EEG-Datasets

一个包含所有公开EEG数据集的列表。这个EEG资源列表并不全面。如果你发现了新的数据集，或者深入探索了任何未筛选的链接，请更新仓库。

A comprehensive list of all publicly available EEG datasets. This EEG resource list is not exhaustive. If you discover new datasets or delve into any unfiltered links, please update the repository.

原始信息汇总

数据集概述

运动想象（Motor-Imagery）

1. 左/右手MI

   • 包含52名受试者（38名有效受试者）
   • 数据包括生理和心理问卷结果、EMG数据集、3D EEG电极位置及非任务相关状态的EEG数据。

2. 运动动作/想象数据集

   • 包含109名志愿者
   • 64个电极，2个基线任务（睁眼和闭眼），实际运动和运动想象（双手或双脚）。

3. 抓握和提升EEG挑战

   • 12名受试者
   • 32通道@500Hz，记录6种抓握和提升事件。

4. 最大的运动想象SCP数据

   • 包含60小时的EEG BCI记录，涉及13名参与者，60,000次心理想象。

5. BCI竞赛IV-1

   • 7名受试者
   • 64个EEG通道，1000Hz采样率，涉及左手、右手、脚（+空闲状态）。

6. BCI竞赛IV-2a

   • 9名受试者，2个会话
   • 22个电极EEG数据集，每个受试者288个四秒的想象运动试验。

7. BCI竞赛IV-2b

   • 9名受试者，5个会话
   • 3个电极EEG数据集，涉及左手或右手的想象运动，后三个会话包含在线反馈。

8. 高伽马数据集

   • 14名健康受试者
   • 128个电极数据集，约1000个四秒的执行运动试验，分为13个会话。

9. 左/右手1D/2D运动

   • 19个电极数据，涉及一个受试者的各种1D和2D手部运动（实际执行）。

情绪识别（Emotion-Recognition）

1. DEAP

   • 32名受试者
   • 观看1分钟长的音乐视频片段，根据唤醒/价/喜欢-不喜欢/支配/熟悉度评分。

2. Enterface06

   • 16名受试者
   • EEG（64通道）+ fNIRS +面部视频，通过IAPS数据集的子集诱发情绪。

3. 想象情绪

   • 31名受试者
   • 听语音录音，提示情绪感受，要求想象情绪场景或回忆相关经验。

4. 神经营销

   • 25名受试者
   • 14个电极，对电子商务产品的喜欢/不喜欢反应，涉及14个类别，每类3张图片。

5. SEED

   • 15名受试者
   • 观看引发积极/消极/中性情绪的视频片段，EEG记录在62个通道上。

6. SEED-IV

   • 15名受试者
   • 观看引发快乐/悲伤/中性/恐惧情绪的视频片段，EEG记录在62个通道上，包括眼动追踪。

7. SEED-VIG

   • 包括警觉性标签和EEG数据，模拟驾驶任务中的数据，18个电极和眼动追踪。

错误相关电位（ErrP）

1. BCI-NER挑战

   • 26名受试者
   • 56个EEG通道，P300拼写器任务，标记数据集，根据P300解码正确或不正确的字母。

2. 目标选择任务中的ErrP监测

   • 6名受试者
   • 64个EEG电极，观察光标向目标方块移动，根据光标移动的正确或错误方向标记响应。

3. 连续反馈期间的ErrPs

   • 10名受试者
   • 28个EEG电极，通过玩视频游戏研究执行和结果错误。

视觉诱发电位（VEPs）

1. c-VEP BCI

   • 9名受试者
   • 32个EEG通道，VEP BCI拼写器（32个字符）任务，标记数据集，根据拼写器相关的标签引发响应。

2. 干电极c-VEP BCI

   • 9名受试者
   • 15个干EEG通道，VEP BCI拼写器（32个字符）任务，标记数据集，根据拼写器相关的标签引发响应。

3. SSVEP - 视觉搜索/辨别和握手

   • 30名受试者
   • 14个电极，包括三种不同的测试：五箱视觉测试、自然图像内的视觉搜索、握手测试。

事件相关电位（ERPs）

1. 模式视觉诱发电位
   • 2名受试者
   • 在O1位置记录的棋盘光模式（异常范式）。

静息状态

1. 静息状态EEG数据
   • 22名受试者
