EEG_DATA_COLLECTION

该数据集由蒙古国科学技术基金会支持，由蒙古科技大学信息与通信技术学院电子系同事实施和收集。数据集包含超过3294分钟的EEG记录文件，来自122名参与4种不同类型运动的志愿者。每位参与者使用14通道的EMOTIV EPOC X系统在EEG记录期间执行4种不同的任务。数据包括一和两分钟的记录，排除了睁眼和闭眼的情况。数据集包含4种类型的运动数据：灯光开关与正常思维、屏幕上移动方块的思维、移动四肢的思维和观看视频。This dataset was supported by the Mongolian Foundation for Science and Technology and implemented and collected by colleagues from the Department of Electronics at the School of Information and Communication Technology, Mongolian University of Science and Technology. The dataset contains over 3294 minutes of EEG (Electroencephalogram) recording files from 122 volunteers participating in four different types of exercises. Each participant performed four different tasks during the EEG recording using a 14-channel EMOTIV EPOC X system. The data includes one and two-minute recordings, excluding the conditions of eyes open and eyes closed. The dataset contains four types of exercise data: thinking about switching lights on and off, thinking about moving blocks on a screen, thinking about moving limbs, and watching videos.

原始信息汇总

数据集概述

数据集名称

• STUDY ON PROCESSING BRAIN SIGNALS USING EEG SENSOR BY MACHINE LEARNING

数据集来源

• 由蒙古国科学技术基金会支持，蒙古科技大学信息与通信技术学院电子系同事实施和收集。

数据集内容

• 包含来自122名志愿者的超过3294分钟的EEG记录文件，涉及4种类型的脑信号记录任务。

记录设备

• 使用14通道的EMOTIV EPOC X系统进行EEG记录。

记录任务类型

1. EEG_DATA_COLLECTION-LIGHT
   • 灯光开关与正常思维
2. EEG_DATA_COLLECTION-BOX
   • 思考屏幕上箱子的移动方向
3. EEG_DATA_COLLECTION-MI
   • 思考四肢的移动
4. EEG_DATA_COLLECTION-VIDEO
   • 观看视频

数据记录细节

• 每秒128次采样，使用国际10-20系统从16个电极记录。
• 数据保存为*.CSV文件，文件大小总计6.84 GB。

记录方法

• 中断记录（前61名志愿者）：记录过程中可能存在开始和停止。
• 连续记录（后61名志愿者）：记录过程无中断，持续进行。

数据文件结构

• 每个志愿者对应一个文件夹，包含12个*.CSV文件。
• 文件命名规则：例如lon0.csv至lon5.csv，lof0.csv至lof5.csv。
• 文件索引为0的文件不用于机器学习，因为它们记录了初始方法和测试记录。

实验操作

• 志愿者在观察屏幕上的动态图像时记录脑信号，图像在亮和暗之间切换，以引发特定思维。

注意事项

• 文件索引为0的文件不应使用于机器学习。
• 实验中，志愿者需遵循特定的操作指导，如保持静坐、关闭手机等。

搜集汇总

数据集介绍

构建方式

该数据集由蒙古科技大学信息与通信技术学院电子系的同事们在蒙古科学技术基金会的支持下构建和收集。数据集包含来自122名志愿者的超过3294分钟的脑电图（EEG）记录，使用14通道的EMOTIV EPOC X系统进行采集。每位参与者在执行四种不同任务时进行EEG记录，包括灯光开关与正常思维、屏幕上箱子的移动思维、肢体运动思维以及视频展示。数据以128次采样每秒的速度记录，并保存为CSV文件。所有记录遵循国际10-20系统，使用16个电极进行采集，确保数据的准确性和标准化。

使用方法

使用该数据集时，研究者应首先根据研究目的选择合适的任务类型和记录方式。数据集中的每个CSV文件都包含了详细的脑电信号记录，研究者可以通过Python等编程语言读取和处理这些数据。建议在使用前删除索引为0的文件，因为这些文件通常包含初始测试记录，不适合用于正式分析。研究者可以根据需要对数据进行预处理，如滤波、降噪等，以提高数据质量。随后，可以将处理后的数据输入到机器学习模型中进行训练和验证，以实现对脑电信号的分类、识别或其他分析任务。

