EEG-Datasets

github2020-12-06 更新2024-05-31 收录

下载链接：

https://github.com/Aryan05/EEG-Datasets

下载链接

链接失效反馈

官方服务：

资源简介：

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 deeper into any unfiltered links, please update the repository.

创建时间：

2020-09-22

原始信息汇总

数据集概述

1. Motor-Imagery

Left/Right Hand MI
- 包含52名受试者（其中38名具有可区分特征）
- 包含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
Motor Movement/Imagery Dataset
- 包含109名志愿者
- 64个电极，2个基线任务（睁眼和闭眼），实际运动和想象运动（双手或双脚）
Grasp and Lift EEG Challenge
- 12名受试者，32通道@500Hz
- 记录6种抓握和提升事件
The largest SCP data of Motor-Imagery
- 包含60小时的EEG BCI记录，跨75个记录会话，13名参与者
- 包含60,000次心理想象和4种BCI交互范式
BCI Competition IV-1
- 64个EEG通道，采样率1000Hz，7名受试者
- 包含左手、右手、脚运动及空闲状态
BCI Competition IV-2a
- 22个电极EEG运动想象数据集，9名受试者，2个会话
- 每个受试者288个四秒的想象运动试验
BCI Competition IV-2b
- 3个电极EEG运动想象数据集，9名受试者，5个会话
- 包含左手或右手想象运动，后三个会话包含在线反馈
High-Gamma Dataset
- 128个电极数据集，14名健康受试者
- 约1000个四秒的执行运动试验，分为13个运行
Left/Right Hand 1D/2D movements
- 19个电极数据，1名受试者
- 包含各种1D和2D手部运动（实际执行）
Imagination of Right-hand Thumb Movement
- 单个受试者，8个电极，256Hz
- 记录想象右手拇指运动和休息状态
Mental-Imagery Dataset
- 13名参与者，超过60,000次运动想象
- 使用38通道医疗级EEG系统记录，包含4种交互范式

2. Emotion-Recognition

DEAP
- 32名受试者，观看1分钟音乐视频片段
- 用户评分包括唤醒/价态/喜欢-不喜欢/支配/熟悉度，以及22/32名受试者的前额面部记录
Enterface06
- 包含16名受试者，EEG（64通道）+ fNIRS +面部视频
- 情绪通过IAPS数据集的选定子集引发
Imagined Emotion
- 31名受试者，听语音录音，提示情绪感受
- 要求受试者想象情绪场景或回忆情绪体验
NeuroMarketing
- 25名受试者，14个电极
- 对电子商务产品的喜欢/不喜欢，涵盖14个类别，每个类别3张图片
SEED
- 15名受试者，观看引发正/负/中性情绪的视频片段
- 62个电极记录EEG
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
- 62个电极记录EEG，包含眼动追踪
SEED-VIG
- 模拟驾驶任务中的警觉性标签和EEG数据
- 18个电极，包含眼动追踪
HCI-Tagging
- 受试者观看视频片段，并被要求在价态和唤醒的量表上标注情绪状态
- 实验期间，音频、视频、凝视数据和生理数据同时记录
Regulation of Arousal
- 18名受试者，在线飞行模拟器研究中使用三种不同的音频反馈
- 研究在线神经反馈如何改善人类在要求高的感官任务中的表现

3. Error-Related Potentials (ErrP)

BCI-NER Challenge
- 26名受试者，56个EEG通道
- P300拼写任务，标记数据集包含正确或不正确字母的响应引发
Monitoring ErrP in a target selection task
- 6名受试者，64个EEG电极
- 观看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
ErrPs during continuous feedback
- 10名受试者，28个EEG电极
- 玩视频游戏以研究执行和结果错误

4. Visually Evoked Potentials (VEPs)

c-VEP BCI
- 9名受试者，32个EEG通道
- VEP BCI拼写器（32个字符）任务，标记数据集包含与拼写器关联的响应引发
c-VEP BCI with dry electrodes
- 9名受试者，15个干EEG通道
- VEP BCI拼写器（32个字符）任务，标记数据集包含与拼写器关联的响应引发
SSVEP - Visual Search/Discrimination and Handshake
- 包含3种不同的测试
- 30名受试者，14个电极
Synchronized Brainwave Dataset
- 15名受试者，呈现2种不同的视频刺激
- 包括眨眼、放松、心理数学、计数颜色方块和观看超级碗广告

