EEGDash/ds005059

---
pretty_name: "Paired Associates Learning: Memory for Word Pairs in Cued Recall"
license: cc0-1.0
tags:
- ieeg
- neuroscience
- eegdash
- brain-computer-interface
- pytorch
- visual
- memory
- epilepsy
size_categories:
- n<1K
task_categories:
- other
---

# Paired Associates Learning: Memory for Word Pairs in Cued Recall

**Dataset ID:** `ds005059`

_Herrema2024_Paired_

**Canonical aliases:** `PAL`

> **At a glance:** IEEG · Visual memory · epilepsy · 69 subjects · 282 recordings · CC0

## Load this dataset

This repo is a **pointer**. The raw EEG data lives at its canonical source
(OpenNeuro / NEMAR); [EEGDash](https://github.com/eegdash/EEGDash) streams it
on demand and returns a PyTorch / braindecode dataset.

```python
# pip install eegdash
from eegdash import EEGDashDataset

ds = EEGDashDataset(dataset="ds005059", cache_dir="./cache")
print(len(ds), "recordings")
```

You can also load it by canonical alias — these are registered classes in `eegdash.dataset`:

```python
from eegdash.dataset import PAL
ds = PAL(cache_dir="./cache")
```

If the dataset has been mirrored to the HF Hub in braindecode's Zarr layout,
you can also pull it directly:

```python
from braindecode.datasets import BaseConcatDataset
ds = BaseConcatDataset.pull_from_hub("EEGDash/ds005059")
```

## Dataset metadata

| | |
|---|---|
| **Subjects** | 69 |
| **Recordings** | 282 |
| **Tasks (count)** | 1 |
| **Channels** | 112 (×22), 126 (×15), 85 (×11), 110 (×10), 128 (×10), 104 (×9), 88 (×9), 100 (×9), 72 (×8), 64 (×8), 186 (×8), 102 (×7), 116 (×7), 121 (×7), 92 (×6), 142 (×6), 119 (×5), 97 (×5), 95 (×5), 94 (×5), 106 (×4), 140 (×4), 124 (×4), 96 (×4), 123 (×4), 139 (×4), 86 (×4), 130 (×4), 68 (×4), 87 (×3), 107 (×3), 188 (×3), 84 (×3), 120 (×3), 58 (×3), 74 (×3), 114 (×3), 83 (×3), 108 (×3), 55 (×3), 80 (×3), 117 (×3), 173 (×3), 118 (×2), 141 (×2), 73 (×2), 138 (×2), 115 (×2), 122 (×2), 111 (×2), 149 (×2), 60 (×1), 146 (×1), 77 (×1), 67 (×1), 93 (×1), 76 (×1), 46 (×1), 53 (×1), 14 (×1), 99 (×1), 177 (×1), 90 (×1), 98 (×1), 52 (×1), 133 (×1), 16 (×1) |
| **Sampling rate (Hz)** | 1000 (×193), 500 (×71), 1024 (×8), 499.7071 (×6), 1600 (×4) |
| **Total duration (h)** | 261.3 |
| **Size on disk** | 167.3 GB |
| **Recording type** | IEEG |
| **Experimental modality** | Visual |
| **Paradigm type** | Memory |
| **Population** | Epilepsy |
| **Source** | openneuro |
| **License** | CC0 |
| **NEMAR citations** | 0.0 |

## Links

- **DOI:** [10.18112/openneuro.ds005059.v1.0.6](https://doi.org/10.18112/openneuro.ds005059.v1.0.6)
- **OpenNeuro:** [ds005059](https://openneuro.org/datasets/ds005059)
- **Browse 700+ datasets:** [EEGDash catalog](https://huggingface.co/spaces/EEGDash/catalog)
- **Docs:** <https://eegdash.org>
- **Code:** <https://github.com/eegdash/EEGDash>

---

_Auto-generated from [dataset_summary.csv](https://github.com/eegdash/EEGDash/blob/main/eegdash/dataset/dataset_summary.csv) and the [EEGDash API](https://data.eegdash.org/api/eegdash/datasets/summary/ds005059). Do not edit this file by hand — update the upstream source and re-run `scripts/push_metadata_stubs.py`._

pretty_name: "配对联想学习：线索回忆中的词对记忆（Paired Associates Learning: Memory for Word Pairs in Cued Recall）"
license: cc0-1.0
tags:
- 颅内脑电图（iEEG）
- 神经科学
- EEGDash（脑电仪表板）
- 脑机接口（Brain-Computer Interface, BCI）
- PyTorch
- 视觉
- 记忆
- 癫痫
size_categories:
- 样本量＜1000
task_categories:
- 其他

