NeuBCI Target Retrieval RSVP-EEG Dataset

NeuBCI Target Retrieval RSVP-EEG数据集由中国科学院自动化研究所开发，包含71名受试者的脑电图信号和相应的刺激图像。数据集设计用于支持跨任务零校准的快速序列视觉呈现（RSVP）解码研究，涵盖了三个不同的RSVP任务：飞机、汽车和人物识别。数据集的创建过程包括设计实验任务、收集受试者的EEG信号和刺激图像，并通过公开访问的方式提供给研究社区。该数据集的应用领域主要集中在脑机接口（BCI）系统，旨在解决跨任务零校准解码中的性能下降问题，推动RSVP-BCI系统从研究走向实际应用。The NeuBCI Target Retrieval RSVP-EEG Dataset was developed by the Institute of Automation, Chinese Academy of Sciences. It contains electroencephalogram (EEG) signals from 71 subjects and corresponding stimulus images. This dataset is designed to support cross-task zero-calibration rapid serial visual presentation (RSVP) decoding research, covering three distinct RSVP tasks: aircraft, car, and person recognition. The dataset creation process includes designing experimental tasks, collecting EEG signals and stimulus images from participants, and making it publicly accessible to the research community. Its application fields mainly focus on brain-computer interface (BCI) systems, aiming to address the performance degradation issue in cross-task zero-calibration decoding and promote the transition of RSVP-BCI systems from research to practical real-world applications.

搜集汇总

数据集介绍

构建方式

NeuBCI Target Retrieval RSVP-EEG Dataset 的构建基于快速序列视觉呈现（RSVP）范式，旨在通过检测事件相关电位（ERPs）来增强脑机接口（BCI）系统的跨任务零校准性能。研究团队设计了三个不同的RSVP任务，分别涉及飞机、汽车和人物的目标图像检索。每个任务中，参与者被要求从高速呈现的图像序列中识别特定目标图像，同时记录其脑电图（EEG）信号。数据集包含71名受试者的EEG信号及其对应的刺激图像，且每个任务的受试者群体互不重叠。EEG信号通过64通道的Ag/AgCl电极记录，采样率为1000 Hz，并经过下采样和滤波等预处理步骤，最终生成了包含目标和非目标样本的EEG试验数据。

特点

NeuBCI Target Retrieval RSVP-EEG Dataset 的特点在于其跨任务零校准的设计，能够支持不同RSVP任务之间的EEG信号解码。数据集包含三个独立的任务，每个任务的目标类别和图像场景不同，分别为飞机、汽车和人物。这种多样性使得数据集能够模拟实际应用中不同场景下的目标检索需求。此外，数据集不仅包含EEG信号，还提供了对应的刺激图像，为研究EEG与视觉信息的融合提供了基础。数据集的公开性也为脑机接口领域的研究者提供了宝贵的资源，促进了跨任务零校准解码方法的发展。

使用方法

NeuBCI Target Retrieval RSVP-EEG Dataset 的使用方法主要包括跨任务零校准实验的设计和EEG解码模型的训练与测试。研究者可以将模型在一个任务的数据上进行训练，然后在另一个任务的数据上进行测试，以评估模型的跨任务泛化能力。数据集的使用还涉及EEG信号的预处理、特征提取以及与刺激图像的融合。通过引入语言-图像先验知识，研究者可以设计如ELIPformer等模型，利用任务特定的提示和刺激图像提取语言-图像特征，并通过双向注意力机制实现EEG与图像特征的有效对齐与融合。这种方法的优势在于无需新任务的校准数据，即可实现高效的跨任务EEG解码。

背景与挑战

背景概述

NeuBCI Target Retrieval RSVP-EEG Dataset 是由中国科学院自动化研究所的李旭金、魏伟、邱爽等研究人员于2025年创建的，旨在解决基于快速序列视觉呈现（RSVP）的脑机接口（BCI）系统在跨任务零校准解码中的性能瓶颈问题。该数据集包含71名受试者在三种不同RSVP任务中的脑电图（EEG）信号及相应的刺激图像，任务目标分别为识别飞机、汽车和人物。该数据集的创建推动了RSVP-BCI系统从研究向实际应用的转化，特别是在目标图像检索领域。通过引入语言-图像先验知识，该数据集为跨任务零校准解码提供了新的研究范式。

当前挑战

NeuBCI Target Retrieval RSVP-EEG Dataset 面临的挑战主要包括两个方面：首先，跨任务零校准解码的挑战在于，不同任务中的脑电信号响应存在显著差异，导致模型在未经新任务校准的情况下性能显著下降。其次，数据集的构建过程中，如何有效融合EEG信号与刺激图像的语言-图像特征是一个关键难题。由于不同任务中的图像类别和场景差异较大，传统的图像分类模型难以与EEG特征进行语义对齐。此外，数据集的构建还面临个体脑电活动差异大、数据采集与预处理复杂度高等技术挑战。

常用场景

经典使用场景

NeuBCI Target Retrieval RSVP-EEG Dataset 主要用于基于快速序列视觉呈现（RSVP）范式的脑机接口（BCI）研究。该数据集通过记录受试者在执行目标图像检索任务时的脑电图（EEG）信号，结合相应的刺激图像，为跨任务零校准解码提供了基础。经典使用场景包括目标图像检测、跨任务脑电信号解码以及多模态信息融合研究。

衍生相关工作

基于该数据集的研究衍生了一系列经典工作，如ELIPformer模型的提出，该模型首次将语言-图像先验知识与脑电信号解码相结合，显著提升了跨任务解码性能。此外，该数据集还推动了Transformer架构在脑电信号处理中的应用，促进了深度学习与脑机接口领域的交叉研究。

数据集最近研究

最新研究方向

近年来，基于快速序列视觉呈现（RSVP）的脑机接口（BCI）技术在信息检测领域取得了显著进展，尤其是在跨任务零校准解码方面。NeuBCI Target Retrieval RSVP-EEG Dataset的提出为这一领域的研究提供了重要的数据支持。该数据集包含来自71名受试者的脑电图（EEG）信号及其对应的刺激图像，涵盖了三种不同的RSVP任务。最新的研究方向集中在如何通过融合语言-图像先验知识来增强跨任务零校准解码性能。研究者提出了一种基于Transformer的模型ELIPformer，该模型通过引入语言-图像预训练模型提取任务相关的语言-图像特征，并结合双向注意力机制实现EEG与图像特征的有效融合。实验表明，ELIPformer在跨任务零校准解码中表现出色，显著提升了RSVP-BCI系统在不同场景下的目标检索效率。这一研究不仅推动了RSVP-BCI技术从实验室研究向实际应用的转化，还为未来多模态脑机接口的发展提供了新的思路。

相关研究论文

• Integrating Language-Image Prior into EEG Decoding for Cross-Task Zero-Calibration RSVP-BCI

  中国科学院自动化研究所 · 2025年