有没有相关的论文或文献参考？
这个数据集是基于什么背景创建的？
数据集的作者是谁？
能帮我联系到这个数据集的作者吗？
这个数据集如何下载？
BrainTrip EEG Data|EEG数据分析数据集|老年认知健康数据集
收藏github2022-12-09 更新2024-05-31 收录
下载链接：
https://github.com/BrainTrip/fair-data-eeg
下载链接
链接失效反馈资源简介：
BrainTrip项目试图使用EEG数据的定量分析来预测老年人的认知衰退和痴呆。我们使用24通道EEG放大器和盐水海绵基EEG帽进行了数百次EEG记录。我们的EEG数据编码在BrainVision格式中。每个EEG记录有3个关联文件：一个二进制原始EEG文件（.egg），以及两个包含标记（.vmrk）和头部（.vhdr）信息的ASCII文件，关于EEG中的特殊事件（标记）和通道名称及位置（头部）。
The BrainTrip project aims to predict cognitive decline and dementia in the elderly through quantitative analysis of EEG data. We conducted hundreds of EEG recordings using a 24-channel EEG amplifier and a saline sponge-based EEG cap. Our EEG data is encoded in the BrainVision format. Each EEG recording is associated with three files: a binary raw EEG file (.egg), and two ASCII files containing marker (.vmrk) and header (.vhdr) information, which detail special events (markers) and channel names and locations (headers) in the EEG data.
创建时间：
2022-10-03
原始信息汇总
数据集概述
数据集名称
- fair-data-eeg
数据集内容
- 包含使用24通道EEG放大器和盐水海绵基EEG帽进行的几百次EEG记录。
- 数据格式为BrainVision格式，每个EEG记录包含三个文件：二进制原始EEG文件（.eeg）、标记文件（.vmrk）和头部信息文件（.vhdr）。
数据集用途
- 用于预测老年人认知衰退和痴呆的定量分析。
数据上传与下载
- 上传：需将原始文件转换为BrainVision格式，并使用7zip软件压缩为.zip文件后上传。上传成功后，生成包含文件名、时间戳和etag的csv文件，并上传至EEG_recordings文件夹。
- 下载：通过终端窗口执行下载命令，需使用etag来访问特定文件。
脚本使用
- 上传脚本：
upload_dir.py，用于从指定目录上传.zip文件，并生成包含上传信息的csv文件。 - 下载脚本：
download_recordings.py，用于下载特定或所有上传的EEG记录。
访问链接
- 已上传的EEG记录的etag表可在此链接找到：EEG recordings
附加信息
- 可通过Swarm Gateway在线下载或上传文件。
AI搜集汇总
数据集介绍
构建方式
BrainTrip EEG数据集是通过使用24通道EEG放大器和基于盐水海绵的EEG帽，对数百名老年人进行脑电图（EEG）记录而构建的。数据以BrainVision格式编码，每个EEG记录包含三个关联文件：一个二进制原始EEG文件（.eeg），以及两个ASCII文件，分别包含标记（.vmrk）和头信息（.vhdr），用于描述EEG中的特殊事件和通道名称及位置。为确保数据的一致性，所有原始文件在上传前需转换为BrainVision格式。
特点
BrainTrip EEG数据集的特点在于其专注于老年人认知衰退和痴呆的预测研究。数据集采用高精度的24通道EEG设备采集，确保了数据的丰富性和可靠性。数据以BrainVision格式存储，便于跨实验室使用和分析。此外，数据集还提供了详细的标记和头信息文件，支持对EEG记录中的事件和通道进行精确分析。数据集的构建旨在为认知衰退研究提供高质量的定量分析基础。
使用方法
使用BrainTrip EEG数据集时，用户可以通过终端窗口或脚本进行文件的上传和下载。上传时，需将EEG记录文件打包为.zip格式，并通过命令行工具或上传脚本提交至Swarm网络。下载时，用户需提供文件的etag标识符，通过命令行工具或下载脚本从Swarm网络中获取所需文件。数据集还提供了详细的etag表格，便于用户批量下载特定记录。此外，用户可通过Swarm网关在线访问数据，进一步简化数据获取流程。
背景与挑战
背景概述
