高密度头皮脑电图数据集在基于感觉运动节奏的大脑与计算机接口期间
Seitaro Iwama1, Masumi Morishige2, Midori Kodama2
1Department of Biosciences and Informatics, Faculty of Science and Technology, Keio University, Tokyo, Kanagawa, Japan.
Scientific data
|June 15, 2023
概括
这项研究为脑电图 (EEG) 数据提供了脑电图 (EEG) 数据用于脑电脑接口 (BCI) 研究,重点是感觉运动节奏 (SMR) 神经反. 该数据集有助于理解影响BCI学习效率和变异性的因素.
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
- 信号处理 信号处理
背景情况:
- 大脑-计算机接口 (BCI) 利用神经反来自愿控制神经活动.
- 头皮脑电图 (EEG) 通常用于检测BCI应用中的运动皮质活动.
- 在BCI学习中的变化仍然是一个挑战,受神经生理学和实验因素的影响.
研究的目的:
- 为分析脑机界面 (BCI) 学习提供一个全面的EEG数据集.
- 通过传感运动节奏 (SMR) 来研究BCI性能变化因素.
- 促进研究优化BCI学习效率.
主要方法:
- 从使用BCI的参与者获得高密度 (128通道) 头皮EEG数据.
- 利用基于右手运动运动运动图像的感觉运动节奏 (SMR) 神经反.
- 采用事件相关脱同步 (ERD) 作为基于SMR的BCI的控制策略.
主要成果:
- 该研究提出了四个不同的EEG数据集,这些数据集是在BCI运行期间收集的.
- 数据捕捉了与运动图像和SMR调制相关的神经活动.
- 数据集的结构使其能够探索BCI学习变异性的探索.
结论:
- 这一数据集为研究BCI学习的研究人员提供了宝贵的资源.
- 它可以调查BCI表现变化的来源.
- 促进开发更有效的BCI系统和培训范式.
