Thielen 等 (2015) 的 c-VEP 数据集

该数据集来自 doi.org,为 12 名健康被试的 64 通道 EEG 数据,采集自基于宽带视觉诱发电位(BBVEP)的脑机接口

NEMAR (Neuroelectromagnetic Data Archive and Tools Resource)NEMAR (Neuroelectromagnetic Data Archive and Tools Resource)
datacite
浏览 13
时间序列分类ElectroencephalographyBrain-Computer InterfacesEvoked Potentials, Visualc-VEPGold codesspellerreconvolutionBIDSneuroscience
c-VEP dataset from Thielen et al. (2015)

基本信息

模态
时间序列
任务类型
分类
许可
Creative Commons Zero v1.0 Universal
创建/更新时间
2026-11-04
版本
1.0.4

资源简介

Thielen 等 (2015) 的 c-VEP 数据集

c-VEP dataset from Thielen et al. (2015)

该数据集来自 doi.org,为 12 名健康被试的 64 通道 EEG 数据,采集自基于宽带视觉诱发电位(BBVEP)的脑机接口。界面为 6x6 矩阵拼写器,由调制 Gold 码驱动,被试完成三轮复制拼写,每轮 36 试次。原始研究使用 reconvolution 模型预测对未见刺激序列的响应,并将其作为分类模板,在线准确率约 86%。数据可用于 c-VEP 范式下的 EEG 分类、脑机接口拼写解码与刺激响应建模等研究(来源 DOI 解析,Creative Commons Zero v1.0 Universal 许可)。

【数据集背景】

源站首次发布:2026。

【数据内容】

源站描述(机器翻译,仅供参考):一个来自 12 名健康被试的 64 通道 EEG 数据集,使用宽带视觉诱发电位(BBVEP)脑机接口。该界面是一个由调制 Gold 码驱动的 6x6 矩阵拼写器。被试完成了三轮复制拼写,每轮 36 个试次。原始研究使用 reconvolution 模型来预测对未见刺激序列的响应,并将其用作分类模板。它达到了约 86% 的在线准确率。

【主题与分类】

主题标签:Electroencephalography、Brain-Computer Interfaces、Evoked Potentials, Visual、c-VEP、Gold codes、speller、reconvolution、BIDS、neuroscience。本站分类:神经系统疾病。

【获取与许可】

源站页面:https://nemar.org/dataset/nm000196?v=v1.0.4

使用许可:Creative Commons Zero v1.0 Universal。

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

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。

免费样本无法满足模型训练要求?千方提供经三甲医院脱敏、带病理回证与专家标注的商业级专病数据集。

使用方式

数据集获取

源站:https://doi.org/10.82901/nemar.nm000196.v1.0.4

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。

数据说明

来自12名健康参与者的64通道脑电图数据集,采用宽带视觉诱发电位(BBVEP)脑机接口。该接口是一个由调制Gold码驱动的6x6矩阵拼写器。参与者完成了三次复制拼写任务,每次36个试次。原始研究使用重卷积模型预测对未见刺激序列的响应,并将其作为分类模板。在线准确率达到了约86%。

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。

需要用于商业化训练或医疗器械注册(NMPA/FDA)?

公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。