arXiv q-bio.NC（Neurons and Cognition）·· 10 天前精选AI 评分62
Arnaud Delorme 团队发布 EEGDash：面向公开神经生理数据的开源机器学习平台
EEGDash: An open-source platform for machine learning on public neurophysiological data
AI 导读
法国国家科学研究中心等机构的 Arnaud Delorme 团队发布开源平台 EEGDash，为公开神经生理数据提供面向机器学习的注册表。该平台索引 892 个公开 BIDS 数据集，覆盖 EEG、MEG、iEEG、fNIRS 和 EMG 五种模态，共 43,911 名受试者、126,672 小时数据，可将任一数据集直接加载为 PyTorch 数据集而无需自写数据加载代码。
AI 要点
团队
第一作者 Bruno Aristimunha，末位作者 Arnaud Delorme，共 10 位作者。
主要结果
索引 892 个公开 BIDS 数据集（43,911 名参与者、126,672 小时）；在 503 个 OpenNeuro EEG 数据集上显示通过 BIDS 校验并不能预测能否加载（Spearman ρ = -0.05）。
解决什么问题
公开 EEG、MEG、iEEG、fNIRS、EMG 数据难直接用于训练，每个数据集都要另写下载、解析、修复和分窗代码。
方法
基于 OpenNeuro、NEMAR 及本地 BIDS 数据集建注册表，每个数据集对应一个 Python 类，格式缺陷惰性修复，信号处理、分窗与格式检查交给 MNE-Python、Braindecode 和官方 BIDS 校验器。
局限
从研究设计看，本文为平台与数据集索引工作，未报告基于该平台训练模型的解码性能结果。
AI 依据原文整理，未经人工核对。
AI 推荐理由
论文给出 892 个公开 BIDS 数据集的索引规模，并指出通过 BIDS 校验并不代表数据能加载，可供做公开神经数据训练的人参考。
来源：arXiv q-bio.NC（Neurons and Cognition） · arxiv.org