CuBiAAD：基于EEG与fNIRS的线索掩蔽双模态听觉注意数据集
CuBiAAD 是一个基于 EEG 与 fNIRS 的线索掩蔽双模态听觉注意数据集，共包含 40 名被试，其中 sub-01 至 sub-30 提供 EEG 数据，sub-31 至 sub-40 提供 fNIRS 数据
基本信息
资源简介
CuBiAAD：基于EEG与fNIRS的线索掩蔽双模态听觉注意数据集
CuBiAAD 是一个基于脑电（EEG）与功能性近红外光谱（fNIRS）的线索掩蔽双模态听觉注意数据集，共包含 40 名被试。其中 sub-01 至 sub-30 提供 EEG 数据，sub-31 至 sub-40 提供 fNIRS 数据，任务类型为听觉注意。该数据集以 BIDS 标准组织原始数据，已在 openneuro.org 公开发布，采用 CC0 许可，并配有对应 DOI，便于研究者引用与复用。数据集面向听觉注意相关的神经机制研究，同时为 EEG 与 fNIRS 两种模态的分析方法提供了可比较的数据基础，其“线索掩蔽”设计使其区别于常规听觉注意范式，适合考察在注意线索被掩蔽条件下的大脑响应特征。
【数据集背景】
听觉注意是人类在复杂声环境中选择性加工目标信息的重要认知功能，研究者常借助 EEG 的高时间分辨率与 fNIRS 的血氧动力学响应来观察其神经 correlates。CuBiAAD 以“线索掩蔽”为核心设计，构建了双模态听觉注意数据资源，旨在为注意解码、跨模态融合分析等研究提供公开数据支撑。该数据集归入神经系统疾病 / 其他分类，来源站为 openneuro.org，作者包括 Keren Shi、Xue Yuan、Xu Liu、Ruiting Dai、Na Li、Yunfa Fu、Ning Jiang 与 Jiayuan He，发布时间为 2026-09-30。
【数据内容】
数据集为 BIDS 原始数据集，包含 40 名被试的数据。EEG 覆盖 sub-01 至 sub-30，fNIRS 覆盖 sub-31 至 sub-40。被试表采用随附论文表 1 中报告的人口学信息。EEG 部分来自一个多 epoch 的 EEGLAB .set 文件，被拆分为独立的 BIDS session，每个 epoch 对应一个匹配的事件表。fNIRS 部分由 HOMER2 .nirs 文件转换而来，每名被试包含一个连续的 BIDS SNIRF run，保留全部原始采样，含 150 个原始幅值通道、24 个源、16 个探测器与三个波长；三个未标注的 HOMER2 刺激列保留为 condition_1 至 condition_3。主题标签为 eeg 与 nirs。
【采集与来源】
数据来源于 openneuro.org，源站描述给出了被试数 40、模态 eeg 与 nirs、任务 auditory attention 等信息。fNIRS 的 SNIRF 文件由 HOMER2 .nirs 文件转换生成；原始数据库中较旧的 NIRSPARK 二进制文件保持未改动，存放于 sourcedata/nirs-native/ 下，且未用于生成 SNIRF。EEG 数据则由单一多 epoch EEGLAB 文件按事件表拆分而来。具体的采集设备型号、采样率、实验环境与刺激参数，源站未提供。
【适用场景】
该数据集适用于听觉注意相关的神经机制研究，尤其是需要在同一范式下比较 EEG 与 fNIRS 两种模态响应的工作；也可用于注意解码、跨被试分析以及双模态数据融合方法的验证。由于数据以 BIDS 组织并保留原始采样，适合作为方法学研究的公开基准数据。具体任务细节与可支持的特定分析类型，源站未提供。
【使用方法】
使用者可按 BIDS 结构读取 EEG session 与 fNIRS SNIRF run；fNIRS 的刺激条件以 condition_1 至 condition_3 标识，需结合原始实验设计进行解释。EEG 的事件表与各 session 一一对应，便于按事件切分。原始 NIRSPARK 文件仅作为 sourcedata 保留，不参与 SNIRF 生成。预处理流程与推荐参数，源站未提供。
【质量与限制】
数据集被试数为 40，但 EEG 与 fNIRS 分别来自不同被试子集（sub-01 至 sub-30 为 EEG，sub-31 至 sub-40 为 fNIRS），并非同一批被试的双模态同步记录，使用者在进行跨模态比较时需注意这一结构。fNIRS 刺激列未标注具体条件含义，仅以编号保留。其他质量指标与限制说明，源站未提供。
【引用与许可】
该数据集采用 CC0 许可，DOI 为 doi:10.18112/openneuro.ds008892.v1.0.0，引用时应使用该 DOI 并注明作者 Keren Shi、Xue Yuan、Xu Liu、Ruiting Dai、Na Li、Yunfa Fu、Ning Jiang 与 Jiayuan He。
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/ds008892
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 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。
- OpenDataLab:
数据集大小约 1.89 GB。
数据说明
OpenNeuro dataset ds008892. Modalities: eeg, nirs. 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。
