可以预测个体在睡眠剥夺后表现出反应性攻击增强的倾向[4]。

2）睡眠剥夺对疼痛共情的影响，发现睡眠剥夺会降低对疼痛图像的主观疼痛判断[5]。

3）睡眠剥夺影响下大脑默认模式网络的连接情况，揭示了连接的动态特性受到不利影响，与情绪衰退密切相关[6]。

睡眠剥夺的主要影响可以通过各种指标表现出来。精神运动警觉任务（PVT）是评估SD后警觉性变化的有效方法[7-11]。PVT性能的恶化和主观嗜睡（通过斯坦福嗜睡量表SSS和卡罗琳斯卡嗜睡量表KSS测量）可能具有相似的皮质激活模式[12]。

大量证据表明，SD对情绪过程有广泛影响。积极和消极情感量表（PANAS）显示SD会显著影响情绪状态，增加抑郁和焦虑症状，同时降低积极情绪[13-15]。Buss-Perry攻击性问卷（BPAQ）等工具也可用于评估SD对攻击性行为的影响。

方法

实验设计

NS：正常睡眠，SD：睡眠剥夺，PVT：精神运动警觉任务，PANAS：积极和消极情感量表，ATQ：自动思维问卷，SAI：状态焦虑量表，SSS：斯坦福嗜睡量表，KSS：卡罗琳斯卡嗜睡量表，EQ：共情商数，BPAQ：Buss-Perry攻击性问卷，PSQI：匹兹堡睡眠质量指数。

01 数据收集准备

项目	详细内容
数据收集时间	2019年3月至2021年10月
数据收集地点	西南大学睡眠与神经影像中心
实验环节	- 环节1：正常睡眠（NS）- 环节2：睡眠剥夺（SD）
实验环境	- 室温约25°C- 光照条件昏暗（<50 Lux）
时间对齐	- NS和SD实验间隔最短7天，最长一个月- NS和SD实验时间差异小于1.5小时
剥夺持续时间	24到30小时
设计	受试者内设计
参与者	- 人数：71名- 年龄：平均20岁（范围17-23岁）- 性别：女性34名，男性37名（无精神病史、焦虑或抑郁症状，无近期感冒症状或其他睡眠问题）

02 测试程序

第 1 阶段：正常睡眠（NS）

在进行NS实验前，被试需通过睡眠日记或体动记录仪进行睡眠质量监测，确保实验前睡眠正常，避免对实验结果产生潜在影响。实验人员协助被试洗头、涂抹电极胶。

受试者在宿舍正常睡眠后到达实验室，进行PVT测试和情绪、嗜睡状态量表评估（如PANAS、SSS、KSS等），然后进行5分钟睁眼静息态EEG记录，保持静止、安静、放松，尽量减少眨眼。EEG记录使用61个Ag/AgCl电极，采样率为500 Hz，阻抗保持在5 kΩ以下。

第 2 阶段：睡眠剥夺（SD）

受试者在实验前一天晚上21:00到达实验室，期间被禁止饮用含咖啡因、茶或酒精的饮料，不允许睡觉或剧烈活动。此外，参与者佩戴活动记录腕表 (wGT3X-BT) ，在SD结束后立即进行与NS环节相同的实验程序。由于 NS 和 SD 在参与者之间是平衡的，因此对于每个受试者来说，两个环节最好在一天中的同一时间内进行。

03 发布的行为测试

对于每个参与者，除了脑电图数据外，我们还收集了一系列行为数据。这些行为数据包括一般人口统计信息，例如性别和年龄，以及状态和特征量表。表 1总结了有关行为变量的已发表信息。

表 1 :发布的行为数据

名称	测试条件	关键变量	参考	总成绩范围
State scale package
Positive and Negative Affect Scale (PANAS)	NS and SD	Positive and negative affect scores	Watson et al. 1998	10-50
Automatic Thoughts Questionnaire (ATQ)	NS and SD	Total score	Hollon and Kendall, 1980	30-150
State anxiety inventory (SAI)	NS and SD	Total score	Spielberger et al. 1970	20-80
Stanford Sleepiness Scale (SSS)	NS and SD	Total score	Hoddes et al. 1972	1-7
Karolinska Sleepiness Scale (KSS)	NS and SD	Total score	Akerstedt and Gillberg,1990	1-9
Reduced version of Sleep Diary (Sleep Diary)	NS	Factor scores	van Hees et al. 2015	1-10
Trait scale package
Empathy Quotient (EQ)	NS	Total score	Baron-Cohen and Wheelwright	0-80
Buss-Perry Aggression Questionnaire (BPAQ)	NS	Total score	Lü, L. et al. 2013	22-110
Pittsburgh Sleep Quality Index (PSQI)	NS	Total score and Factor scores	Buysse et al. 1989	0-21

