相关实验视频
Updated: May 10, 2025
09:42
Stimulus-specific Cortical Visual Evoked Potential Morphological Patterns
Published on: May 12, 2019
5.9K
一个多个主体和多个会话的EEG数据集用于建模人类视觉对象识别模型.
Shuning Xue1,2, Bu Jin2, Jie Jiang2
1School of Artificial Intelligence, University of Chinese Academy of Sciences, Beijing, China.
Scientific data
|April 19, 2025
概括
这项研究引入了来自32名参与者的大量脑电图 (EEG) 数据集,涉及多个会议. 这些多个主体,多个会话的EEG数据支持对视觉反应和脑计算机接口的研究.
科学领域:
- 神经科学是一个神经科学.
- 认知科学 认知科学
- 机器学习 机器学习
背景情况:
- 脑电图 (EEG) 是一种广泛用于研究大脑活动的非侵入性神经成像技术.
- 视觉感知研究通常利用受控刺激呈现来理解神经处理.
- 开发强大的脑计算机接口 (BCI) 需要多样化的数据集,包括主体间和会话间的变化.
研究的目的:
- 介绍和描述一个新的122通道电脑电图 (EEG) 信号的多主体和多会话 (MSS) 数据集.
- 为研究使用EEG进行视觉处理的研究人员提供一个有价值的资源.
- 促进用于跨学科和跨会话BCI的先进机器学习算法的开发.
主要方法:
- 在多次会议中收集了32名健康人类参与者的122通道EEG数据.
- 实验涉及两个视觉呈现范式:快速串行视觉呈现 (5 Hz的刺激) 和单图像呈现 (1 秒持续时间).
- 使用了来自Pascal和ImageNet数据库的10,000张图像的多样化的刺激集.
主要成果:
- 数据集包括快速呈现范式的约80万次试验和单一图像范式的4万次试验.
- 每位参与者贡献了1到5个会议,每个会议大约持续1.5小时.
- 该数据集捕捉了EEG反应的显著主体间和会话间的变化.
结论:
- 该MSS数据集为研究基于EEG的视觉反应提供了一个全面的资源.
- 它可以通过不同视觉范式对EEG反应进行比较分析.
- 该数据集适用于训练和验证机器学习模型,以获得强大的,可泛化的BCI.
