人类通过流形几何学习无创脑机接口的数据与代码

数据集获取

源站：https://search.dataone.org/view/sha256%3A2ab8d1c0abf804f350517d542c74b0e745f6951cb45598f90c60cd3a3cb1a861

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

脑机接口（BCIs）有望恢复和增强广泛的人类能力。然而，BCIs应用的一个障碍在于学习控制它们可能困难且缓慢，且不同用户之间的结果不一致。我们假设，通过利用大脑活动自然发生的几何结构——即其内在流形，并借助数据扩散过程提取——可以加速人类BCI学习。我们让参与者在一种非侵入式BCI上接受训练，该BCI允许他们通过调节支持空间导航的脑区功能磁共振成像（fMRI）活动，实时控制虚拟现实游戏中的化身。随后，我们扰动fMRI活动模式与化身运动之间的映射，以检验我们的流形假设。当新映射依赖于沿内在流形具有显著方差的方向时，参与者通过调整其大脑活动成功重新获得了对BCI的控制……，# 数据集来自“Human learning of noninvasive brain-computer interfaces via manifold geometry” Busch, E. L., Fincke, E. C., Lajoie, G., Krishnaswamy, S., & Turk-Browne, N. B. (2026)。

通过流形几何实现人类对无创脑机接口的学习。《自然神经科学》。本目录包含用于手稿分析的原始及预处理神经影像学和行为数据。如需分析这些数据，请参阅https://github.com/ericabusch/avatarRT_analysis。该代码仓库中的分析笔记本利用这些文件重现论文中报告的图表。为此，预期将本目录内容放置于名为data/avatarRT的文件夹中。该笔记本可调整以探索其他分析，某些情况下会生成新文件。所有后缀为.nii.gz或.nii的文件均可使用FSL打开（https://fsl.fmrib.ox.ac.uk/fsl/fslwiki）。

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。