ELECTROOCULOGRAPHY DATASET FOR OBJECTIVE SPATIAL NAVIGATION ASSESSMENT IN HEALTHY PARTICIPANTS

该数据集名为“健康参与者客观空间导航评估的电眼图数据集”，由K. N. Toosi理工大学的机械电子工程系创建。数据集包含27名健康参与者的电眼图（EOG）信号，这些信号在观看视频阶段记录，用于评估空间导航能力。数据集还包括迷你精神状态检查（MMSE）和寻路问卷（WQ）的分数。数据集的创建过程包括参与者填写问卷、佩戴EOG设备记录眼动信号，并通过算法处理信号以检测眨眼、扫视和注视等眼动事件。该数据集主要用于通过EOG信号分析研究空间导航能力，旨在解决认知功能和导航能力的评估问题。

This dataset, named "Electrooculography Dataset for Objective Spatial Navigation Assessment of Healthy Participants", was created by the Department of Mechatronics Engineering at K. N. Toosi University of Technology. It contains electrooculography (EOG) signals from 27 healthy participants, which were recorded during the video-watching phase for spatial navigation ability assessment. The dataset also includes scores from the Mini-Mental State Examination (MMSE) and the Wayfinding Questionnaire (WQ). The dataset creation process involves participants filling out questionnaires, wearing EOG devices to record eye movement signals, and processing the signals with algorithms to detect eye movement events such as blinks, saccades and fixations. This dataset is primarily used for research on spatial navigation ability via EOG signal analysis, aiming to address the problem of evaluating cognitive function and navigation capabilities.

搜集汇总

数据集介绍

构建方式

该数据集通过使用双通道电眼图（EOG）头带设备，从27名健康参与者中收集了垂直和水平眼动信号。这些信号在参与者观看莱顿导航测试（Leiden Navigation Test, LNT）视频阶段被记录下来，该测试旨在评估空间导航能力。此外，数据集还包括了参与者在迷你精神状态检查（Mini-Mental State Examination, MMSE）和寻路问卷（Wayfinding Questionnaire, WQ）中的得分。数据处理过程中，采用了先进的信号处理技术，如移动中值滤波和带通滤波，以提高信号的信噪比，并精确检测眨眼、扫视和注视等眼动事件。

特点

该数据集的显著特点在于其综合性和精确性。它不仅包含了原始的EOG信号，还整合了MMSE和WQ的得分，提供了对参与者认知功能和导航能力的全面评估。EOG设备的使用避免了传统眼动追踪器在光线条件不佳时的精度问题，且其非侵入性和便携性使其适用于多种环境。此外，数据集中的信号处理算法确保了眼动事件的准确分类和时间定位，为研究空间导航提供了高质量的数据支持。

使用方法

研究人员可以通过访问数据集的存储位置（如figshare.com）下载包含原始EOG信号和处理后数据的文件。使用MATLAB®软件可以打开和分析这些.mat格式的文件，获取水平和垂直眼动信号。此外，数据集中还包括了参与者的人口统计信息、MMSE和WQ的得分，以及LNT图像问卷的答案，这些信息有助于深入分析参与者的认知和导航能力。通过结合这些数据，研究人员可以进行多维度的分析，探索眼动模式与空间导航能力之间的关系。

背景与挑战

背景概述

在探索人类执行功能的过程中，眼动提供了独特的视角，揭示了我们如何处理和理解环境。眼动数据集的创建旨在通过电眼图（EOG）信号分析，评估健康参与者在空间导航中的表现。该数据集由伊朗K. N. Toosi大学的Mechatronics部门的研究团队于近期创建，包含27名健康受试者在观看Leiden导航测试视频时的垂直和水平眼动信号。此外，数据集还包括Mini-Mental State Examination和Wayfinding Questionnaire的评分，这些评估工具提供了关于参与者认知功能和导航能力的额外信息。该数据集的开发不仅填补了现有EOG数据集在认知评估方面的空白，还为研究空间导航能力提供了宝贵的资源。

当前挑战

该数据集在构建过程中面临多项挑战。首先，现有的眼动数据集主要依赖于眼动追踪设备，而EOG设备在无需直接视线接触和适应多种光照条件下具有优势，但其空间分辨率较低。其次，数据集的构建需要精确捕捉和处理EOG信号，以确保信号的准确性和可靠性。此外，尽管EOG技术在捕捉眼动方面表现出色，但在评估认知功能方面仍需进一步验证。最后，数据集的多样性和广泛应用性仍需通过更多研究来验证，以确保其在不同环境和应用场景中的有效性。

常用场景

经典使用场景

该数据集的经典使用场景主要集中在通过电眼图（EOG）信号分析来评估健康参与者的空间导航能力。研究者利用数据集中记录的垂直和水平眼动信号，结合Leiden Navigation Test（LNT）视频观看阶段的数据，来深入研究参与者在空间导航任务中的眼动模式。此外，数据集还包括Mini-Mental State Examination（MMSE）和Wayfinding Questionnaire（WQ）的评分，这些信息有助于全面评估参与者的认知功能和导航能力。

解决学术问题

该数据集解决了在空间导航能力评估中常见的学术研究问题，特别是在认知心理学和神经科学领域。通过EOG信号分析，研究者能够更精确地捕捉和分析眼动模式，从而揭示个体在空间导航任务中的认知过程和决策机制。这不仅有助于理解健康个体的空间导航能力，还为早期识别和评估认知障碍提供了新的工具和方法，特别是在阿尔茨海默病等神经退行性疾病的研究中具有重要意义。

衍生相关工作

基于该数据集，研究者们已经开展了一系列相关工作，特别是在眼动追踪技术和空间导航评估方法的创新上。例如，有研究利用EOG信号开发了基于微控制器的眼动采集系统，用于实时监测和分析眼动数据。此外，还有研究将EOG信号与其他生物信号（如脑电图EEG）结合，探索多模态数据在认知功能评估中的应用。这些衍生工作不仅扩展了数据集的应用范围，还为未来的研究提供了新的方向和思路。