   • 72个EEG通道，8分钟的静息任务，包括4分钟闭眼和4分钟睁眼。

音乐与EEG

1. 音乐想象信息检索
   • 10名受试者
   • 64个EEG通道，涉及12种不同节拍、长度和速度的音乐想象任务。

眼动/眨眼

1. 面部感知期间的非自愿眼动

   • 26个电极
   • 500Hz采样率，120次试验，记录眼动和瞳孔直径，当受试者看到屏幕上的快乐/悲伤/愤怒面孔时。

2. 自愿-非自愿眼眨

   • 20名受试者
   • 14个电极，记录自愿眼眨（受试者在音频刺激后1秒内自愿眨眼）和非自愿眼眨（自然）。

杂项

1. MNIST脑数字

   • 当向受试者展示数字（0-9）时记录的EEG数据，使用Minwave、EPOC、Muse、Insight记录，超过1.2M样本。

2. Imagenet脑

   • 当向受试者展示随机图像（来自Imagenet ILSVRC2013训练数据集的14k图像之一）时记录的EEG信号，超过70k样本。

3. 工作记忆

   • 15名学生
   • 64个电极，500Hz采样率，参与者短暂观察包含多个英文字符的数组（500ms），并保持信息三秒。

临床EEG

1. TUH EEG资源
   • 大量数据，包括异常EEG和EEG癫痫发作。

搜集汇总

数据集介绍

构建方式

EEG-Datasets 数据集的构建汇集了多种公共脑电图资源，涵盖了运动想象、情感识别、错误相关电位、视觉诱发电位、事件相关电位、静息状态、音乐与脑电图、眼动以及杂项类别。各个数据子集的构建多通过记录受试者在特定任务下的脑电图活动，并辅以相应的生理或心理学问卷、动作电位数据、脑电图电极位置等额外信息。例如，Motor-Imagery 类别下的数据集包含了执行或想象运动时的脑电图记录，而 Emotion-Recognition 类别则记录了观看情感视频或听声音提示时产生的脑电图。

特点

该数据集的特点在于其多样性和全面性，不仅包含了不同类型的脑电图数据，如运动想象、情感识别等，还涵盖了从多个受试者、多个电极记录的脑电图数据。数据集经过严格的实验设计，确保了数据的可靠性和有效性。部分数据集还提供了在线反馈、眼动追踪等附加信息，丰富了数据集的应用场景。

使用方法

使用该数据集时，研究者可以根据具体的研究需求，选择相应的数据子集。数据集通常以.mat格式或在线数据库的形式提供，可以通过数据集提供的文档或网站获取详细的使用说明和下载链接。用户需要遵守数据使用的相关规定，合理利用数据集进行科学研究。对于包含多个任务或会话的数据集，用户可能需要进行预处理，如数据清洗、标记整理等，以适应不同的分析模型和算法。

背景与挑战

背景概述

EEG-Datasets是一个汇总了多个公开EEG数据集的仓库，旨在为研究人员提供丰富的资源。该数据集的创建并非出于单一机构或研究人员，而是由多个研究团队共同贡献，涵盖了从2004年至今的多个研究项目。EEG数据集主要用于脑电图信号的研究，包括运动想象、情绪识别、错误相关电位、视觉诱发电位、事件相关电位、静息状态、音乐与EEG关联、眼动以及临床脑电图等多个领域。这些数据集的构建对于推动脑-机接口（BCI）技术、神经科学以及情感计算等领域的科学研究具有重要意义。

当前挑战

尽管EEG-Datasets为研究提供了极大的便利，但在使用这些数据集时也面临诸多挑战。首先，不同数据集之间的采集标准、电极放置位置以及信号处理方法存在差异，这给数据的统一分析和比较带来了困难。其次，数据集的质量控制、隐私保护以及数据标注的一致性和准确性也是在使用过程中需要特别注意的问题。此外，对于一些特定领域，如情绪识别和错误相关电位的研究，需要更多具有多样性和代表性的数据集来提升模型的泛化能力。

常用场景

经典使用场景

EEG-Datasets数据集广泛用于脑电图相关研究，其中最为经典的使用场景是对运动想象进行分类。例如，BCI Competition IV-2a和IV-2b数据集便提供了多个受试者在执行手部或足部运动想象任务时的EEG记录，这对于研究运动想象BCI系统的性能至关重要。

解决学术问题

该数据集解决了运动想象、情感识别、错误相关电位、视觉诱发电位等多个学术研究问题。例如，它提供了丰富的标记数据，有助于机器学习模型训练和性能评估，从而推动了脑机接口技术的发展，提高了情绪识别和错误监测的准确性。

衍生相关工作

基于EEG-Datasets数据集，研究者们衍生出了众多相关工作，包括但不限于开发新的脑机接口范式、优化情绪识别算法、以及探索错误相关电位的监测技术。这些工作进一步扩展了数据集的应用范围，并推动了相关领域的科学研究进展。