CCRR：通过校准融合与路由的选择性纠错用于跨会话运动想象EEG解码——源数据与原始实现

数据集获取

源站：https://doi.org/10.5281/zenodo.23679731

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 463.8 MB。

数据说明

本记录包含支持手稿《CCRR：通过校准融合与路由实现跨会话运动想象脑电解码的选择性纠错》的源数据、原始实现、冻结的参与者特定模型以及归档预测。CCRR将校准后的深度预测与黎曼预测相结合，并采用选择性辅助路由，用于四类运动想象脑电解码。评估采用对BCI Competition IV数据集2a中记录的脑电进行因果回放，涵盖九名参与者和四个类别：左手、右手、双脚和舌头。主要配置使用T会话的run 1–4进行拟合，run 5–6用于模型选择和校准。评估使用每名参与者全部288个E会话试次，采用提示后四秒观察窗口，每个试次产生一个预测。原始主要拟合以种子20260908训练，在2,592个E会话试次上达到78.01%的参与者平均平衡准确率。

存档文件包括：- CCRR_code.zip：原始实现、配置、环境记录及归档的回放记录。- CCRR_models_A01.zip 至 CCRR_models_A09.zip：九名参与者各自的冻结模型对象。- CCRR_source_data.zip：参与者级结果、统计分析、实现敏感性摘要、EEG节律描述、通道敏感性结果及图表源数据。- CCRR_reproducibility.pdf：实现细节与复现设置。- README_公开存档.md 和 SHA256SUMS.txt：存档指南与文件完整性校验和。额外的训练种子和实现敏感性变体以结果摘要形式呈现；其完整训练产物未包含在本版本中。原始EEG记录可从原始BCI Competition IV存档获取，网址为 https://www.bbci.de/competition/iv/。第三方依赖及其来源已在代码存档中记录。相关稿件的通讯作者：Ran Wang（rwang@nju.edu.cn）。

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。