BETA

BETA数据集是由清华大学等机构创建，包含70名参与者的64通道脑电图数据，用于SSVEP-BCI应用。数据集内容包括参与者执行40目标提示拼写任务的脑电数据，数据量庞大，来源于实际应用场景。创建过程中，数据在非实验室环境下收集，以模拟真实世界条件。BETA数据集主要应用于脑-机接口领域，旨在解决SSVEP信号的频率识别问题，推动BCI技术在实际应用中的发展。The BETA Dataset was developed by Tsinghua University and other institutions. It contains 64-channel electroencephalogram (EEG) data from 70 participants, specifically tailored for SSVEP-BCI applications. The dataset includes EEG data collected when participants completed a 40-target cue-based spelling task, with a large volume of data sourced from real-world application scenarios. During its creation, the data was gathered in non-laboratory environments to simulate real-world conditions. The BETA Dataset is primarily applied in the brain-computer interface (BCI) field, aiming to address the frequency recognition problem of SSVEP signals and promote the practical development of BCI technologies.

搜集汇总

数据集介绍

构建方式

在脑机接口研究领域，构建高质量数据集对算法验证至关重要。BETA数据库的构建遵循严谨的实验设计，招募了70名健康受试者参与基于稳态视觉诱发电位的拼写任务。数据采集采用64通道脑电记录系统，在非电磁屏蔽的真实环境条件下进行，以贴近实际应用场景。实验设计包含4个任务区块，每个区块呈现40个目标刺激，采用联合频率相位调制技术生成8-15.8Hz的视觉闪烁序列。数据预处理环节通过3-100Hz带通滤波消除环境噪声，并以250Hz采样率进行降采样处理，最终形成标准化的四维张量数据结构。

特点

该数据集展现出多维度显著特征。其规模优势体现在涵盖70名受试者的脑电记录，是目前该领域规模最大的公开数据库之一，能够充分反映个体差异性。数据质量方面，虽然信噪比较实验室环境采集的数据有所降低，但更真实地模拟了实际应用场景中的信号特性。范式设计采用40目标QWERT键盘布局，通过0.2Hz频率间隔和0.5π相位间隔的联合调制，实现了高密度刺激编码。时空特性上，数据呈现出典型的顶枕区分布规律，并包含至多五次谐波成分，为算法开发提供了丰富的特征信息。

使用方法

该数据集为脑机接口算法评估提供了标准化测试平台。研究人员可通过官方网站获取MATLAB格式的数据文件，每个文件包含经过预处理的四维脑电张量及元数据信息。在算法验证方面，数据集支持对监督式和无训练两类共十一种频率识别方法的性能比较，包括任务相关成分分析和滤波器组典型相关分析等主流算法。评估指标可采用准确率、信息传输率以及作者推荐的宽频带信噪比和脑机接口商数。数据划分建议采用留一法交叉验证，时间窗口可设置为0.2-3秒的滑动区间，以全面评估算法在不同数据长度下的表现。

背景与挑战

背景概述

脑机接口技术作为连接大脑与外部世界的新型交互范式，在康复工程与人机交互领域展现出广阔前景。稳态视觉诱发电位因其高信噪比与信息传输率的特性，成为非侵入式脑机接口研究的重要范式。2020年3月，清华大学高小榕教授团队联合多家科研机构发布了面向SSVEP-BCI应用的大型基准数据库BETA，该数据库收录了70名受试者在40目标拼写任务中采集的64通道脑电数据。该研究旨在解决SSVEP领域公共数据库稀缺的现状，通过模拟真实应用场景的数据采集环境，为算法开发与性能评估提供标准化测试平台。BETA数据库的建立显著推动了脑机接口从实验室走向实际应用的进程，成为该领域算法比较与范式优化的重要基石。

当前挑战

在SSVEP-BCI研究领域，核心挑战在于如何从复杂脑电信号中精准识别由特定频率视觉刺激诱发的神经响应，并实现高信息传输率的实时解码。传统方法面临个体生理差异显著、信号噪声干扰强烈、以及短时间窗内特征提取困难等难题。数据库构建过程中，研究团队需克服多目标视觉刺激范式设计、大规模受试者数据采集标准化、以及非电磁屏蔽环境下的信号质量控制等工程挑战。BETA数据库特别强调在真实场景下的适用性，这导致其信噪比较实验室环境采集的基准数据库显著降低，对现有频率识别算法的鲁棒性与泛化能力提出了更高要求。

常用场景

经典使用场景

在脑机接口研究领域，BETA数据库作为稳态视觉诱发电位范式的基准测试平台，其经典应用场景在于评估和比较不同频率识别算法的性能。该数据集通过模拟真实世界环境下的40目标拼写任务，为研究者提供了标准化的实验框架，用以检验监督式与非监督式方法在信号噪声环境中的鲁棒性。其大规模被试群体和精心设计的视觉刺激范式，使得算法验证能够覆盖广泛的个体差异，从而确保研究结论具有普遍适用性。

衍生相关工作

基于BETA数据库的丰富数据资源，衍生出多类经典研究工作。在算法层面，促进了任务相关成分分析、多刺激TRCA等空间滤波方法的性能优化与比较研究。数据集支撑了宽频带信噪比度量标准的建立与验证，推动了SSVEP信号质量评估体系的完善。同时，其大规模被试数据为群体水平脑电特征分析、联邦学习等新兴方法论提供了实验基础，催生了针对个体差异的个性化脑机接口系统研究，形成了从基础算法到应用系统的完整研究链条。

数据集最近研究

最新研究方向

在脑机接口领域，稳态视觉诱发电位范式因其高信息传输率和低用户门槛而备受关注。BETA数据库作为目前规模最大的公开SSVEP数据集，其采集环境模拟真实场景，为算法鲁棒性评估提供了重要基准。近期研究聚焦于利用该数据库推动迁移学习与少样本学习策略的发展，以应对个体差异与校准时间缩减的挑战。同时，基于宽频带信噪比与BCI商数的新评价指标，为信号质量与性能预测建立了更可靠的关联，助力于群体水平脑电建模与联邦学习等前沿方法的探索。

相关研究论文

• BETA: A Large Benchmark Database Toward SSVEP-BCI Application

  清华大学 · 2020年