立体脑电图执行与想象抓握力区分数据

数据集获取

源站：https://doi.org/10.5061/dryad.nq4fs

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 2.67 GB。

数据说明

立体脑电图（SEEG）深部电极能够记录其他颅内记录技术难以触及的深部脑结构的神经活动。SEEG电极穿过包括中央沟和岛叶皮层在内的深部皮层结构放置。为了观察频带调制的改变，参与者在三种不同力水平下使用两种不同的抓握配置进行力匹配试验：强力抓握和侧捏。研究发现，来自这些深部结构的信号包含有助于区分用力与静息试验以及在某些参与者中区分不同力水平的信息。来自位于中央沟初级运动皮层壁附近的电极以及穿过感觉皮层的电极所记录的高频成分以及α和β频带，被发现对于区分用力与静息最为有用，尽管一名参与者在岛叶皮层中确实存在显著的调制。本研究从电生理学角度证实了此前的影像学研究，即与力相关的调制发生在中央沟和岛叶皮层内部。

这项工作的结果表明，深部电极可能是研究大脑深层结构功能的有用工具，并且表明中央沟和岛叶皮层可能包含可用于控制抓握力脑机接口的神经信号。

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。