# 配对联想学习：线索回忆中的词对记忆（Paired Associates Learning: Memory for Word Pairs in Cued Recall）

**数据集ID：** `ds005059`

_Herrema2024_Paired_

**标准别名：** `PAL`

> **概览：** 颅内脑电图（iEEG）、视觉记忆、癫痫、69名受试者、282次记录、CC0协议

## 数据集加载

本仓库为**索引指针**。原始脑电数据存储于其官方源（OpenNeuro / NEMAR）；[EEGDash（脑电仪表板）](https://github.com/eegdash/EEGDash)可按需流式加载该数据集，并返回PyTorch兼容的braindecode数据集格式。

python
# pip install eegdash
from eegdash import EEGDashDataset

ds = EEGDashDataset(dataset="ds005059", cache_dir="./cache")
print(len(ds), "recordings")

你也可以通过标准别名加载该数据集——这些类已在`eegdash.dataset`中完成注册：

python
from eegdash.dataset import PAL
ds = PAL(cache_dir="./cache")

若该数据集已按照braindecode的Zarr格式镜像至Hugging Face Hub，则可直接拉取：

python
from braindecode.datasets import BaseConcatDataset
ds = BaseConcatDataset.pull_from_hub("EEGDash/ds005059")

## 数据集元数据

| 元数据项 | 详情 |
|---|---|
| **受试者数量** | 69 |
| **记录次数** | 282 |
| **任务数量** | 1 |
| **通道数（分布：通道数×对应受试者数）** | 112（22人）、126（15人）、85（11人）、110（10人）、128（10人）、104（9人）、88（9人）、100（9人）、72（8人）、64（8人）、186（8人）、102（7人）、116（7人）、121（7人）、92（6人）、142（6人）、119（5人）、97（5人）、95（5人）、94（5人）、106（4人）、140（4人）、124（4人）、96（4人）、123（4人）、139（4人）、86（4人）、130（4人）、68（4人）、87（3人）、107（3人）、188（3人）、84（3人）、120（3人）、58（3人）、74（3人）、114（3人）、83（3人）、108（3人）、55（3人）、80（3人）、117（3人）、173（3人）、118（2人）、141（2人）、73（2人）、138（2人）、115（2人）、122（2人）、111（2人）、149（2人）、60（1人）、146（1人）、77（1人）、67（1人）、93（1人）、76（1人）、46（1人）、53（1人）、14（1人）、99（1人）、177（1人）、90（1人）、98（1人）、52（1人）、133（1人）、16（1人） |
| **采样率（Hz，分布：采样率×对应记录次数）** | 1000（193次）、500（71次）、1024（8次）、499.7071（6次）、1600（4次） |
| **总时长（小时）** | 261.3 |
| **磁盘占用** | 167.3 GB |
| **记录类型** | 颅内脑电图（iEEG） |
| **实验模态** | 视觉 |
| **范式类型** | 记忆范式 |
| **研究人群** | 癫痫患者 |
| **数据来源** | OpenNeuro |
| **授权协议** | CC0 |
| **NEMAR引用量** | 0.0 |

## 相关链接
- **DOI：** [10.18112/openneuro.ds005059.v1.0.6](https://doi.org/10.18112/openneuro.ds005059.v1.0.6)
- **OpenNeuro平台：** [ds005059](https://openneuro.org/datasets/ds005059)
- **浏览700+数据集：** [EEGDash数据集目录](https://huggingface.co/spaces/EEGDash/catalog)
- **官方文档：** <https://eegdash.org>
- **源代码：** <https://github.com/eegdash/EEGDash>

*本文件由[dataset_summary.csv](https://github.com/eegdash/EEGDash/blob/main/eegdash/dataset/dataset_summary.csv)与[EEGDash API](https://data.eegdash.org/api/eegdash/datasets/summary/ds005059)自动生成。请勿手动编辑此文件——请更新上游数据源并重新运行`scripts/push_metadata_stubs.py`脚本。*