实验范式简介

本实验原始EEG数据由博睿康64导联设备采集(仅包含59个导联的脑电数据，60-64导联无效)，采样率为1000Hz。一次完整实验为一个record，一名被试分3天完成多个record;实验数据以record为单位，每个record中均为连续采集EEG数据。每个record包含前静息态(睁眼1min、闭眼1min)和5个block，block与block之间不少于1.5分钟的休息时间;每个block包括20*N个trial(每类运动想象任务20个trial，N：运动想象任务类别数，如N为2表示任务为左手运动想象和右手运动想象两类，如N为3表示任务为左手运动想象、右手运动想象、双脚运动想象三类)，每个record过程如图1所示。

每个trial包含1.5s提示、4s运动想象任务、2s休息，事件标签开始于0时刻，如图2所示。以上不同任务相对应的标签信息如表1所示。

图1  record过程

图2 单个trial运动想象流程图

表1 标签信息

比赛数据集简介

对实验范式获得的数据降频到250Hz,并将每个block中的运动想象任务阶段数据单独保存成一个*.mat文件(*代表block1~block5)。处理后具体数据格式见运动想象数据格式说明文档。

无训练赛题共挑选三位被试的运动想象数据，每位被试的block4、block5作为测试数据，经系统框架的数据模型封装后，由参赛者通过框架接口调取。无训练运动想象赛题，一次getData()获取0.1s数据。直到检测到结束标志为止，最终系统根据评分准则综合评分。

无训练运动想象数据集被试ID数据文件夹编号训练数据测试数据1测试数据2

1S1无block4block5

2S2无block4block5

3S3无block4block5

数据调用方法

测试数据：直接调用getData()获取0.1s的测试集数据，对于每个trial，参赛者最多只能通过getData()获取4s的数据长度就必须要调用report()返回计算结果，否则将按照超时由系统自动判为结果错误。参赛算法检测到finishedFlag为1后，需要自行结束run()方法执行。

数据导联编号表(博睿康64)

通道序号12345678910

导联名称'Fpz''Fp1''Fp2''AF3''AF4''AF7''AF8''Fz''F1''F2'

通道序号11121314151617181920

导联名称'F3''F4''F5''F6''F7''F8''FCz''FC1''FC2''FC3'

通道序号21222324252627282930

导联名称'FC4''FC5''FC6''FT7''FT8''Cz''C1''C2''C3''C4'

通道序号31323334353637383940

导联名称'C5''C6''T7''T8''CP1''CP2''CP3''CP4''CP5''CP6'

通道序号41424344454647484950

导联名称'TP7''TP8''Pz''P3''P4''P5''P6''P7''P8''POz'

通道序号51525354555657585960

导联名称'PO3''PO4''PO5''PO6''PO7''PO8''Oz''O1''O2''ECG'

通道序号61626364

导联名称HEORHEOLVEOUVEOL

反馈结果对照表

算法规范

参赛算法调用数据读取方法获取脑电数据。数据读取方法被调用一次，比赛系统会返回一个新数据包，参赛算法可以对新数据包进行处理，并调用反馈方法向比赛系统报告识别结果。

参赛算法需要同时满足以下几个约束条件：

1) 汇报起止约束：

参赛算法必须在接收到下一测试集之前报告当前测试集结果。否则，报告结果将被错判为后续测试集的识别结果。

2) 算法终止约束

当接收到数据包中finishedFlag = 1时，意味着所有实验数据均已发送完毕，参赛算法需要停止处理并自行退出。

评分指标

a) 综合考察目标识别准确率和单次目标选择时间

b)

对每个block求取一次ITR，依据所有测试数据的平均ITR得分作为参赛者最终得分进行排名。其中，Q表示目标个数，P表示识别正确率，T表示平均试次时长。ITR的单位是bits/min。

结果反馈异常处理

1) 重复多次报告

在一个试次时间内，参赛算法多次反馈结果，则仅按照第一次反馈的时间及结果进行记录。

2) 结果未反馈

若在一个试次时间内，参赛算法未反馈结果，结果将被记录为误判。

3) 算法执行超时

为满足脑-机接口系统实时处理需求，本项目同时对参赛算法的计算复杂度有一定要求。本比赛项目将会根据比赛数据量大小确定一个计算时间。若算法复杂度过高导致系统运行超时，则该算法比赛成绩将被视为无效。

参赛者用例

主体框架设计

接口函数

(1) ProblemInterface

比赛题目接口。包括数据获取方法及结果反馈方法。算法执行过程中，可以调用该接口获取数据，并通过结果反馈方法报告识别结果。

1) function dataModel = getData(obj)

