面向稳定长期脑机接口的慢性人类皮层内神经记录不稳定性测量

该数据集来自 search.dataone.org,聚焦慢性人类皮层内神经记录的不稳定性测量,面向稳定、长期的脑机接口应用

dataone
浏览 3
其他预测Brain-Computer Interfaceintracortical brain-computer interfaceneural decoding
Measuring instability in chronic human intracortical neural recordings towards stable, long-term brain-computer interfaces

基本信息

模态
其他
任务类型
预测
许可
CC0 1.0 Universal (CC0 1.0) Public Domain Dedication
创建/更新时间
2026-10-28

资源简介

面向稳定长期脑机接口的慢性人类皮层内神经记录不稳定性测量

Measuring instability in chronic human intracortical neural recordings towards stable, long-term brain-computer interfaces

该数据集来自 search.dataone.org,聚焦慢性人类皮层内神经记录的不稳定性测量,面向稳定、长期的脑机接口应用。数据涵盖两名 BrainGate2 四肢瘫痪参与者使用固定解码器控制计算机光标的纵向记录,分别跨越 142 天和 28 天。数据集可用于研究神经活动与运动意图关系随时间的漂移、开发无需用户意图标签的不稳定性测量方法(如 MINDFUL),并辅助判断解码器重校准时机,以优化长期脑机接口性能(来源 DataONE,CC0 1.0 Universal (CC0 1.0) Public Domain Dedication 许可)。

【数据内容】

源站描述(机器翻译,仅供参考):皮层内脑机接口(iBCIs)使四肢瘫痪者能够根据运动意图获得直观的光标控制。为了转化为实际应用,iBCIs 应在较长时间内提供可靠性能。然而,当运动学意图与记录到的神经活动之间的关系相对于解码器最初训练时发生偏移,性能便开始下降。除了开发能更好处理长期不稳定性的解码器外,识别何时进行重校准也将优化性能。我们提出一种方法“MINDFUL”,用于测量神经数据中的不稳定性,以服务于有用的长期 iBCI,且无需用户意图标签。我们分析了来自两名 BrainGate2 四肢瘫痪参与者的纵向数据,他们使用固定解码器控制计算机光标,分别跨越 142 天和 28 天。我们展示

【主题与分类】

主题标签:Brain-Computer Interface、intracortical brain-computer interface、neural decoding。本站分类:神经系统疾病。

【获取与许可】

源站页面:https://search.dataone.org/view/sha256%3A6bebdb39a948582838ae4edcebd9f731d82bd9f4f352945d41c2f2efc5583d69

使用许可:CC0 1.0 Universal (CC0 1.0) Public Domain Dedication。

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。

免费样本无法满足模型训练要求?千方提供经三甲医院脱敏、带病理回证与专家标注的商业级专病数据集。

使用方式

数据集获取

源站:https://search.dataone.org/view/sha256%3A6bebdb39a948582838ae4edcebd9f731d82bd9f4f352945d41c2f2efc5583d69

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

皮层内脑机接口(iBCIs)使四肢瘫痪者能够根据运动意图实现直观的光标控制。为了转化为实际应用,iBCIs应能在较长时间内提供可靠性能。然而,当运动学意图与记录的神经活动之间的关系相对于解码器最初训练时发生偏移,性能便开始下降。除了开发能更好处理长期不稳定的解码器外,确定何时重新校准也将优化性能。我们提出一种名为“MINDFUL”的方法,用于测量神经数据中的不稳定性,以支持有用的长期iBCI,且无需用户意图标签。我们分析了来自两名BrainGate2四肢瘫痪参与者的纵向数据,他们分别使用固定解码器控制计算机光标长达142天和28天。我们展示了一种不稳定性度量,该度量仅基于t…与闭环光标性能变化相关,使用固定解码器的纵向iBCI光标控制这些数据随手稿一同发布——由Pun, T. K.等人发布。

测量人类慢性皮层内神经记录的不稳定性,以实现稳定、长期的脑机接口。《自然·通讯·生物学》7, 1363 (2024)。作者:Tsam Kiu Pun,2024年。布朗大学。数据集描述 本数据集包含从参加BrainGate2试点临床试验(NCT00912041)的两名参与者记录的皮层内神经信号:T5:一名65岁右手男性,C4 AIS-C脊髓损伤(SCI),于入组前约9年发生。T11:一名37岁右手男性,C4 AIS-B脊髓损伤(SCI),于入组前约11年发生。本研究根据美国食品药品监督管理局授予的研究性器械豁免(IDE)进行(IDE #G090003;注意:研究性器械。联邦法律限制其仅用于研究用途)。所有会话均在

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。千方医数集依托三甲直采网络,提供合规、去标识化、支持注册级质控的专病数据集交易服务。