自闭特质静息态EEG数据集

该数据集提供80名被试的静息态脑电数据,包含睁眼与闭眼两种状态,并使用Autism-Spectrum Quotient-10(AQ-10)评估自闭特质

openneuro
浏览 3
时间序列分类eeg
A resting-state EEG dataset for autistic traits

基本信息

模态
时间序列
大小
6.14812769 GB
任务类型
分类
许可
CC0
创建/更新时间
2026-10-26

资源简介

自闭特质静息态EEG数据集

A Resting-state EEG Dataset for Autism Related Traits (EEG Dataset-Autistic Traits)

该数据集提供80名被试的静息态脑电数据,包含睁眼与闭眼两种状态,并使用Autism-Spectrum Quotient-10(AQ-10)评估自闭特质。被试被划分为高AQ组(n=41,AQ-10≥6)与低AQ组(n=39,AQ-10≤2),同时提供个体AQ-10得分与人口学信息。数据采集使用ANT Neuro eego 64放大器与64通道waveguard帽,采样率500 Hz,阻抗保持在5 k以下。该数据可用于基于静息态EEG的自闭特质分组分类研究,以及脑电特征与自闭特质得分之间关系的探索(来源 OpenNeuro,CC0 许可)。

【数据内容】

源站描述(机器翻译,仅供参考):被试数: 80 模态: eeg 任务: rest 一般信息 该数据集提供80名被试的静息态脑电数据(睁眼、闭眼),其自闭特质使用Autism-Spectrum Quotient-10(AQ-10)进行评估。被试被分为高AQ组(n = 41,AQ-10 ≥ 6)和低AQ组(n = 39,AQ-10 ≤ 2)。该数据集还提供个体AQ-10得分和人口学信息。 数据集 展示 数据采集在中国重庆师范大学进行。该数据集的详细描述目前正由Junyu Wu、Rong Huang、Jingyang Yu、Jiayi Shi、Tianze Wang、Yuting Zhang、Yutong Chen和Jing Meng准备,并将提交发表。 EEG采集 EEG系统:ANT Neuro eego 64放大器,配备64通道waveguard帽 采样频率:500 Hz 阻抗保持在5 k以下 联系方式 如有任何

【数据结构与技术规格】

数据集 DOI:doi:10.18112/openneuro.ds008763.v2.0.0。

【主题与分类】

主题标签:eeg。本站分类:神经系统疾病。

【获取与许可】

源站页面:https://openneuro.org/datasets/ds008763

使用许可:CC0。

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

下载信息

注册下载

需要注册 Kaggle 账号并登录后下载,适合需要跟踪下载记录和使用 API 的用户。

暂未开放

公开下载

无需注册即可直接获取公开样本或文档,适合快速预览和评估数据集质量。

免登录

有偿下载

公开数据集受托下载与技术交付服务。

提供高速下载与技术交付服务(收技术服务费,非数据销售)

暂未开放

当前数据集主要来源为 Kaggle 公开托管,完整影像包建议通过原始链接或 Kaggle API 获取。

使用方式

数据集获取

源站:https://openneuro.org/datasets/ds008763

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 6.15 GB。

数据说明

OpenNeuro dataset ds008763. Modalities: eeg. BIDS-standardized neuroimaging dataset (MRI/EEG/MEG/PET).

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。

数据缺失?

依托陕西、四川两大基地,我们与超过十家三甲医院建立直接合作关系,覆盖合规授权、采集治理、专业标注、数据交付的全流程,为AI医疗团队提供即拿即用的高质量临床数据。

⚡️ 需要数据支持或标注服务?立即联系我们获取专业方案。

获取专属数据定制方案