一个大型的脑电图数据库,包含用户的个人资料信息,用于运动图像脑电脑接口研究.

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
• 机器学习 机器学习

背景情况:

• 大脑-计算机接口 (BCI) 允许大脑与外部设备之间的直接通信通道.
• 电脑电图 (EEG) 是一种广泛用于BCI的非侵入性技术,由于其时间分辨率.
• 开发强大的BCI系统需要大型,多样化的数据集,包括用户特定的特征.

研究的目的:

• 为BCI研究发布一个全面的EEG数据库.
• 促进研究,将用户配置文件与BCI性能相关联.
• 为了能够开发先进的,跨用户的BCI机器学习算法.

主要方法:

• 在一天内从87名人类参与者收集了脑电图 (EEG) 信号.
• 使用了一种标准化的协议,涉及右手和左手运动图像 (MI) 任务.
• 记录了超过20800个试验 (约. 70小时) 使用OpenViBE平台.

主要成果:

• 数据库包括详细的用户人口统计,人格资料和认知特征.
• 每个BCI用户的性能指标与EEG数据一起提供.
• 实验说明和平台代码是为了可重复性而共享的.

结论:

• 共享数据库为各种BCI研究途径提供了宝贵的资源.
• 它支持对影响BCI疗效的用户特定因素的调查.
• 这一数据集将有助于推进个性化和通用化EEG信号分类算法的设计.