📄 Mostrando la versión "Simple" — "Avanzado" aún no está lista. Añádelo a favoritos para ayudar a priorizarla. Pedir el análisis completo

En los archivos abiertos OpenNeuro y NEMAR se almacenan 791 registros de la actividad eléctrica del cerebro de casi cuarenta mil personas. En total, son 86 051 horas de señales, aproximadamente diez años de escucha continua. Antes, para tomar aunque sea un solo registro de la estantería, había que escribir miles de líneas de código: descargar, descomprimir, corregir errores de formato, cortar en segmentos de la longitud deseada.

EEG-Dash funciona como un bibliotecario inteligente. Sabe dónde está cada cosa, verifica de inmediato la integridad del registro según el estricto estándar BIDS (Brain Imaging Data Structure, un formato unificado para datos de neuroimagen) y entrega un objeto listo para analizar. En su interior ya están configuradas las conexiones con las herramientas MNE-Python para el procesamiento de señales y Braindecode para segmentar ventanas para el aprendizaje automático. El investigador solo escribe el nombre del conjunto y, en un segundo, puede entrenar el modelo.

La peculiaridad del sistema son los metadatos. Cada registro está etiquetado con etiquetas que se extraen automáticamente de la publicación científica fuente. Se puede buscar no por un número aburrido, sino por significado: "movimiento de la mano izquierda" o "crisis epiléptica". La búsqueda semántica convierte un montón de archivos en un verdadero catálogo donde lo que se necesita se encuentra en un par de clics.

Diez años de señales cerebrales han dejado de ser un lastre. Ahora cualquier investigador puede, en una tarde, probar una hipótesis en cientos de sujetos sin escribir ni una línea para la carga. La biblioteca por fin está realmente abierta.

Resumen original

tal como lo escribieron los autores, en inglés 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.