输入参数：无

输出参数：DataModel类型对象

实现功能：获取下一分段实验数据。

2) function report(obj,reportModel)

输入参数：ReportModel类型对象

输出参数：无

实现功能：反馈识别结果。

(2) AlgorithmInterface

参赛算法接口。参赛者需要实现该接口，并将程序运行过程填入run()函数中。在算法执行过程中，通过ProblemInterface接口getData()方法获取DataModel类型数据，并通过report()方法返回ReportModel类型结果。当通过getData()获取的DataModel数据中finishedFlag为true时，意味着数据处理完毕，该函数需要自行退出运行。

1) function initial(obj)

输入参数：无

输出参数：无

实现功能：算法初始化参数

2) function run(obj)

输入参数：无

输出参数：无

实现功能：算法分析过程。

数据模型

(1) DataModel参赛者数据模型

1)

data:double类型矩阵，分段数据，例如包含有3导EEG数据在250Hz采样率下，以100ms对数据分段，则单次获取的data为3*25个点。

2) startPosition: double类型标量，当前分段数据起始时刻相对于该block数据起始时刻的索引位置

3) personID:double类型标量，当前数据来源受试者序号(有训练预留，在无训练条件下该值始终不变。)

4) finishedFlag:boolean类型标量，测试结束标志。

(2) ReportModel结果反馈模型

resultType: double类型标量，参赛者返回的识别结果。

开发示例

参见配套参考代码。

训练测试数据说明

每个被试共做了5个block数据，每个block包含40个trial(20个左手20个右手)，每个trial包含4s的运动想象数据。本次大赛有训练赛题将提供前3个block作为训练数据，后2个block作为测试数据。

每个.mat文件中存放的数据如下图所示，前59个通道为被试进行运动想象任务时采集的脑电数据，60-64通道为空采数据(无用)，第65个通道为标签。

标签说明：

Block开始：252

Trial开始：1(代表左手)或者2(代表右手)

Trial结束：251

Block结束：253

数据统一进行了250Hz的降频处理。

使用Matlab(matlab版本2019b)编写代码算法提交流程

参赛者代码提交格式，以有训练为例(无训练相同)。

在7z软件中选中自己的算法实现文件和config.toml文件，点击提取，压缩成.tar格式，再将生成的.tar文件压缩成.gz格式。

config.toml中内容如下图

参赛者定义计算单元及代码提交步骤见：https://dev.oneuro.cn/n/index.html#/anonguide/doc2

使用Python(python版本3.7)编写代码算法提交流程：

config.toml和pythonpath.sh文件内容如下图

将下图红色标记的三个文件同时打包

matlab调用python环境配置以及调用方法

#测试环境为python3.6.8，matlab2018b，win10

一、

进入系统的环境变量中，在系统变量中新建名为PYTHONPATH的变量，并将其值设置为python所需运行文件的路径。也可使用已生成的脚本工具一键导入路径(链接:

https://pan.baidu.com/s/1oFQOFBrtgNB6WvuyneWSwQ 提取码: g5uf )

注：该步骤仅针对需要调用自己编写的.py程序的情况，其余如调用numpy，scipy等官方库皆可跳过此步。

二、

调用格式为py.包名.函数名。如果全需导入可使用*代替

剩下的按照matlab的调用方式调用即可

注意，调用python的传入数据以及返回数据matlab有对应的转换关系，具体转换规则可查看matlab文档(https://ww2.mathworks.cn/help/matlab/python-data-types.html)

我这边需要的是返回的int64类型数据，则需要使用显式转换ans.int64

这时数据才可被matlab使用。

python离线库导出教程

本文将介绍如何将本地python库与其离线包批量导出以及python第三方库快速批量安装

一、 本地python库列表导出

先使用cd path进入到你需要保存列表文件的路径，path为所需路径

使用pip freeze > requirement.txt 导出文件requirement.txt

打开即可见本机已安装离线库列表

二、 离线库导出

pip download -d DIR -r LIST

其中，DIR为离线库导出路径，LIST为离线库列表路径

打开导出路径即可看到导出离线包文件

注意事项：

如遇到上图下载失败的情况，可先去requirement.txt中将报错对应包的那行删除，手动使用pip download -d DIR

ADDRESS下载，其中DIR为下载路径，ADDRESS为库的下载路径，下载后别忘记恢复删除的那行，不然安装的时候就少了那个包

三、 离线库快速安装

使用pip install --no-index --find-links=DIR -r

PATH,其中DIR为离线库文件夹路径，PATH为离线库列表文件路径

回车之后即可安装完成所有列表中的库(下图因为本机已有这个库，所以显示会有所差异)

注意事项：之前下载失败删除的库的那一行别忘了补回来