数据记录

睡眠剥夺的静息状态脑电图数据集的所有文件均为BIDS格式。数据集主文件夹包含71个子文件夹（每个子文件夹对应一名参与者）和四个附加文件。

1. “data-description.json”：提供数据集描述和注册详细信息，包括位置和时间；
2. “participants.tsv”：包含参与者信息（性别、年龄及问卷行为数据）；
3. “participants.json”：描述“participants.tsv”文件中的所有列；
4. “README”：提供数据集的一般信息，包括联系方式。

每个参与者的文件夹包括两个子文件夹（对应两个会话：NS和SD），包含脑电图和PVT行为数据记录。脑电图数据包括睁眼和部分闭眼脑电图数据及电极信息。

技术验证

01 肺动脉高压

为了评估被试在NS和SD之间警觉性的变化，进行了两次PVT课程。根据以前的研究，实验选择并计算了三个基本反应时间指标（中位反应时间（RT）、RT标准差和失误次数（RT> 500毫秒）（见图 3a-c）9。

结果表明，两次课程之间RT的标准差（t（29）= −7.31，p <  0.001）和失误次数（t（29）= −4.72，p <  0.001）存在显著差异。然而，中位反应时间没有显著变化（t（29）= 0.04，p =  0.97）。

反应时间中位数、反应时间标准差和失误次数是 PVT 的 3 个指标。*** p  < 0.001，* p  < 0.05。

缩写：PVT，精神运动警觉任务；PANAS_P，积极和消极情感量表的积极情感；PANAS_N，积极和消极情感量表的消极情感；ATQ，自动思维问卷；SAI，状态焦虑量表；SSS，斯坦福嗜睡量表；KSS，卡罗琳斯卡嗜睡量表；NS，正常睡眠；SD，睡眠剥夺。

02情绪和行为评估结果

情绪变化评估：

1. 消极情绪：NS和SD之间的消极情绪变化显著（t(67) = −7.89，p < 0.001）。2. 积极情绪：积极情绪没有显著差异（t(67) = −1.32，p = 0.19）。3. 抑郁情绪：抑郁情绪变化无显著性（t(24) = −1.47，p = 0.15）。4. 焦虑水平：焦虑水平变化显著（t(30) = −2.35，p < 0.05）。

嗜睡程度评估：

1. SSS：嗜睡程度显著变化（t(34) = −4.73，p < 0.001）。2. KSS：嗜睡程度显著变化（t(32) = −5.72，p < 0.001）。

特质量表评估：（表2）

1. PSQI：得分表明被试的睡眠习惯和质量良好，无使用助眠药物。

2. EQ：共情得分一般处于平均水平（33-52）。

3. BPAQ：攻击性得分较低（<65）。

表2 :特质量表的描述统计

Scales	Mean(SD)	Range
EQ	34.00（8.54）	17-58
BPAQ	57.30（10.90）	32-80
PSQL_GlobalScore	5.00（2.46）	0-12
PSQI_Item1	1.01（0.83）	0-3
PSQI_Item2	1.00（0.92）	0-3
PSQI_Item3	0.46（0.61）	0-2
PSQI_Item4	0.30(0.78)	0-3
PSQI_Item5	0.78(0.49)	0-2
PSQI_Item6	0.00(n.a.)	0
PSQI_Item7	1.43(0.84)	0-3

03 脑电功率谱

使用 MATLAB R2021b（The MathWorks）和 EEGLAB（版本 2021， http://sccn.ucsd.edu/ ）完成睁眼 EEG 的预处理。

1）通用的预处理流程如下：

带通滤波：对原始 EEG 数据进行 0.2 Hz 到 45 Hz 的带通滤波。

视觉检查和分段：将 5 分钟的 EEG 数据分割为 75 个时期，每个时期 4 秒，剔除包含明显伪影的时期。平均每个参与者剔除的伪影时期为 1.46（2.02）。

