长期构音障碍与闭锁综合征患者的皮层内脑机接口意图语音解码数据集

数据集获取

源站：https://search.dataone.org/view/sha256%3Acda39adedd49fd6b42a69927c82b6076fbed0f7db5671b86ad3ba0b28f182b08

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

用于解码意图言语的皮层内脑机接口（iBCIs）为肌萎缩侧索硬化症（ALS）和严重构音障碍患者提供了一种直观的高通量通信方法。这些进展已在仍能发声和活动言语构音器官的个体中得到验证。在此，我们从一名因ALS晚期症状而长期存在构音不能、闭锁综合征及呼吸机依赖的个体中解码了意图言语。我们发现，音素、单词和更高阶语言单位的解码准确率显著高于随机水平。虽然句子解码准确率低于构音障碍参与者的演示结果，但我们能够对闭锁综合征患者言语背后的神经信号进行广泛表征，并通过我们的结果确定了未来改进的若干方向。

这些包括闭环言语想象训练，以及从中前…的神经信号中解码语言（而非音素）单元，# 数据来源：在一位长期构音障碍并闭锁综合征患者中，使用皮层内脑机接口解码意图言语 数据集DOI：10.5061/dryad.vq83bk481 ## 数据和文件结构描述 #### 构音障碍言语iBCI数据集 概述 这些数据报告于Jude等人2026年的研究中，由一位患有构音障碍和闭锁综合征的BrainGate2临床试验参与者的多个独立会话组成（列于下方“会话表”中）。所有数据文件均为.mat文件，可使用MATLAB或Python（通过scipy函数scipy.io.loadmat）加载。每个.mat文件为一个会话区块。每个.mat文件旁均附有一张.png图像，显示该.mat文件区块中单个试验的归一化神经特征（阈值穿越和尖峰功率）。配套代码可在https://github.com/justin-jude/anarthria-speech-bci获取。逐试次

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。