MP:一个基于多个范式的稳定状态视觉唤起的潜在数据集
Xi Zhao1, Shencheng Xu1, Kexing Geng1
1School of Microelectronics, Shanghai University, Shanghai 200444, China.
iScience
|January 6, 2025
概括
本研究介绍了MP数据集用于脑计算机接口 (BCI) 拼写研究,重点关注稳定状态视觉唤起潜力 (SSVEP) 系统. 该数据集探讨了刺激的大小和排列如何影响EEG信号幅度和识别精度.
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
- 人与计算机的交互
背景情况:
- 稳态视觉唤起潜力 (SSVEP) 系统对于脑电脑接口 (BCI) 是至关重要的.
- 刺激范式设计,包括大小和排列,显著影响SSVEP系统性能和电脑电图 (EEG) 信号特征.
- 现有的SSVEP研究经常使用标准化的刺激大小,可能限制性能优化.
研究的目的:
- 介绍MP数据集,这是BCI拼写研究的宝贵资源.
- 为评估刺激规模和安排对SSVEP绩效的影响提供标准化数据集.
- 促进开发和测试基于SSVEP的BCI的新型算法.
主要方法:
- 从24名受试者的部区域获取9通道EEG信号.
- 使用了12个目标的BCI拼写器,通过联合频率和相位调制 (JFPM) 编码的刺激.
- 收集了5种不同的刺激范式的数据,不同的刺激大小和排列,每个受试者完成了每种范式12个试验的8个块.
主要成果:
- MP数据集捕捉了通过EEG信号的振幅频率分析显而易见的SSVEP特征.
- 分析证实在记录的数据中存在SSVEP特征.
- 基于频率的法定关联分析 (FBCCA) 和转移组件分析 (TRCA) 等方法验证了数据集适用于SSVEP研究的适用性.
结论:
- MP数据集为研究人员研究基于SSVEP的BCI拼写器提供了一个全面的资源.
- 刺激的大小和排列是影响SSVEP信号质量和识别精度的关键因素.
- 该数据集可以在各种视觉刺激条件下评估BCI算法.