背景与挑战

背景概述

EEG_DATA_COLLECTION数据集由蒙古国科学技术基金会资助，由蒙古科技大学信息与通信技术学院电子系的同事们实施并收集。该数据集包含来自122名志愿者的超过3294分钟的脑电图（EEG）记录，这些记录通过14通道的EMOTIV EPOC X系统进行采集。志愿者在执行四种不同任务时进行脑电信号记录，包括灯光开关与正常思维、屏幕上箱子的移动、四肢的想象运动以及视频展示。数据集的创建旨在通过机器学习方法处理脑信号，推动脑机接口和神经科学领域的研究。

当前挑战

EEG_DATA_COLLECTION数据集在构建过程中面临多项挑战。首先，脑电信号的采集需要高精度的设备和严格的实验环境，以确保数据的准确性和可靠性。其次，不同任务下的脑电信号差异较大，如何有效区分和分类这些信号是一个技术难题。此外，数据集中的部分文件由于实验初始阶段的测试性质，可能存在噪声或不完整性，需谨慎处理。最后，脑电信号的复杂性和个体差异性使得模型训练和验证过程充满挑战，需要开发高效的特征提取和分类算法。

常用场景

经典使用场景

EEG_DATA_COLLECTION数据集的经典使用场景主要集中在脑机接口（BCI）领域，特别是在基于脑电图（EEG）信号的分类和识别任务中。该数据集通过记录122名志愿者在执行四种不同任务时的脑电信号，为研究者提供了丰富的数据资源。这些任务包括灯光开关、屏幕上盒子移动的想象、肢体运动的想象以及视频观看等。通过分析这些任务中的脑电信号，研究者可以开发和验证用于脑机接口系统的机器学习模型，从而实现对用户意图的准确识别和响应。

解决学术问题

EEG_DATA_COLLECTION数据集解决了脑机接口领域中脑电信号分类和意图识别的关键学术问题。通过提供多样化的任务和详细的脑电信号记录，该数据集为研究者提供了验证和改进脑电信号处理算法的机会。这不仅有助于提高脑机接口系统的准确性和响应速度，还为探索脑电信号与特定思维活动之间的关联提供了宝贵的数据支持。此外，该数据集的开放性促进了跨学科研究，推动了脑科学、机器学习和神经工程等领域的交叉发展。

实际应用

在实际应用中，EEG_DATA_COLLECTION数据集为开发高效的脑机接口系统提供了重要支持。这些系统可以应用于医疗康复、智能控制和人机交互等多个领域。例如，在医疗康复中，通过分析患者的脑电信号，可以设计个性化的康复训练方案，帮助患者恢复肢体功能。在智能控制领域，脑机接口系统可以实现用户通过思维直接控制设备，如智能家居或虚拟现实环境。此外，该数据集还为开发新型的人机交互方式提供了数据基础，推动了人机交互技术的创新和发展。

数据集最近研究

最新研究方向

近年来，脑电信号处理领域借助机器学习技术取得了显著进展，EEG_DATA_COLLECTION数据集的发布为这一领域的研究提供了宝贵的资源。该数据集通过14通道的EMOTIV EPOC X系统记录了122名志愿者在四种不同任务下的脑电信号，涵盖了光照变化、虚拟物体移动、肢体运动想象以及视频展示等多种情境。这些数据不仅为脑机接口（BCI）技术的研究提供了丰富的实验材料，还为探索脑电信号与认知状态之间的关联提供了新的视角。特别是在脑电信号分类、情感识别以及运动想象解码等前沿研究方向上，该数据集的应用有望推动相关算法的优化与创新，进一步拓展脑电信号在医疗、康复及人机交互等领域的应用潜力。