用于痴呆EEG分类器多中心泛化的EEG与神经心理学测试数据集

数据集获取

源站：https://doi.org/10.5281/zenodo.20206227

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 部分平台提供 SDK，例如：
   • OpenDataLab: pip install openxlab 后 openxlab.dataset.get(...)
   • ModelScope: pip install modelscope 后 modelscope download
   • 天池: 登录后页面提供直链下载
     以源站「数据下载/使用文档」页面为准。

数据集大小约 501.5 MB。

数据说明

EG标志物数据集——一项多中心阿尔茨海默病分类研究 本数据集随附一篇关于基于EEG对阿尔茨海默病（AD）、轻度认知障碍（MCI）、额颞叶痴呆（FTD）以及认知正常（CN）对照进行分类的论文，数据采集自智利、阿根廷、哥伦比亚、巴西和土耳其的六个中心。该数据集包含：exported_markers/markers.tsv——按epoch计算的EEG频谱、连接性、信息论和复杂度标志物。exported_markers/markers_metadata.tsv——每个epoch的元数据：参与者ID、记录中心、诊断标签和epoch索引。demographics/demographics.csv——用于相关性分析的神经心理学测试分数（MMSE、流畅性、数字广度、BNT、TMT、Stroop等）。demographics/participant_id_mappings.tsv——EEG参与者ID与人口统计学记录ID之间的映射。这些文件是复现代码仓库中所有流程运行和分析所需的输入。数据结构和列描述记录在代码zenodo仓库的README中。

数据加载示例（图像类）

from PIL import Image
import glob, os

files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)

# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path)  # 要求 子目录=类别

目录组织与标注格式以源站说明和下载后实际文件为准。