坏电极处理：坏电极的平均数量为 2.39%，其信号通过周围电极进行插值。

伪影去除：使用独立成分分析 (ICA) 去除肌肉和眼部伪影（参见 Delorme and Makeig，2004）。

信号重参考：将信号重新参考平均值。

2）频谱分析：

对预处理后的 EEG 数据，使用 Welch 方法计算了 Cz 电极的频谱。具体步骤如下：

1. 对每个电极的绝对功率进行对数变换，以计算功率谱（1 dB = 10 × log(μV²)）。

2. 计算两个阶段（NS和SD）下所有参与者的平均值和标准差。

很明显，SD 期间的绝对功率通常高于 NS。两种条件下 EEG 的最大功率都集中在低频范围（约 0.2 至 13 Hz），峰值在 10 Hz 左右。

图5显示了 SD 和 NS 的 theta (4-8 Hz)、alpha (8-13 Hz) 和 beta (13-30 Hz) 的拓扑图 。在两个会话中，alpha 和 theta 的高功率区域主要分布在额叶和枕叶周围。相比之下，beta 在两种情况下都主要在顶叶表现出低能量状态。

数据集链接：https://https://openneuro.org/datasets/ds004902/versions/1.0.4ds004902/versions/1.0.4

参考文献

---

1. Cherubini, J. M., et al Sleep deprivation and endothelial function: reconciling seminal evidence with recent perspectives. 320, H29-H35 (2021).
2. Killgore, W. D. J. P. i. b. r. Effects of sleep deprivation on cognition. 185, 105-129 (2010).
3. Kirschstein, T., Köhling, R. J. C. E. & neuroscience. What is the source of the EEG? 40, 146–149 (2009).
4. Zhang, H., Xu, D., Wang, Y. & Lei, X. J. B. T. The relation between the power of prefrontal gamma in rest-state EEG under normal sleep and reactive aggression behaviour after sleep deprivation. 36, 42–51 (2023).
5. Duan, H., Wang, Y.-J. & Lei, X. J. N. The effect of sleep deprivation on empathy for pain: An ERP study. 163, 108084 (2021).
6. Wang, Y.-J., Duan, W., Lei, X. J. N. & Sleep, S. O. Impaired coupling of the Brain’s default network during sleep deprivation: a resting-state EEG study. 937–947 (2020).
7. Dinges, D. F., Powell, J. W. J. B. R. M., instruments, & computers. Microcomputer analyses of performance on a portable, simple visual RT task during sustained operations. 17, 652–655 (1985).
8. Gibbings, A. et al. EEG and behavioural correlates of mild sleep deprivation and vigilance. 132, 45–55 (2021).
9. Lok, R., Smolders, K. C. H. J., Beersma, D. G. M. & de Kort, Y. A. W. Light, Alertness, and Alerting Effects of White Light: A Literature Overview. 33, 589–601, https://doi.org/10.1177/0748730418796443 (2018).
10. Hudson, A. N., Van Dongen, H. P. & Honn, K. A. J. N. Sleep deprivation, vigilant attention, and brain function: a review. 45, 21–30 (2020).
11. Chua, E. C.-P. et al. Classifying attentional vulnerability to total sleep deprivation using baseline features of Psychomotor Vigilance Test performance. 9, 12102 (2019).
12. Gorgoni, M. et al. Topographic electroencephalogram changes associated with psychomotor vigilance task performance after sleep deprivation. 15, 1132–1139 (2014).
13. Ferreira, C. et al. The relation between EEG prefrontal asymmetry and subjective feelings of mood following 24 hours of sleep deprivation. 64, 382–387 (2006).
14. Kahn, M., Sheppes, G. & Sadeh, A. J. I. J. O. P. Sleep and emotions: bidirectional links and underlying mechanisms. 89, 218–228 (2013).
15. Pires, G. N., Bezerra, A. G., Tufik, S. & Andersen, M. L. J. S. M. Effects of acute sleep deprivation on state anxiety levels: a systematic review and meta-analysis. 24, 109–118 (2016).
16. Xiang, C., Fan, X., Bai, D., Lv, K. & Lei, X. A Resting-state EEG Dataset for Sleep Deprivation, OpenNeuro https://doi.org/10.18112/openneuro.ds004902.v1.0.4 (2024).
17. Baron-Cohen, S., Wheelwright, S. J. J. O. A. & Disorders, D. The empathy quotient: an investigation of adults with Asperger syndrome or high functioning autism, and normal sex differences. 34, 163–175 (2004).
18. Buss, A. H., Perry, M. J. J. O. P. & Psychology, S. The aggression questionnaire. 63, 452 (1992).