一个大规模的MEG和EEG数据集用于自然主义场景中的对象识别
Guohao Zhang1, Ming Zhou2, Shuyi Zhen2
1Beijing Key Laboratory of Applied Experimental Psychology, Faculty of Psychology, Beijing Normal University, Beijing, 100875, China.
Scientific data
|May 23, 2025
概括
本研究介绍了自然物体数据集 (NOD),这是一个多式联络神经成像资源,结合了fMRI,MEG和EEG数据. NOD捕获大脑对自然图像的反应,为对象识别研究提供高空间和时间分辨率.
科学领域:
- 认知神经科学 认知神经科学
- 神经成像是一种神经成像.
- 视觉感知 视觉感知 视觉感知
背景情况:
- 神经成像研究经常使用功能磁共振成像 (fMRI) 来了解自然场景中的物体识别.
- fMRI提供高空间分辨率,但缺乏分析快速认知过程至关重要的时间动态.
- 现有的大型数据集主要依赖fMRI,限制了神经机制的全面分析.
研究的目的:
- 扩展自然物体数据集-fMRI (NOD-fMRI) 通过将磁脑图 (MEG) 和电脑图 (EEG) 数据纳入.
- 为了能够在高空间和时间分辨率下检查物体识别的神经机制.
- 创建一个多模式数据集,以更全面地了解视觉对象处理.
主要方法:
- 收集了30名参与者的fMRI,MEG和EEG数据,这些参与者观看了57,000张自然图像.
- 在所有神经成像模式中使用相同的参与者和刺激.
- 整合现有的NOD-fMRI数据与新获取的MEG和EEG记录.
主要成果:
- 自然物体数据集 (NOD) 现在包括多模式神经成像数据 (fMRI,MEG,EEG).
- NOD提供对57,000张自然图像的响应,促进对象识别的详细分析.
- 该数据集可以同时调查空间和时间大脑活动模式.
结论:
- 多模式NOD数据集通过结合高空间和时间分辨率来增强对象识别的研究.
- 对于研究视觉处理的认知和神经机制的研究人员来说,NOD是一个宝贵的资源.
- 这一集成的数据集有助于更全面地了解大脑如何处理自然视觉信息.