5. Event Related Potentials [ERPs]

Pattern Visual Evoked Potentials
- 2名受试者，用于检查板光模式（异常范式）记录在O1位置
Face vs. House Discrimination
- 7名癫痫受试者，呈现50张灰度刺激的面部和房屋图片
- 每个受试者进行3次实验运行，共300次刺激
Target Versus Non-Target
- 25名受试者测试Brain Invaders，使用异常范式进行视觉P300脑机接口
- 16个电极，湿式
Target Versus Non-Target
- 24名受试者玩Brain Invaders，使用异常范式进行视觉P300脑机接口
- 16个电极，湿式，最多8个会话每受试者
Target Versus Non-Target
- 71名受试者玩Brain Invaders，使用异常范式进行视觉P300脑机接口
- 16个电极，干式
Target Versus Non-Target
- 38名受试者玩多人协作版本的Brain Invaders，使用异常范式进行视觉P300脑机接口
- 32个电极每受试者，湿式，每会话2名受试者
Target Versus Non-Target
- 50名受试者玩Brain Invaders，使用异常范式进行视觉P300脑机接口
- 32个电极，湿式，每受试者3个会话
Target Versus Non-Target
- 44名受试者玩多人协作（合作和竞争）版本的Brain Invaders，使用异常范式进行视觉P300脑机接口
- 32个电极每受试者，湿式，每会话2名受试者
Impedance Data
- 12名受试者进行P300任务（异常范式），20%罕见刺激
- 总共128个目标刺激和512个标准刺激
Sustained-Attention Driving
- 27名受试者进行持续注意力驾驶，在VR环境中监控事件相关电位
- 每受试者参与两个90分钟会话（无和有本体感觉反馈），使用32个通道和500Hz记录

6. Slow-Cortical Potentials (SCPs)

Mental-Imagery Dataset
- 13名参与者，超过60,000次运动想象
- 使用38通道医疗级EEG系统记录，包含4种交互范式

7. Resting State

Resting State EEG Data
- 22名受试者，72个EEG通道
- 进行8分钟休息任务，包括4分钟闭眼和4分钟睁眼
EID-M, EID-S
- 8名受试者，在休息状态（闭眼）下记录，使用14个电极的EPOC+
- EID-M包含三个试验，EID-S是单个试验数据集
SPIS Resting State Dataset
- 10名受试者，64个通道
- 在每个状态（闭眼和睁眼）前进行2.5分钟记录，随后进行105分钟的持续注意力响应任务
Alpha-waves
- 20名受试者，16个通道
- 记录10秒样本的两个触发器（闭眼和睁眼），疲劳标签也提供

8. Music and EEG

Music Imagery Information Retrieval
- 10名受试者，64个EEG通道
- 进行音乐想象任务，涉及12首不同节拍、长度和速度的曲目

9. Eye-blinks/movements

Involuntary Eye Movements during Face Perception
- 26个电极，500Hz采样率，120个试验
- 当受试者面前显示快乐/悲伤/愤怒的面孔时，记录眼动和瞳孔直径，EEG和EOG数据
Voluntary-Involuntary Eye-Blinks
- 20名受试者，14个电极
- 记录自愿眼睑（受试者在音频刺激后1秒内自愿眨眼）和非自愿眼睑（自然）
EEG-eye state
- 眼状态标记数据，一个连续的EEG记录，117秒
- 使用Emotiv耳机记录
EEG-IO
- 自愿单眼睑（外部刺激提供）和EEG记录，用于前额电极（Fp1，Fp2）
- 使用OpenBCI设备和BIOPAC Cap100C记录，一个会话包括约25次眨眼每受试者
EEG-VV, EEG-VR
- 非自愿眼睑（自然眨眼）和EEG记录，用于前额电极（Fp1，Fp2）
- 受试者执行两个活动 - 观看视频（EEG-VV）和阅读文章（EEG-VR）
Eye State Prediction
- 117秒记录，单个受试者，使用EPOC耳机（14个电极）记录的眼状态数据（开和闭）
Kara-One
- 想象和发声的音素和单字提示，以访问语言

