Guttmann-Flury 等 2025 SSVEP 数据集：融合 EEG、眼动与高速视频的多模态眼动分析资源
该数据集为 SSVEP 范式下的多模态资源，包含 64 通道 EEG、1 路 EOG 通道与刺激标记，采集自 31 名健康被试，每人最多 3 个 session，共 63 个 session
基本信息
资源简介
Guttmann-Flury 等 2025 SSVEP 数据集：融合 EEG、眼动与高速视频的多模态眼动分析资源
Guttmann-Flury et al. 2025 (SSVEP) — Dataset combining EEG, eye-tracking, and high-speed video for ocular activity analysis across BCI paradigms
该数据集为 SSVEP 范式下的多模态资源，包含 64 通道 EEG、1 路 EOG 通道与刺激标记，采集自 31 名健康被试，每人最多 3 个 session，共 63 个 session。每个 session 包含 48 个 trial，被试观看以四种频率闪烁的 LED 刺激，构成 4 类 SSVEP 任务。数据按 MOABB 格式整理，可用于 SSVEP 分类、脑机接口算法评测及眼动相关分析，并与更大范围融合 EEG、眼动追踪与高速视频的资源配套（来源 DOI 解析，Creative Commons Zero v1.0 Universal 许可）。
【数据集背景】
源站首次发布：2026。
【数据内容】
源站描述（机器翻译，仅供参考）：一个多模态 SSVEP 数据集，包含 64 通道 EEG、一个 EOG 通道和刺激标记，采集自 31 名健康被试，每人最多 3 个 session（共 63 个 session）。被试在 4 类 SSVEP 范式中观看以四种频率闪烁的 LED 刺激（每个 session 48 个 trial）。它是一个更大资源的 SSVEP 组成部分，该资源融合 EEG、眼动追踪和高速视频以进行跨 BCI 范式的眼动活动分析，并按 MOABB 使用格式整理。
【主题与分类】
主题标签：EEG、SSVEP、Brain-Computer Interfaces、eye tracking、Evoked Potentials, Visual、ocular activity、BIDS、neuroscience。本站分类：神经系统疾病。
【获取与许可】
源站页面：https://nemar.org/dataset/nm000310
使用许可：Creative Commons Zero v1.0 Universal。
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://doi.org/10.82901/nemar.nm000310
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:
数据说明
一个多模态SSVEP数据集，包含64通道EEG、1个EOG通道以及刺激标记，记录了31名健康参与者每人最多3次 session（共63次 session）的数据。参与者在一个4类SSVEP范式中观看以四种频率闪烁的LED刺激（每次 session 48个试次）。该数据集是一个更大资源中的SSVEP组成部分，该资源结合了EEG、眼动追踪和高速视频，用于跨BCI范式的眼动活动分析，并按MOABB可用的格式组织。
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。
