woldier/eeg_denoise_dataset

---
license: apache-2.0
tags:
- medical
size_categories:
- 1K<n<10K
---
This is a dataset for EEG signal denoising.

This dataset contains three different sub-datasets are [EEGdenoiseNet EMG](https://github.com/ncclabsustech/EEGdenoiseNet), [EEGdenoiseNet EOG](https://github.com/ncclabsustech/EEGdenoiseNet), and [semi- simulated EOG dataset 2016](https://data.mendeley.com/datasets/wb6yvr725d/1).
The files are structured as follows

```
eeg_denoise_dataset/
├── README.md
├── EEGDenoiseNet_EMG.tar.gz
├── SS2016_EOG.tar.gz
├── eeg_denoise_dataset.py
└── EEGDenoiseNet_EOG.tar.gz
```

The `*.tar.gz` holds different types of training data and test data

```
*.tar.gz/
├── trian
└── test
```

The file format in the zip file is as follows.

Usage.

- Method 1

Download the repository files to your local `your_path` directory, and use the `load_dataset` method to retrieve the corresponding training or testing dataset.
```
x from datasets import load_dataset
my_dataset_trian = load_dataset("{your_path}/eeg_denoise_dataset", "EEGDenoiseNet_EOG", split="train")
my_dataset_test = load_dataset("{your_path}/eeg_denoise_dataset", "EEGDenoiseNet_EOG", split="test")
```
- Method 2

If you just want to download one of the datasets and load it. You can download the compressed dataset you want to load into your local `your_path` and decompress it.

Once unzipped, you can load the dataset from that path. An example of loading the `EEGDenoiseNet_EMG` dataset is shown below.
```
from datasets import Dataset
my_dataset_trian = Dataset.load_from_disk("{your_path}/EEGDenoiseNet_EMG/train")
my_dataset_test = Dataset.load_from_disk("{your_path}/EEGDenoiseNet_EMG/test")
```

许可证: Apache-2.0
标签:
- 医疗
规模类别:
- 1K<n<10K

本数据集用于脑电信号（Electroencephalogram, EEG）去噪。

本数据集包含三个子数据集，分别为[EEGdenoiseNet 肌电（Electromyography, EMG）数据集](https://github.com/ncclabsustech/EEGdenoiseNet)、[EEGdenoiseNet 眼电（Electrooculography, EOG）数据集](https://github.com/ncclabsustech/EEGdenoiseNet)以及[2016年半仿真眼电数据集](https://data.mendeley.com/datasets/wb6yvr725d/1)。

数据集文件结构如下：

eeg_denoise_dataset/
├── README.md
├── EEGDenoiseNet_EMG.tar.gz
├── SS2016_EOG.tar.gz
├── eeg_denoise_dataset.py
└── EEGDenoiseNet_EOG.tar.gz

各`*.tar.gz`压缩包内包含对应子数据集的训练与测试数据，其内部结构如下：

*.tar.gz/
├── train
└── test

使用方法：
- 方法一
将仓库文件下载至本地`your_path`目录，通过`load_dataset`接口加载对应训练或测试数据集。示例代码如下：

from datasets import load_dataset
my_dataset_trian = load_dataset("{your_path}/eeg_denoise_dataset", "EEGDenoiseNet_EOG", split="train")
my_dataset_test = load_dataset("{your_path}/eeg_denoise_dataset", "EEGDenoiseNet_EOG", split="test")

（注：原文代码中`trian`为笔误，应为`train`）
- 方法二
若仅需下载并加载单个子数据集，可将目标压缩包下载至本地`your_path`目录后解压。解压完成后，即可从对应路径加载数据集。以下为加载`EEGDenoiseNet_EMG`数据集的示例代码：

from datasets import Dataset
my_dataset_trian = Dataset.load_from_disk("{your_path}/EEGDenoiseNet_EMG/train")
my_dataset_test = Dataset.load_from_disk("{your_path}/EEGDenoiseNet_EMG/test")

原始信息汇总

数据集概述

数据集描述

这是一个用于脑电图（EEG）信号去噪的数据集。

子数据集

数据集包含三个不同的子数据集：

1. EEGdenoiseNet EMG
2. EEGdenoiseNet EOG
3. semi-simulated EOG dataset 2016

文件结构

数据集的文件结构如下：

eeg_denoise_dataset/ ├── README.md ├── EEGDenoiseNet_EMG.tar.gz ├── SS2016_EOG.tar.gz ├── eeg_denoise_dataset.py └── EEGDenoiseNet_EOG.tar.gz