BrainTrip EEG数据集是由BrainTrip项目团队创建的，旨在通过定量分析脑电图（EEG）数据来预测老年人的认知衰退和痴呆症。该数据集基于24通道EEG放大器和盐水海绵电极帽采集的数百次EEG记录，数据以BrainVision格式存储，包含原始EEG文件、标记文件和头文件。该数据集的核心研究问题是通过EEG数据的分析，探索认知衰退的早期标志物，为神经退行性疾病的早期诊断提供科学依据。自创建以来，BrainTrip EEG数据集在神经科学和医学领域引起了广泛关注，推动了基于EEG的认知健康研究。
当前挑战
BrainTrip EEG数据集在解决认知衰退预测问题时面临多重挑战。首先，EEG数据的复杂性和高维度性使得特征提取和模式识别变得困难，尤其是在区分正常衰老与病理衰退时。其次，数据采集过程中可能受到噪声干扰，如电极接触不良或环境电磁干扰，这会影响数据的质量和可靠性。此外，数据集的构建过程中，如何确保数据的标准化和跨实验室的可重复性也是一个重要挑战。尽管BrainVision格式提供了统一的数据结构，但在数据上传、下载和共享过程中，仍需解决文件格式转换、数据存储和访问权限等技术问题。
常用场景
经典使用场景
BrainTrip EEG数据集在神经科学和认知研究中扮演着关键角色，尤其是在老年认知衰退和痴呆症的预测分析中。研究者们利用24通道EEG放大器采集的脑电数据，通过定量分析来识别与认知功能下降相关的脑电模式。这些数据以BrainVision格式存储，便于跨实验室的标准化处理和分析。
实际应用
在实际应用中，BrainTrip EEG数据集被广泛用于开发基于脑电信号的认知评估工具。例如，医疗机构可以利用这些数据构建预测模型，帮助医生更早地识别高风险患者。此外，该数据集还被用于开发智能健康监测系统，为老年人提供个性化的健康管理方案。
衍生相关工作
基于BrainTrip EEG数据集，许多经典研究工作得以展开。例如，研究者开发了多种机器学习模型，用于从EEG数据中提取与认知功能相关的特征。此外，该数据集还催生了一系列关于脑电信号处理和分析的新方法，为神经科学和人工智能的交叉研究提供了丰富的实验数据。
以上内容由AI搜集并总结生成
数据主题
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集
FER2013
FER2013数据集是一个广泛用于面部表情识别领域的数据集，包含28,709个训练样本和7,178个测试样本。图像属性为48x48像素，标签包括愤怒、厌恶、恐惧、快乐、悲伤、惊讶和中性。
github 收录
中国1km分辨率逐月降水量数据集（1901-2023）
该数据集为中国逐月降水量数据，空间分辨率为0.0083333°（约1km），时间为1901.1-2023.12。数据格式为NETCDF，即.nc格式。该数据集是根据CRU发布的全球0.5°气候数据集以及WorldClim发布的全球高分辨率气候数据集，通过Delta空间降尺度方案在中国降尺度生成的。并且，使用496个独立气象观测点数据进行验证，验证结果可信。本数据集包含的地理空间范围是全国主要陆地（包含港澳台地区），不含南海岛礁等区域。为了便于存储，数据均为int16型存于nc文件中，降水单位为0.1mm。 nc数据可使用ArcMAP软件打开制图; 并可用Matlab软件进行提取处理，Matlab发布了读入与存储nc文件的函数，读取函数为ncread，切换到nc文件存储文件夹，语句表达为：ncread (‘XXX.nc’,‘var’, [i j t],[leni lenj lent])，其中XXX.nc为文件名，为字符串需要’’；var是从XXX.nc中读取的变量名，为字符串需要’’；i、j、t分别为读取数据的起始行、列、时间，leni、lenj、lent i分别为在行、列、时间维度上读取的长度。这样，研究区内任何地区、任何时间段均可用此函数读取。Matlab的help里面有很多关于nc数据的命令，可查看。数据坐标系统建议使用WGS84。
国家青藏高原科学数据中心 收录
中国农村金融统计数据
该数据集包含了中国农村金融的统计信息，涵盖了农村金融机构的数量、贷款余额、存款余额、金融服务覆盖率等关键指标。数据按年度和地区分类，提供了详细的农村金融发展状况。
www.pbc.gov.cn 收录
Cultural Dimensions Dataset
该数据集包含了霍夫斯泰德文化维度理论（Hofstede's Cultural Dimensions Theory）的相关数据，涵盖了多个国家和地区的文化维度评分，如权力距离、个人主义与集体主义、男性化与女性化、不确定性规避、长期取向与短期取向等。这些数据有助于研究不同文化背景下的行为模式和价值观。
geerthofstede.com 收录
Traditional-Chinese-Medicine-Dataset-SFT
该数据集是一个高质量的中医数据集，主要由非网络来源的内部数据构成，包含约1GB的中医各个领域临床案例、名家典籍、医学百科、名词解释等优质内容。数据集99%为简体中文内容，质量优异，信息密度可观。数据集适用于预训练或继续预训练用途，未来将继续发布针对SFT/IFT的多轮对话和问答数据集。数据集可以独立使用，但建议先使用配套的预训练数据集对模型进行继续预训练后，再使用该数据集进行进一步的指令微调。数据集还包含一定比例的中文常识、中文多轮对话数据以及古文/文言文<->现代文翻译数据，以避免灾难性遗忘并加强模型表现。
huggingface 收录