📄 معروضة نسخة «بسيط» — «متقدم» غير جاهزة بعد. أضفه إلى المفضّلة للمساعدة في تسريعها. اطلب التحليل الكامل

في الأرشيفات المفتوحة OpenNeuro وNEMAR، يوجد 791 تسجيلًا للنشاط الكهربائي للدماغ من ما يقرب من أربعين ألف شخص. إجمالاً، هذا يمثل 86,051 ساعة من الإشارات — أي ما يعادل حوالي عشر سنوات من الاستماع المتواصل. في السابق، كان الحصول على تسجيل واحد فقط من هذه التسجيلات يتطلب كتابة آلاف الأسطر من التعليمات البرمجية: التنزيل، وفك الضغط، وإصلاح أخطاء التنسيق، وتقطيع البيانات إلى أجزاء بالطول المطلوب.

يعمل EEG-Dash مثل أمين مكتبة ذكي. فهو يعرف أين يوجد كل شيء، ويتحقق فورًا من سلامة التسجيل وفقًا لمعيار BIDS الصارم (Brain Imaging Data Structure — تنسيق موحد لبيانات التصوير العصبي)، ويُخرج كائنًا جاهزًا للتحليل. بداخله، تم إعداد الاتصالات مع أدوات MNE-Python لمعالجة الإشارات وBraindecode لتقطيع النوافذ للتعلم الآلي. الباحث فقط يكتب اسم المجموعة — وبعد ثانية يمكنه تدريب النموذج.

خصوصية النظام هي البيانات الوصفية. كل تسجيل مزود بوسوم يتم استخراجها تلقائيًا من المنشور العلمي المصدر. يمكن البحث ليس برقم ممل، بل بالمعنى: «حركة اليد اليسرى» أو «نوبة صرعية». البحث الدلالي يحول كومة الملفات إلى كتالوج حقيقي حيث يمكن العثور على المطلوب بنقرتين.

عشر سنوات من إشارات الدماغ توقفت عن كونها عبئًا ميتًا. الآن يمكن لأي باحث في أمسية واحدة اختبار فرضية على مئات المشاركين دون كتابة سطر واحد للتحميل. المكتبة أخيرًا مفتوحة حقًا.

الملخص الأصلي

كما كتبه المؤلفون، بالإنجليزية arXiv:2606.16041

Public neurophysiological datasets are increasingly accessible but remain hard to reuse: turning one into a trained model still takes thousands of lines of code for download, loading, format repair, windowing, and evaluation, and a dataset that meets metadata standards can still fail to load. EEG-Dash is a software resource that catalogues 791 publicly archived recordings (39,778 participants, over 86,051 hours) spanning electroencephalography (EEG), magnetoencephalography (MEG), intracranial EEG (iEEG), electromyography (EMG), and functional near-infrared spectroscopy (fNIRS) from the OpenNeuro and NEMAR archives. It exposes each dataset as an importable, queryable class that preserves signal attributes and loads into machine-learning workflows without custom code, delegating signal handling to MNE-Python, windowing to Braindecode, and format compliance to the official Brain Imaging Data Structure (BIDS) validator. A metadata-first registry adds semantic search, a format-repair layer, automatic dataset-level tags drawn from each source publication, and a feature-extraction framework. The catalogue, with per-record loadability and compliance metadata, supports benchmarking, model development, and cross-dataset analysis.