Natural Viewing Dataset

这是一个开放访问的数据集，使用同时进行的EEG-fMRI记录自然观看行为。数据集包括所有会话和任务的完整记录。

This is an open-access dataset featuring simultaneous EEG-fMRI recordings of natural viewing behavior. The dataset includes complete recordings of all sessions and tasks.

原始信息汇总

数据集概述

数据集来源

• 原始数据集：Natural Viewing Dataset
  • 作者：Telesford, Q.K., Gonzalez-Moreira, E., Xu, T. et al.
  • 出版信息：Sci Data 10, 554 (2023).
  • DOI：https://doi.org/10.1038/s41597-023-02458-8

数据预处理

• 预处理数据下载：预处理文件
• 数据存储位置：NaturalViewingDataset目录

数据使用

• 数据引用：

  • 使用数据时，请引用原始数据集的创建者。

  • 引用格式：

    Telesford, Q.K., Gonzalez-Moreira, E., Xu, T. et al. An open-access dataset of naturalistic viewing using simultaneous EEG-fMRI. Sci Data 10, 554 (2023). https://doi.org/10.1038/s41597-023-02458-8

搜集汇总

数据集介绍

构建方式

在构建Natural Viewing Dataset时，研究团队对来自Telesford等人的原始数据进行了预处理，确保所有受试者在所有会话和任务中都有完整的记录。通过下载预处理文件并将其放置在项目根目录的NaturalViewingDataset目录中，用户可以访问这些经过筛选和整理的数据。这一过程旨在为后续的神经网络训练和分析提供高质量的数据基础。

特点

Natural Viewing Dataset的主要特点在于其数据的高质量和完整性。该数据集包含了同时记录的EEG和BOLD信号，这对于研究大脑活动的复杂动态具有重要意义。此外，数据集的预处理步骤确保了数据的可靠性和一致性，使得研究人员能够更准确地进行模型训练和验证。

使用方法

使用Natural Viewing Dataset时，用户首先需要下载预处理文件并将其放置在指定目录中。随后，通过设置conda环境并安装所需依赖，用户可以运行训练脚本进行模型训练。训练完成后，模型检查点、指标文件和输出日志将保存在wandb_logs目录中。此外，用户还可以通过可视化脚本生成结果图表，进一步分析和展示数据特征。

背景与挑战

背景概述

自然观看数据集（Natural Viewing Dataset）是由Telesford、Gonzalez-Moreira和Xu等人于2023年创建的，旨在通过同时记录脑电图（EEG）和功能性磁共振成像（fMRI）数据，研究自然观看条件下的脑活动。该数据集的核心研究问题在于解码血氧水平依赖（BOLD）信号，这一信号通常通过fMRI记录，但在此研究中尝试从EEG数据中进行解码。这一研究不仅推动了神经科学领域对脑活动深度解析的技术进步，还为跨模态脑数据分析提供了宝贵的资源。

当前挑战

自然观看数据集在构建过程中面临多重挑战。首先，数据采集需确保EEG和fMRI信号的同步性，这对设备和技术提出了高要求。其次，数据预处理过程中需处理大量噪声和伪影，以确保信号的纯净度和可靠性。此外，解码BOLD信号从EEG数据中是一个复杂的过程，涉及复杂的神经网络和统计模型，如部分最小二乘法（PLS），这些模型在训练和验证过程中需要高精度的数据支持。最后，数据集的开放性和可重复性要求研究者提供详尽的代码和配置文件，以便其他研究者能够复现和扩展相关研究。

常用场景

经典使用场景

自然观看数据集（Natural Viewing Dataset）的经典使用场景主要集中在神经科学领域，特别是用于解码从脑电图（EEG）数据中提取的血氧水平依赖（BOLD）信号。通过结合功能磁共振成像（fMRI）和EEG数据，研究人员能够更精确地解析大脑在自然观看条件下的活动模式。这种数据集的应用不仅限于实验室环境，还可以扩展到理解人类在日常生活中的大脑活动，为神经科学研究提供了宝贵的资源。

实际应用

在实际应用中，自然观看数据集可以用于开发和优化脑机接口技术，特别是在需要实时解码大脑活动以实现人机交互的场景中。此外，该数据集还可用于临床诊断，帮助医生更准确地评估和监测患者的脑功能状态。通过结合EEG和fMRI数据，研究人员能够开发出更精确的脑功能模型，从而在神经疾病的治疗和康复中发挥重要作用。

衍生相关工作

自然观看数据集的发布和应用催生了一系列相关研究工作。例如，基于该数据集，研究人员开发了名为BrainWaveLinker的神经网络架构，用于从EEG数据中解码BOLD信号。此外，该数据集还启发了对部分最小二乘法（PLS）在神经解码中的应用研究，进一步推动了神经影像学和脑机接口技术的发展。这些衍生工作不仅丰富了神经科学的研究工具，也为未来的脑科学研究提供了新的方向。