EEGDataset

Innopolis大学在2017年夏季实习期间创建的小型数据集，可能会有更新。数据集包括EEG记录，涉及多种心理任务，如想象最喜欢的颜色、唱歌等，旨在捕捉Alpha波以实现用户认证等任务。

A small dataset created during the summer internship at Innopolis University in 2017, which may have updates. The dataset includes EEG recordings involving various mental tasks, such as imagining a favorite color, singing, etc., aimed at capturing Alpha waves for tasks like user authentication.

原始信息汇总

数据集概述

数据集名称

EEGDataset

数据集来源

Innopolis University, Summer Internship 2017

记录设备

• 设备：OpenBCI
• 放置位置：FP1为第一通道，FP2为第二通道，遵循10-20国际标准
• 参考点：右耳垂A1位置
• 偏置点：左耳垂A2位置
• 采样频率：250Hz
• 过滤：未应用硬件过滤，建议使用至少50Hz的陷波滤波器以去除环境噪声

受试者信息

• 年龄范围：17至56岁
• 性别：男性为主，少数女性
• 自定义心理任务：包括想象最喜欢的颜色、唱歌、行走等多样化任务

数据集结构

• 组织方式：按活动类型（或心理任务）命名文件夹
• 内容：每个文件夹内含一个名为“raw”的子文件夹，包含未处理的OpenBCI文件；文件夹本身包含去除不必要通道数据、时间戳和AUX OpenBCI数据（如陀螺仪）的相同数据

任务描述

1. Alpha波：旨在捕捉Alpha波以实现用户认证，受试者需舒适地坐着并放松，记录时长为5分钟
2. 计数任务：受试者需舒适地坐着，放松后开始从1数到10，间隔约1秒，分为睁眼和闭眼两种版本
3. 随机任务：受试者需执行重复性任务，如想象最喜欢的颜色或歌曲，任务持续至少10秒

搜集汇总

数据集介绍

构建方式

EEGDataset数据集由Innopolis大学在2017年夏季实习期间创建，该数据集规模较小，并可能进行更新。数据集采用OpenBCI设备采集脑电图，按照10-20国际系统在FP1和FP2位置安放电极，以右耳垂A1位置为参考，左耳垂A2位置为BIAS。数据未经硬件滤波，建议使用至少50Hz的陷波滤波器以去除环境噪声。数据集包含不同年龄、性别的受试者在执行特定心理任务时的脑电图记录，每个记录时长为5分钟。

特点

本数据集的特点在于其记录的心理任务多样化，包括想象、打字、行走、听声音等多种日常活动，以及受试者的年龄和性别分布较广。数据集结构清晰，按活动类型组织文件夹，每个文件夹内包含原始OpenBCI文件和去除了未使用通道、时间戳和AUX数据的文件，方便研究者使用。此外，数据集还提供了与心理任务相关的Alpha波、闭眼计数和随机任务等脑电图记录。

使用方法

使用EEGDataset数据集时，用户可以根据具体的研究需求选择相应的文件夹和文件。数据集提供了原始的脑电图数据，以及去除了不必要信息的处理过的数据，用户可以根据需要选择使用。由于数据未经硬件滤波，用户在使用前应先进行滤波处理以优化数据质量。此外，数据集的README文件详细介绍了数据采集的设备和流程，有助于用户更好地理解和应用这些数据。

背景与挑战

背景概述

EEGDataset是由Innopolis大学在2017年夏季实习期间创建的小型数据集，其创建旨在探索脑电图（EEG）信号在用户身份验证等领域的应用。该数据集的构建利用了OpenBCI设备，并遵循10-20国际电极放置标准，采集了不同年龄、性别的受试者在执行特定心理任务时的脑电波数据。数据集的核心研究问题是探究EEG信号在区分不同心理任务方面的有效性，对脑电图信号处理、心理状态识别等领域产生了重要影响。

当前挑战

在EEGDataset的构建过程中，研究人员面临了多项挑战。首先，脑电信号的采集易受到环境噪声的干扰，因此数据预处理中需采用至少50Hz的陷波滤波器以消除噪声。其次，不同受试者在执行相同任务时的EEG信号存在个体差异，给信号的统一分析和模型训练带来了困难。此外，数据集规模较小，可能导致模型泛化能力不足。最后，心理任务的多样性和不明确性增加了脑电信号解析的复杂性。

常用场景

经典使用场景

EEGDataset作为脑电图数据的小型集合，其经典使用场景在于捕捉与特定心理任务相关的脑波活动。研究人员可利用此数据集，通过分析受试者在执行不同任务时如想象、听音乐、散步等情境下的脑电图变化，以探究大脑活动与心理状态之间的关联性。

衍生相关工作

基于EEGDataset的研究成果，衍生出了众多相关工作，包括但不限于脑波信号处理新算法的提出、脑机接口技术的优化、心理状态评估系统的构建等，这些研究进一步拓展了脑电图技术在医疗、教育、娱乐等领域的应用范围。

数据集最近研究

最新研究方向

EEGDataset作为脑电图数据集，其在神经科学、心理学及认知科学领域具有重要的研究价值。近期研究集中于利用该数据集进行脑电图信号的分类与识别，以实现对个体心理状态的监测与分析。其中，研究方向涉及利用深度学习技术对Alpha波进行识别，旨在实现用户身份验证。此外，研究还聚焦于通过分析被试在进行不同心理任务时脑电活动的变化，探索大脑对各种刺激的响应机制，为理解人脑认知过程提供科学依据。这些研究对于推动脑机接口技术的发展以及增进对人类大脑功能的理解均具有深远的影响。