EEGEyeNet|脑电图数据集|眼动追踪数据集

EEGEyeNet是一个包含356名不同受试者的同步脑电图(EEG)和眼动追踪(ET)记录的大型数据集，由苏黎世联邦理工学院和苏黎世大学创建。该数据集涵盖了三种不同的实验范式，总记录时长超过47小时。EEGEyeNet旨在推动脑活动与眼动研究的发展，特别是通过EEG信号预测注视点。数据集的应用领域包括认知科学、辅助技术和用户体验研究，旨在解决通过EEG信号准确预测眼动的问题。

AI搜集汇总

数据集介绍

构建方式

EEGEyeNet 数据集的构建方式涉及对356名不同受试者进行同时的脑电图（EEG）和眼动追踪（ET）记录。这些数据是从三个不同的实验范式中收集的，包括前瞻性和反向眼跳任务、大网格任务和视觉符号搜索任务。数据采集使用128通道的Geodesic Hydrocel系统进行高密度EEG记录，同时使用SR Research的EyeLink 1000 Plus进行眼动追踪。数据采集过程中，受试者坐在距离24英寸显示器68厘米的位置上，并使用下巴支撑保持头部稳定。所有记录都遵循赫尔辛基宣言的原则，所有受试者在参与实验前都提供了书面知情同意。

使用方法

使用 EEGEyeNet 数据集的方法包括三个步骤：数据准备、模型训练和性能评估。首先，研究人员需要根据实验范式和任务需求对数据进行准备，包括选择适当的预处理版本和定义数据分割方式。然后，可以使用经典机器学习模型或深度学习模型对数据进行训练，以预测眼跳方向、角度和幅度，或绝对注视位置。最后，研究人员可以使用数据集中提供的评估任务来评估模型的性能，并与基线结果进行比较。为了方便研究人员，数据集提供了易于使用的界面和工具，以支持各种研究目的的数据准备和特征提取。

背景与挑战

背景概述

EEGEyeNet数据集的创建旨在推动脑活动与眼球运动交叉领域的研究。该数据集由ETH Zurich和University of Zurich的研究团队在2021年开发，收录了来自356名不同参与者的同时进行的脑电图（EEG）和眼动追踪（ET）记录，这些记录来自于三个不同的实验范式。该数据集的提出，为研究眼球运动预测提供了宝贵的资源，同时也为评估从EEG测量中预测注视点提供了基准。这一基准包括三个难度递增的任务：左右方向、角度-幅度和绝对位置。研究团队在基准上进行了广泛的实验，以提供基于经典机器学习模型和大神经网络的坚实基础线。该数据集的发布，有望加速对人类行为和神经精神疾病的研究，特别是在自由观看复杂刺激和临床环境中，眼动追踪器的安装并不实际的情况下。

当前挑战

EEGEyeNet数据集和相关研究面临的主要挑战包括：1) 从EEG信号中估计注视点位置的挑战，这需要大量的标记数据来训练机器学习和深度学习模型；2) 同时收集和标记EEG和眼位数据的时间消耗和成本高昂，这限制了研究人员获取这些数据的机会；3) 需要开发新的算法和模型来更好地从EEG数据中提取和利用信息，以提高注视点预测的准确性；4) 需要考虑数据隐私和安全问题，确保参与者的隐私得到保护。

常用场景

经典使用场景

EEGEyeNet 数据集提供了高密度的 128 通道 EEG 数据和视频红外眼动追踪记录，使得研究人员能够在自然情境下研究感知、注意力和认知过程。数据集的同步特性允许研究人员结合眼动追踪和行为信息，从而深入探究脑电活动和眼动之间的关系。例如，通过分析 EEG 信号，研究人员可以预测注视方向，这对于无法直接获得眼动追踪数据的研究具有重要意义。此外，数据集还包含了三种不同难度的基准任务，为评估基于 EEG 的注视预测方法提供了工具。这些任务包括左右方向、角度幅度和绝对位置预测，旨在推动 EEG 基眼动追踪技术的发展。

解决学术问题

EEGEyeNet 数据集解决了传统眼动追踪研究中数据获取的难题。由于收集和标注同步的 EEG 和眼动位置数据既耗时又昂贵，因此该领域的进展受到限制。EEGEyeNet 数据集的发布填补了这一空白，为研究人员提供了大规模的同步 EEG-ET 数据，使得基于 EEG 的眼动追踪研究成为可能。此外，数据集还包含了三种不同难度的基准任务，为评估和比较不同方法提供了平台，有助于推动该领域的研究进展。

实际应用

EEGEyeNet 数据集的实际应用场景广泛。在行为科学领域，该数据集可以用于评估和诊断神经疾病，如自闭症谱系障碍、强迫症、精神分裂症、帕金森病和阿尔茨海默病等。在辅助技术领域，眼动追踪技术可以帮助检测疲劳状态，支持无法进行交流的患者的沟通，以及测量市场营销中的注意力。在用户体验领域，眼动追踪技术可以用于评估用户界面设计的有效性，提高用户体验。此外，基于 EEG 的眼动追踪技术还可以应用于脑机接口，帮助残障人士进行交流和控制设备。

数据集最近研究

最新研究方向

EEGEyeNet 数据集的提出旨在推动脑活动与眼球运动交叉领域的研究。该数据集包含来自356名不同受试者的同时脑电图（EEG）和眼动追踪（ET）记录，涵盖了三种不同的实验范式。基于此数据集，研究人员还提出了一个基准测试，用于评估基于 EEG 测量的注视预测。基准测试包括三个难度逐渐增加的任务：左右、角度-幅度和绝对位置。通过在基准测试上进行广泛实验，研究人员为基于经典机器学习模型和大神经网络的注视预测提供了可靠的基线。EEGEyeNet 数据集的发布为研究提供了高质量、多样性和大规模的数据，有助于推动基于 EEG 的眼动追踪方法的发展，为认知神经科学和神经精神疾病的研究提供了新的途径。

相关研究论文

• EEGEyeNet: a Simultaneous Electroencephalography and Eye-tracking Dataset and Benchmark for Eye Movement Prediction

  苏黎世联邦理工学院和苏黎世大学 · 2021年