影像锚定解码器校准与适用性检查的复现数据：三个公开数据集被试特定通道选择的探索性评估
内容包括：逐被试结果、保存的零分布、对照、运行记录、ds004194 协议锁定与更正记录（附原始哈希的脱敏日志）；将 213 个关键预印本数值链接到确切文件、行和列的声明图；锚点叠加与位置检查；用单独编写的代码重建全部 26 个影像锚点（不使用 BNS 软件；26 个中 26 个一致）；以及一个独立
基本信息
资源简介
影像锚定解码器校准与适用性检查的复现数据：三个公开数据集被试特定通道选择的探索性评估
本数据集是预印本《Imaging-Anchored Decoder Calibration with Applicability Checks: An Exploratory Evaluation of Subject-Specific Channel Selection Across Three Public Datasets》的证据包与验证工具包，涵盖逐被试结果、保存的零分布、对照、运行记录、ds004194 协议锁定与更正记录，以及将 213 个关键预印本数值映射到具体文件、行、列的声明图。数据基于 OpenNeuro ds003688 v1.0.7、ds000117 v1.1.0 和 ds004194 v3.0，可用于复核影。
【数据内容】
源站描述（机器翻译，仅供参考）：预印本《Imaging-Anchored Decoder Calibration with Applicability Checks: An Exploratory Evaluation of Subject-Specific Channel Selection Across Three Public Datasets》（Bono, Bono Neural Systems LLC, 2026）的证据包与验证工具包。内容包括：逐被试结果、保存的零分布、对照、运行记录、ds004194 协议锁定与更正记录（附原始哈希的脱敏日志）；将 213 个关键预印本数值链接到确切文件、行和列的声明图；锚点叠加与位置检查；用单独编写的代码重建全部 26 个影像锚点（不使用 BNS 软件；26 个中 26 个一致）；以及一个独立验证工具包（NumPy、pandas、scikit-learn），对 11 名被试的影像、全阵列和 H1 随机子集结果重新评分。每个文件均列出 SHA-256 哈希。数据：OpenNeuro ds003688 v1.0.7、ds000117 v1.1.0、ds004194 v3.0
【主题与分类】
主题标签：brain-computer interface、channel selection、decoder calibration、intracranial EEG、electrocorticography、magnetoencephalography、functional MRI、neuroimaging priors。本站分类：神经系统疾病。
【获取与许可】
源站页面：https://doi.org/10.7910/DVN/BFROU9
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/10.7910/DVN/BFROU9
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 9.0 MB。
数据说明
预印本《Imaging-Anchored Decoder Calibration with Applicability Checks: An Exploratory Evaluation of Subject-Specific Channel Selection Across Three Public Datasets》（Bono，Bono Neural Systems LLC，2026）的证据包与验证工具包。内容：逐被试结果、保存的零分布、对照、运行记录、ds004194 协议锁定及更正记录（附原始哈希的脱敏日志）；一份声明映射，将预印本中 213 个关键数值链接至确切文件、行和列；锚点叠加与位置检查；用单独编写的代码重建全部 26 个影像锚点（未使用 BNS 软件；26/26 完全一致）；以及一个独立验证工具包（NumPy、pandas、scikit-learn），对 11 名被试的影像、全阵列和 H1 随机子集结果重新评分。每个文件均列出 SHA-256 哈希。数据：OpenNeuro ds003688 v1.0.7、ds000117 v1.1.0、ds004194 v3.0.0。BNS Atlas 软件为专有软件，未包含在内。结果为探索性；范围与局限性见预印本。许可：CC BY 4.0（数据与文档），MIT（代码）。Zip SHA-256：a775432fab5c46958f6bb75296d1f5a919cde75e36827a509ff140cc086c07b5（8,979,137 字节）
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。