每个 *.tar.gz 文件包含训练数据和测试数据：

*.tar.gz/ ├── train └── test

使用方法

方法1

下载数据集文件到本地目录 your_path，并使用 load_dataset 方法加载相应的训练或测试数据集。 python from datasets import load_dataset my_dataset_train = load_dataset("{your_path}/eeg_denoise_dataset", "EEGDenoiseNet_EOG", split="train") my_dataset_test = load_dataset("{your_path}/eeg_denoise_dataset", "EEGDenoiseNet_EOG", split="test")

方法2

如果只想下载并加载其中一个数据集，可以下载所需的压缩数据集到本地目录 your_path 并解压缩。 解压后，可以从该路径加载数据集。以下是加载 EEGDenoiseNet_EMG 数据集的示例： python from datasets import Dataset my_dataset_train = Dataset.load_from_disk("{your_path}/EEGDenoiseNet_EMG/train") my_dataset_test = Dataset.load_from_disk("{your_path}/EEGDenoiseNet_EMG/test")

搜集汇总

数据集介绍

构建方式

woldier/eeg_denoise_dataset数据集的构建，旨在为脑电图（EEG）信号去噪研究提供支持。该数据集涵盖了三个子数据集，分别是EEGdenoiseNet EMG、EEGdenoiseNet EOG和半模拟EOG数据集2016，包含了不同类型的数据文件，分别用于训练和测试。这些数据集通过压缩文件形式存储，并按照特定目录结构组织，以方便研究人员使用。

特点

该数据集的特点在于，它集合了多种来源和类型的EEG信号数据，不仅包括了真实采集的脑电图信号，还包含了模拟信号，为研究人员提供了丰富的数据资源。数据集的多样性使得该数据集适用于多种EEG信号去噪算法的验证与比较。此外，其采用Apache-2.0协议授权，保证了数据的开放性和可访问性。

使用方法

使用该数据集的方法有二：一是通过下载整个仓库文件至本地指定目录，并利用load_dataset方法加载数据集；二是单独下载所需的数据集压缩文件，解压后通过Dataset.load_from_disk方法直接从磁盘加载。两种方法都提供了训练集和测试集的加载方式，便于研究人员根据具体需求选择合适的数据子集进行研究和测试。

背景与挑战

背景概述

在神经科学及生物医学研究领域，脑电图（EEG）信号的去噪处理是分析脑部活动的重要步骤。'woldier/eeg_denoise_dataset' 数据集的构建旨在推动该领域的发展，该数据集由南方科技大学神经工程与认知科学实验室（ncclabsustech）于2016年推出，包含了EEGdenoiseNet EMG、EEGdenoiseNet EOG以及半模拟EOG数据集。该数据集的创建，不仅为研究人员提供了一个标准化的测试平台，而且对EEG信号处理技术的发展和应用产生了深远影响。

当前挑战

尽管该数据集在EEG信号去噪领域发挥了重要作用，但研究人员在使用过程中仍然面临诸多挑战。首先，数据集的构建过程中，如何保证信号的真实性和去噪效果的有效性是一个重大挑战。其次，不同子数据集之间的数据质量和一致性验证，以及如何确保数据在多种去噪算法中的泛化能力，均为当前研究面临的实际问题。此外，数据集规模虽适中，但在处理大规模数据时的效率问题，以及数据隐私和安全性问题，也是不可忽视的挑战。

常用场景

经典使用场景

在神经科学及脑电图信号处理领域，woldier/eeg_denoise_dataset数据集的典型应用场景是对脑电图信号进行去噪处理，以提取出更为准确的生理信号。该数据集提供了不同种类的脑电图数据，包括EEGdenoiseNet EMG、EEGdenoiseNet EOG以及半模拟的EOG数据集，为研究人员提供了一种可靠的资源，以便于开发和测试去噪算法。

解决学术问题

该数据集解决了脑电图信号分析中常见的噪声干扰问题，噪声的存在往往会影响脑电图信号的质量，进而影响对脑部活动的准确解读。通过提供经过专门处理和标记的脑电图数据，该数据集助力研究者们探索和改进去噪技术，提升脑电图信号处理的精确度和效率。

衍生相关工作

基于woldier/eeg_denoise_dataset数据集的研究成果，已衍生出一系列相关的工作，包括去噪算法的创新、脑电图信号特征提取方法的研究以及脑机接口技术的改进等。这些工作进一步扩展了该数据集的应用范围，推动了神经科学和脑电图信号处理领域的发展。