以上数据集涵盖了多种EEG相关的研究领域，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、慢皮质电位、休息状态、音乐与EEG、眼睑/运动等。每个数据集都提供了详细的信息，包括受试者数量、电极数量、任务类型和特殊条件等。

搜集汇总

数据集介绍

构建方式

EEG-Datasets的构建基于多个公开的脑电图（EEG）数据集，涵盖了运动想象、情感识别、错误相关电位、视觉诱发电位等多个领域。这些数据集通过实验设计，采集了不同任务下的脑电信号，如运动想象任务、情感诱发任务、视觉刺激任务等。数据采集过程中，使用了多通道EEG设备，确保了数据的多样性和广泛性。每个数据集都经过严格的实验设计和数据标注，确保了数据的科学性和可靠性。

特点

EEG-Datasets的特点在于其多样性和广泛性。数据集涵盖了多个领域的研究，如运动想象、情感识别、错误相关电位等，每个领域下又包含多个子数据集，提供了丰富的实验场景和任务类型。数据集的规模从几十名受试者到上百名受试者不等，涵盖了不同的电极配置和采样频率。此外，数据集还提供了详细的实验设计和数据标注，便于研究者进行深入分析和模型训练。

使用方法

EEG-Datasets的使用方法多样，适用于脑机接口、情感计算、神经科学等多个领域的研究。研究者可以根据具体的研究需求，选择相应的数据集进行实验。数据集通常以原始EEG信号的形式提供，研究者可以通过预处理、特征提取等步骤，进一步分析数据。此外，数据集还提供了详细的实验设计和数据标注，便于研究者进行模型训练和验证。对于初学者，建议从简单的任务入手，逐步深入复杂的研究场景。

背景与挑战

背景概述

EEG-Datasets 是一个专注于脑电图（EEG）数据的公共数据集集合，涵盖了多个研究领域，包括运动想象、情绪识别、错误相关电位（ErrP）、视觉诱发电位（VEPs）等。该数据集由多个研究机构和学者共同创建，旨在为脑机接口（BCI）和神经科学研究提供丰富的数据资源。自2010年以来，随着脑机接口技术的快速发展，EEG-Datasets 逐渐成为该领域的重要参考，推动了基于EEG的算法开发和应用研究。其核心研究问题包括如何通过EEG信号准确识别用户的意图、情绪状态以及对外界刺激的响应，从而为神经工程、心理学和医学等领域提供支持。

当前挑战

EEG-Datasets 面临的挑战主要集中在两个方面。首先，EEG信号的复杂性和噪声干扰使得数据预处理和特征提取成为关键难题。由于EEG信号容易受到环境噪声、肌肉活动和眼动等因素的影响，如何有效去除噪声并提取有意义的特征是一个持续的挑战。其次，数据集的构建过程中，如何确保数据的标准化和一致性也是一个重要问题。不同实验设计、设备差异以及受试者的个体差异都会影响数据的可比性。此外，随着脑机接口技术的不断发展，如何设计更具挑战性的实验范式以捕捉更复杂的脑活动模式，也是未来研究的重要方向。

常用场景

经典使用场景

EEG-Datasets广泛应用于脑机接口（BCI）研究，尤其是在运动想象（Motor Imagery）和情感识别（Emotion Recognition）领域。通过分析不同任务下的脑电图信号，研究者能够开发出基于脑电的控制系统，帮助残障人士通过思维控制外部设备。例如，BCI Competition IV系列数据集被广泛用于测试和验证新的分类算法，以提高运动想象任务的识别准确率。

衍生相关工作

EEG-Datasets催生了许多经典的研究工作，如基于BCI Competition IV数据集的深度学习模型优化研究，以及基于DEAP数据集的情感识别算法开发。这些工作不仅推动了脑机接口技术的发展，还为其他领域如神经反馈、认知科学和人工智能提供了新的研究思路。例如，基于High-Gamma数据集的研究揭示了大脑在执行运动任务时的高频振荡模式，为理解运动控制的神经机制提供了新的视角。

数据集最近研究