Die Europäische Epilepsie Datenbank

Die Europäische Epilepsie Datenbank

Die Epilepsie-Datenbank des Universitätsklinikums Freiburg ist eine bedeutende Ressource für EEG-Daten von Epilepsiepatienten. Das Epilepsiezentrum hat im Rahmen des EU-Projekts EPILEPSIAE (Grant 211713) die weltweit umfangreichste öffentliche EEG-Datenbank erstellt, mit 275 annotierten Datensätzen von über 250 Patienten. Jeder Datensatz umfasst mindestens 96 Stunden kontinuierliche EEG-Aufnahmen bei bis zu 2.500 Hz Abtastrate, ergänzt durch klinische Patienteninformationen und MRT-Daten; insgesamt über 45.000 Stunden und 2.500 Anfälle.

Die Datenbank entstand als Europäische Epilepsie-Datenbank durch Kooperation von Zentren in Freiburg, Coimbra und Paris, und ist seit 2012 über das Epilepsiezentrum zugänglich. Das Zentrum nutzt die Daten für Forschung zu Anfallsprädiktion, Neurostimulation und Therapiekontrolle, z. B. in Studien zu Hirnerregbarkeit ohne Stimulation. Neuere Projekte wie subkutane Langzeit-EEG-Implantate bauen darauf auf und werden in Zukunft verfügbar gemacht.

Benötigen Sie EEG Daten zu Forschungs- oder Entwicklungszwecken? Hier ist unser Angebot an Sie. Kontaktieren Sie uns gerne direkt für weitere Informationen und individuelle Lösungen:
matthias.duempelmann@uniklinik-freiburg.de

Unsere Datenangebote für Wissenschaftler und Unternehmen:

*Nettopreis zzgl. Mehrwertsteuer

Die EPILEPSIAE-Projektdatenbank

Viele technologische Anwendungen im Bereich der Neurologie und Neurowissenschaften basieren auf Auswertungen von EEG-Daten. Bisher waren öffentliche Ressourcen für EEG-Aufzeichnungen jedoch nur eingeschränkt verfügbar. Im Rahmen des EPILEPSIAE-Projekts wurde daher eine umfangreiche Datenbank mit Langzeitaufzeichnungen des intrakraniellen und Oberflächen-EEG zusammengestellt.

Diese Epilepsie-Datenbank ist mit Abstand die größte und umfassendste Datenbank für menschliche Oberflächen- und intrakranielle EEG-Daten. Sie eignet sich für eine Vielzahl von Anwendungen, unter anderem für Zeitreihenanalysen der Gehirnaktivität, die Entwicklung von Machine-Learning-Algorithmen, die Erforschung der Anfallsvorhersage sowie für klinische Studien.

Vergleich der Europäischen Epilepsie-Datenbank mit anderen Datenbanken

Ausgewählte Publikationen, welche die EPILEPSIAE-Datenbank verwenden

1. Reisinger P, Larochelle J, Abkai C, Kalousios S, Zabler N, Dümpelmann M, Schulze-Bonhage A, Woias P, Comella L. The impact of EEG preprocessing parameters on ultra-low-power seizure detection. Epilepsia. 2025 Oct;66(10):3895-3906. doi: 10.1111/epi.18521.
2. Guendelman M, Vekslar R, Shriki O. A New Perspective in Epileptic Seizure Classification: Applying the Taxonomy of Seizure Dynamotypes to Noninvasive EEG and Examining Dynamical Changes across Sleep Stages. eNeuro. 2025 Jan 16;12(1):ENEURO.0157-24.2024. doi: 10.1523/ENEURO.0157-24.2024.
3. Oliveira A, Pinto MF, Lopes F, Leal A, Teixeira CA. Classifier Combination Supported by the Sleep-Wake Cycle Improves EEG Seizure Prediction Performance. IEEE Trans Biomed Eng. 2024 Aug;71(8):2341-2351. doi: 10.1109/TBME.2024.3368304.
4. Sopic D, Teijeiro T, Atienza D, Aminifar A, Ryvlin P. Personalized seizure signature: An interpretable approach to false alarm reduction for long-term epileptic seizure detection. Epilepsia. 2023 Dec;64 Suppl 4:S23-S33. doi: 10.1111/epi.17176.
5. Baghersalimi S, Teijeiro T, Atienza D, Aminifar A. Personalized Real-Time Federated Learning for Epileptic Seizure Detection. IEEE J Biomed Health Inform. 2022 Feb;26(2):898-909. doi: 10.1109/JBHI.2021.3096127.
6. Liu T, Truong ND, Nikpour A, Zhou L, Kavehei O. Epileptic Seizure Classification With Symmetric and Hybrid Bilinear Models. IEEE J Biomed Health Inform. 2020 Oct;24(10):2844-2851. doi: 10.1109/JBHI.2020.2984128.
7. Meisel C, Schulze-Bonhage A, Freestone D, Cook MJ, Achermann P, Plenz D. Intrinsic excitability measures track antiepileptic drug action and uncover increasing/decreasing excitability over the wake/sleep cycle. Proc Natl Acad Sci U S A. 2015 Nov 24;112(47):14694-9. doi: 10.1073/pnas.1513716112.

8. Donos C, Dümpelmann M, Schulze-Bonhage A. Early Seizure Detection Algorithm Based on Intracranial EEG and Random Forest Classification. Int J Neural Syst. 2015 Aug;25(5):1550023. doi: 10.1142/S0129065715500239.
9. Alvarado-Rojas C, Valderrama M, Fouad-Ahmed A, Feldwisch-Drentrup H, Ihle M, Teixeira CA, Sales F, Schulze-Bonhage A, Adam C, Dourado A, Charpier S, Navarro V, Le Van Quyen M. Slow modulations of high-frequency activity (40-140-Hz) discriminate preictal changes in human focal epilepsy. Sci Rep. 2014 Apr 1;4:4545. doi: 10.1038/srep04545.
10. Klatt J, Feldwisch-Drentrup H, Ihle M, Navarro V, Neufang M, Teixeira C, Adam C, Valderrama M, Alvarado-Rojas C, Witon A, Le Van Quyen M, Sales F, Dourado A, Timmer J, Schulze-Bonhage A, Schelter B. The EPILEPSIAE database: an extensive electroencephalography database of epilepsy patients. Epilepsia. 2012 Sep;53(9):1669-76. doi: 10.1111/j.1528-1167.2012.03564.x.

Hinweis: Diese Liste enthält ausgewählte Publikationen. Für eine vollständige Liste oder falls Sie Arbeiten veröffentlicht haben, die die EPILEPSIAE-Datenbank nutzen, wenden Sie sich bitte an:
matthias.duempelmann@uniklinik-freiburg.de