HEFMI-ICH:一种混合EEG-fNIRS运动图像数据集,用于脑机界面在脑内出血中

科学领域:

• 神经科学是一个神经科学.
• 生物医学工程 生物医学工程
• 康复科学 康复科学 康复科学

背景情况:

• 脑内出血 (ICH) 对患者康复构成重大挑战.
• 目前的大脑计算机接口 (BCI) 研究往往缺乏针对神经恢复的多式联络数据集.

研究的目的:

• 引入第一个混合BCI数据集用于脑内出血 (ICH) 康复研究.
• 提供同步的脑电图 (EEG) 和功能近红外光谱 (fNIRS) 数据.
• 促进开发先进的康复策略.

主要方法:

• 收集了17名健康受试者和20名ICH患者的同步EEG和fNIRS信号.
• 利用了标准化的左右手运动图像 (MI) 范式.
• 预处理的双模神经数据和生成的特征工程数据集.

主要成果:

• 一个全面的数据集,包括来自ICH患者和健康对照者的原始和处理的神经信号.
• 包括功能工程数据,优化了分类和信号解码算法.
• 该数据集支持用于BCI应用的多维信号分析.

结论:

• 这个数据集的公开可用性将加速MI解码算法的验证.
• 这种资源对于推进使用多式联络神经反的精确康复系统至关重要.
• 能够进一步研究ICH幸存者的神经康复策略.