【EEG】关于SEED-VIG数据集介绍

最新推荐文章于 2024-09-29 15:51:19 发布
最新推荐文章于 2024-09-29 15:51:19 发布
阅读量1w 收藏 37
点赞数 9
分类专栏： EEG
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/joker_Ling/article/details/108364081
版权
SEED-VIG数据集来源于上海交通大学BCMI研究中心，主要针对疲劳驾驶研究，包含17个电极的EEG数据。实验涉及21位受试者，每8秒计算一次PERCLOS指标以评估警惕度，并根据2Hz和5个频段的特征进行脑电特征分析。
摘要由CSDN通过智能技术生成

数据集链接

SEED-VIG链接

数据集介绍

2002年上海交通大学吕宝粮教授等人成立了仿脑计算与机器智能研究中心(BCMI)BCMI链接
一共有SEED、SEED-IV、SEED-VIG三个数据集，本文只介绍有关疲劳驾驶的SEED-VIG数据集。
模拟驾驶

电极位置

数据包含了EEG和EOG数据。这里只介绍EEG的电极位置，如图所示，CPZ为参考电极，因此数据中只有17个电极的数据。
在这里插入图片描述

实验过程和Raw_Data简介

如上图模拟真实驾驶环境，实验中共选取了23名实验对象，最后数据筛选收集了21个受试者的数据，共有13个受试者是中午的实验，8个受试者是晚上的实验，实验时长总共是2个小时。

