数据集结合了EEG,眼睛跟踪和高速视频,用于在BCI范式的眼动活动分析
Eva Guttmann-Flury1, Xinjun Sheng2, Xiangyang Zhu2
1State Key Laboratory of Mechanical System and Vibration, School of Mechanical Engineering, Shanghai Jiao Tong University, 800 Dongchuan Road, Minhang District, Shanghai, 200240, P. R. China. eva.guttmann.flury@gmail.com.
Scientific data
|April 8, 2025
概括
这项研究引入了大脑计算机接口 (BCI) 研究的大型多式联络数据集,分析了眼作为噪音和特征. 该数据集有助于开发处理眼睛工件的算法,并改善认知状态解码.
科学领域:
- 神经科学是一个神经科学.
- 计算机科学 计算机科学
- 人与计算机的交互
背景情况:
- 脑电脑界面 (BCI) 研究中的眼具有双重作用:作为降低信号质量的噪音,以及作为有价值的行为指标.
- 用户认知状态和意图的准确解码往往受到电脑电图 (EEG) 数据中的眼睛工件的阻碍.
研究的目的:
- 引入一个全面的,多式联络数据集,用于在BCI中对眼睛相关运动的多因素分析.
- 促进开发先进的算法,以缓解眼睛诱导的文物,并提高BCI的性能.
- 通过使用来自同一个参与者的数据,使BCI的跨范式稳定性得以评估.
主要方法:
- 收集大规模数据集,包括脑电图 (EEG) 信号,眼球追踪和高速摄像机记录.
- 包括受试者的心理状态和特征进行整体分析.
- 利用四种不同的BCI范式:运动图像,运动执行,稳定状态视觉唤起的潜能和P300拼写器.
主要成果:
- 该数据集包括来自63次会议的31名受试者的46个小时以上的数据.
- 包括每个范式的实质性试验数量:前三种为2520个,P300拼写器为5670个.
- 为多式眼动及其对BCI的影响进行多式分析提供了丰富的资源.
结论:
- 这一数据集预计将通过使强大的文物处理技术的开发,显著推进BCI研究.
- 它将支持创建算法,以提高眼睛工件存在的认知状态解码的准确性.
- 提供了一个独特的机会,在不同的实验范式中评估BCI算法的概括性.
