基于时域特征分类同一上肢三种想象状态的数据
脑机接口（BCI）允许人与机器之间进行协作。它将大脑的电活动转化为可理解的命令，以操作机器或设备。在本研究中，我们提出了一种利用脑电（EEG）信号提高三分类BCI准确率的方法
基本信息
资源简介
基于时域特征分类同一上肢三种想象状态的数据
该数据集围绕脑机接口（BCI）中的三分类任务展开，关注如何利用脑电信号区分同一上肢的静息状态、想象抓握与想象肘部运动。脑机接口技术能够将大脑的电活动转化为可理解的命令，从而操作机器或设备，实现人与机器之间的协作。本研究提出一种基于时域特征提取并结合支持向量机（SVM）与径向基核函数（RBF）的分类方法，用于提升三分类BCI的准确率。在先前采集自12名健康个体的数据集上，该方法取得了74.2%的平均准确率，高于其他对比方法所获得的结果。该数据集由Dryad机构发布，发布时间为2018年，采用Creative Commons Zero v1.0 Universal许可，作者包括Tavakolan、Frehlick、Yong与Menon等研究者。
【数据集背景】
脑机接口允许人与机器之间进行协作，其核心在于将大脑的电活动翻译为可理解的命令，用以操作机器或设备。在运动想象类BCI中，一个具有挑战性的问题是区分同一肢体内部的不同想象动作。由于同一上肢的想象运动在运动皮层区域具有相近的空间表征，因此对静息、想象抓握与想象肘部运动进行三分类尤为困难。本研究正是针对这一难题，提出利用脑电信号提升三分类准确率的方法，该数据集即为相关研究的数据成果。
【数据内容】
该数据集对应一项三分类BCI研究，分类目标为区分静息状态、想象抓握以及想象肘部运动，且这些动作均属于同一上肢。研究采用脑电信号作为输入，提取时域特征，并使用支持向量机（SVM）配合径向基核函数（RBF）进行分类。源站描述中提及，在先前采集自12名健康个体的数据集上，所提方法获得了74.2%的平均准确率，且该准确率高于其他方法所获得的结果。除上述信息外，源站未提供关于数据文件结构、样本数量、通道配置、记录时长等更细粒度的数据内容说明。
【采集与来源】
该数据集来源于doi.org，由Dryad机构发布，发布时间为2018年。数据采集自12名健康个体，且该采集工作发生在本研究之前。作者包括Tavakolan, Mojgan、Frehlick, Zack、Yong, Xinyi与Menon, Carlo。源站描述中未提供采集设备型号、电极布置、采样率、实验范式细节或采集环境等具体信息。
【适用场景】
该数据集适用于脑机接口领域的研究，尤其是运动想象相关的三分类任务。具体而言，可用于区分同一上肢的静息、想象抓握与想象肘部运动，这类任务在运动皮层上具有相近的空间表征，因此适合用于评估时域特征提取与SVM分类方法的效果。此外，该数据集也可用于比较不同分类方法在三分类BCI中的准确率表现。源站未提供其他适用场景的说明。
【使用方法】
根据源站描述，使用该数据集时可采用时域特征提取方法，并配合支持向量机（SVM）与径向基核函数（RBF）进行分类。该组合方法在12名健康个体的数据上取得了74.2%的平均准确率。源站未提供具体的数据预处理步骤、特征定义、参数设置或代码实现等使用细节。
【质量与限制】
源站描述中提及，该三分类任务本身具有挑战性，原因在于同一上肢的想象运动在运动皮层区域具有相近的空间表征。所提方法在12名健康个体数据上取得的平均准确率为74.2%。除上述信息外，源站未提供关于数据质量评估、噪声水平、样本平衡性、泛化能力或其他限制因素的说明。
【引用与许可】
该数据集采用Creative Commons Zero v1.0 Universal许可。作者为Tavakolan, Mojgan、Frehlick, Zack、Yong, Xinyi与Menon, Carlo，由Dryad机构于2018年发布。引用时应遵循该许可条款，源站未提供具体的引用格式或附加引用要求。
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。
使用方式
数据集获取
源站：https://doi.org/10.5061/dryad.6qs86
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 5.19 GB。
数据说明
脑机接口（BCI）允许人与机器之间的协作。它将大脑的电活动转化为可理解的指令，以操作机器或设备。在本研究中，我们提出了一种利用脑电图（EEG）信号提高三分类BCI准确率的方法。该BCI区分静息状态与同一肢体的想象抓握和肘部运动。这一分类任务颇具挑战性，因为同一肢体内的想象运动在运动皮层区域具有相近的空间表征。所提出的方法提取时域特征，并使用带有径向基核函数（RBF）的支持向量机（SVM）进行分类。在先前从12名健康个体收集的数据集上使用该方法时，获得了74.2%的平均准确率。这一准确率高于在同一数据集上使用其他广泛采用的方法（如共空间模式（CSP）、滤波器组CSP（FBCSP）和频带功率方法）时所获得的准确率。
这些结果令人鼓舞，所提出的方法未来有望应用于包括脑机接口驱动的机器人设备在内的领域，例如用于手臂的便携式外骨骼，以帮助上肢功能受损的人完成日常任务。
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。