最低0.47元/天 解锁文章
是猿儿
关注
专栏目录
EEG公开数据集介绍
走在深度学习前沿的小宋
11-03 2734
EEG 公开数据集介绍（包含各种分类任务下的EEG数据集和对应的下载链接）
SEED数据集
Hvhvhvjvhvhv的博客
03-17 1770
SEED数据集中ExtractedFeatures_4s与ExtractedFeatures_1s文件夹中一些数据的解释（这里大多以1_20131027.mat文件为例）1、数组文件名称（试验者名字 + 电影片段序列）以1_20131027.mat文件为例，这是第一个数据，采集于2013年10月27日。2、单个数组名称（大多采用“预处理方法 + 过滤方法 + 影片序号”）(1)psd：提取功率谱密度(2)asm：不对称(3)Dasm：微分不对称(4)Dcau：微分因果性(5)Rasm：有理不对称。
脑电信号在情感计算中应用
u011661076的博客
07-08 1697
情绪是对一系列主观认知经验的通称，包括人对外界刺激或自身刺激的心理反应并伴随着生理反应。情绪对人际关系的建立和维持、认知、决策、工作效率等互动活动具有直接影响。许多疾病如抑郁症、自闭症、游戏成瘾、阿尔茨海默氏症、冠状动脉疾病与认知和情绪障碍密切相关。识别情绪表达障碍患者的情绪状态将有助于提供更好的治疗和护理。1995年，自Picard提出了“情感计算”概念后情感识别成为了人机交互人性化环节中引人入胜的研究分支。 情绪的神经生理机制 大脑接收和处理来自体感皮层和运动系统的功能活动信息，大部分的信息
基于EEG的癫痫检测概述——癫痫数据集、特征提取、分类
最新发布
惺忪de的博客
09-29 1336
癫痫（Epilepsy）是一种由脑部神经元异常同步电活动引起的慢性疾病，是全球最常见的神经系统疾病之一。脑电图（EEG）是指通过电极从头皮上测量和记录大脑神经元活动产生的电信号。本文介绍了基于EEG的癫痫检测基本过程，EEG背景、EEG公开数据集指引、预处理、特征提取和分类。
SEED-V数据集 脑电数据集 下载方式
Gigavision的博客
09-12 286
SEED-V数据集 脑电数据集 下载方式
基于seed数据集的脑电情绪识别（机器学习算法）
03-11
本项目在seed数据集应用了五种不同的机器学习算法进行的脑电情绪识别，包括：决策树算法、朴素贝叶斯算法、K最近邻算法、随机森林算法等。四种模型相互作对比。 将数据集的标签情绪分为了三种情况，积极情绪，中性情绪，消极情绪。 特征处理方面，使用seed数据集的de_LDS特征的第五个维度，也就是选取的最适合做情绪识别的伽马波段，每个实验对象的每个数据单元都会有62个输入（特征向量），所有de_LDS特征在数据集中贡献了超过150000个样本，
SEED数据集预处理（MATLAB）
weixin_48539970的博客
05-05 896
参考链接：http://t.csdnimg.cn/7mMfGhttp://t.csdnimg.cn/7mMfGhttp://t.csdnimg.cn/4B7gOhttp://t.csdnimg.cn/4B7gO该数据集已经经过了官方的预处理，理论上可以直接使用。 官方采用的预处理操作如下： 1.数据下采样到200hz； 2.0-75hz的带通滤波；根据China_information可知，15个电影片段共来自6部电影。对应三种情绪（积极、消极、中性）。有文件可知，
基于seed数据集的脑电情绪识别（附论文和源码）（改进的循环神经网络（简单循环单元神经网络）和集成学习）并提取了微分熵、功率谱等特征
qq_45874683的博客
03-08 6180
论文和源码链接： 介绍一篇2020年的基于seed数据集的脑电情绪识别的论文 摘要 本研究的目的是开发一个基于脑电图的情绪识别系统，用于识别三种情绪：积极情绪、中性情绪和消极情绪。到目前为止，各种用于自动情感识别的建模方法已经被报道。然而，情感过程中的时间依赖性并没有得到充分考虑。为了掌握脑电的时间信息，我们采用了深度循环（SRU）神经网络，该网络不仅能够处理序列数据，而且能够解决常规循环神经网络（RNN）中长期依赖的问题。在训练情绪模型之前，采用双树复小波变换（DT-CWT）将原始脑电信号分解为五个
使用RGNN训练和测试EEG公开的SEED数据集
KPer_Yang的博客
02-20 1895
使用RGNN训练和测试EEG公开的SEED数据集
脑电项目探索和实现(EEG) (上)：研究数据集选取和介绍SEED
KPer_Yang的博客
01-07 5608
SEED脑电数据-情绪识别
seed数据集相关代码整理
07-01
上交的seed数据集，研究较少，下面是收集的一些工程文件，可以学习一下。前面是算法，后面是准确率。 1.4D-CNN，94% 2、新算法，93% 3.rgnn，67% 4.CNN+SVM，73% 5.DANN（数据，代码） 6.EEG_Classification_-...
seed--数据格式说明
02-08
地震通用数据格式seed的格式说明，很实用，中国地震局统一编制。
seeds、wine数据集arff版
03-18
wine、seeds的arrf版本，可用于聚类分析或者分类分析的性能判断。
MATLAB的疲劳检测代码-EEG_DriverFatigue:从记录的EEG信号中提取特征以使用ML/DL混合分类器检测驾驶员疲劳
05-23
MATLAB的疲劳检测代码脑电图检测驾驶员疲劳 该项目是2019年悉尼科技大学的一项大学研究项目的一部分。目标是开发一种算法，用于检测实时EEG数据流中的驾驶员疲劳程度。 包含从项目中获得的所有结果的详细项目也包含在存储库中。 在此仅发布MATLAB中的特征提取。 鼓励所有用户扩展此处显示的特征提取或根据这些特征提出一种改进的驾驶员疲劳检测方法。 该自述文件将指导用户完成整个MATLAB的设置，以便该程序可以在您的本地计算机上运行。 入门 由于应用了监督学习方法来解决检测任务，因此需要标记的数据集。 此类数据集已在此处记录和发布：。 需要下载所有名为“ 1.zip”到“ 11.zip”的文件夹，并将它们解压缩到本地计算机上的文件夹中。 预处理所有脑电图通道 打开并将路径变量设置为带有EEG数据的字典。 该脚本从下载中打开原始EEG时间信号，将其拆分为自定义检测时期（fe 1秒），并分配标签（0正常，1疲劳）。 具有0.5 Hz至50 Hz的通带的带通滤波器应用于时间信号。 因此，从信号中去除了高频噪声和DC偏移，而不会丢失用于疲劳检测的相关EEG信号。 用户可以选择此处要提取的给定的E
kaggle数据集汇总_脑电(EEG)等公开数据集汇总
weixin_39721370的博客
11-21 2278
EEG-Datasets，公共EEG数据集的列表。运动想象，情绪识别等公开数据集汇总​mp.weixin.qq.com运动想象数据 1. [Left/Right Hand MI](Supporting data for "EEG datasets for motor imagery brain computer interface"): Includes 52 subjects (38 val...
zju眨眼数据集_运动想象，情绪识别等公开数据集汇总
weixin_42298876的博客
12-30 2475
运动影像数据Left/Right Hand MI: http://gigadb.org/dataset/100295Motor Movement/Imagery Dataset: https://www.physionet.org/physiobank/database/eegmmidb/Grasp and Lift EEG Challenge: https://www.kaggle.com/c/...
SEED：基于SEED数据集的理解
IN year
03-16 2270
研究影响情绪关键频段和信道，选择了4、6、9、12个通道进行实验。1.与积极、中性和消极情绪相关的神经特征确实存在，并且他们在不同个体之间存在共性。2.30次实验，即在两次不同的时间进行实验。研究情绪识别中的脑电图稳定性。1.调查了三种情绪的稳定神经模式。2.在研究情绪识别任务中，还应该考虑性别、年龄和种族等重要因素。
SEED-IV数据集介绍学习笔记
weixin_44830770的博客
06-17 5261
SEED四分类数据集介绍 前文 在实验之前，我们选择了168个电影片段作为四种情绪（快乐、悲伤、恐惧和中性）的素材库。44名参与者（22名女性，均为大学生）被招募来评估他们在观看电影剪辑时的情绪，用四种离散情绪（快乐、悲伤、中性和恐惧）的关键词，并从两个维度对10个点（从-5到5）进行评分：价格和唤醒。价码从悲伤到快乐不等。唤醒范围从平静到兴奋。不同电影剪辑的平均分级分布如图3-6所示。 如图所示，这些条件在价格和唤醒等级方面存在显著差异，反映了在实验室环境中目标情绪的成功激发。最后，从在参与者之
EEGNet 处理SEED数据集
kakunamatala的博客
11-27 350
定义对应SEED数据集的子类# 读入多个文件。
eeg数据集(seed)cnn
05-11
EEG数据集(SEED)是一个包含240个受试者的EEG信号的数据集，这些受试者被分为两组：标准组和ADHD组，每个组有120个人。ADHD组中的人患有注意缺陷多动障碍。该数据集被广泛应用于神经科学和机器学习领域中的EEG分析和诊断研究。 为了对该数据集进行分类，研究人员使用了卷积神经网络(CNN)。CNN是一种深度学习算法，能够自动学习和提取图像、语音和时间序列数据等复杂数据中的特征。在此研究中，CNN被用于分析EEG信号，以预测一个人是否患有注意缺陷多动障碍。 对于该研究，所使用的CNN模型经过了预处理、特征提取、卷积和池化的步骤。在训练期间，模型与数据集一起训练，以使其能够自动识别EEG信号的特征，并准确地分类两个组别中的受试者。最终，该研究证明了CNN模型在EEG信号分类的任务中的高精度和有效性，为神经科学和医学研究提供了重要的工具和技术。
评论 40
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值