SEED Dataset

SEED-MYA实验设定

实验中使用了45个电影片段（积极、中性和消极情绪）作为刺激。为确保对缅甸参与者的文化和语言相关性， 候选池包括来自流行缅甸电影的标志性场景和宁静的自然风景。总共收集了112个视频片段，包括45个积极、37个消极和30个中性片段。 根据主观评分，我们为实验选择了45个片段：15个积极、15个消极和15个中性片段。所有刺激材料均为缅甸语。

每个电影片段的持续时间约为3到4分钟。 每个电影片段都经过精心编辑，以创造连贯的情绪引发并最大化情绪意义。

每个受试者参加了三次实验（三个会话），每个会话有15个试次。 三个会话使用不同的视频片段；因此，每个受试者总共观看了15 × 3 = 45个片段。 每个试次包括5秒的准备提示、3-4分钟的视频片段、简短的自我评估间隔和15秒的休息时间。 呈现顺序经过安排，使得针对相同情绪的两个电影片段不会连续显示。 在反馈环节，参与者被要求通过在观看每个片段后立即完成问卷来报告他们对每个电影片段的情绪反应。 详细的实验流程如下所示： 脑电信号使用ESI Neuro-Scan系统以1000 Hz的频率记录，采用62通道设置，遵循国际10-20系统， 眼动使用Tobii Pro Lab基于屏幕的眼动追踪器记录，在每个会话前进行校准， 并与脑电信号同步，以实现两种模态的时间对齐。脑电电极布置如下图所示。

受试者

20名缅甸受试者（11名男性和9名女性；平均年龄：28.15岁，标准差：7.90岁）参加了实验。 为保护个人隐私，我们隐藏了他们的姓名，并用1到20的数字标识每个受试者。 所有参与者都是在中国上海的大学生，来自缅甸的不同地区。

数据集摘要

SEED-MYA的详细信息如下所示：

1. 'Myanmar'文件夹包含四个子文件夹。
   1. 01-EEG-raw：包含.cnt格式的原始脑电信号，采样率为1000Hz。
   2. 02-EEG-DE-feature：包含使用1秒和4秒滑动窗口提取的DE特征以及读取数据的源代码。
   3. 03-Eye-tracking-excel：包含眼动追踪信息的Excel文件。
   4. 04-Eye-tracking-feature：包含pickle格式的眼动追踪特征以及读取数据的源代码。
2. 'code'文件夹包含本文使用的模型源代码。
   
   1. SVM、KNN和逻辑回归源代码。
   2. DNN源代码。
   3. 传统融合方法。
   4. 双模态深度自编码器。
   5. 带有注意力机制的深度典型相关分析。
   6. 源代码也可在GitHub上获得。
3. 'information.xlsx'：包含实验和受试者的信息。
   
   1. 对于电影片段，积极、消极和中性情绪分别标记为1、-1和0。
   2. 为了构建分类器，我们分别对积极、消极和中性情绪使用2、0、1 （即电影片段标签加一）。为方便单模态使用， 我们在脑电和眼动特征文件中都保存了相应的情绪标签。 在多模态实验中，只使用一个共享标签，因为同一试次的眼动追踪标签 与脑电标签相同。

下载

下载 SEED-MYA

参考文献

如果您觉得本数据集对您的研究有帮助，请在您的出版物中添加参考文献[1]。

1. K. P. P. Aung, H. -L. Yin, T. -F. Ma, W. -L. Zheng and B. -L. Lu, "SEED-MYA: A Novel Myanmar Multimodal Dataset for Enhancing Emotion Recognition," in IEEE Transactions on Affective Computing, vol. 16, no. 4, pp. 3183-3197, Oct.-Dec. 2025. [link] [BibTex]

2. K. P. Pa Aung, H. -L. Yin, T. -F. Ma, W. -L. Zheng and B. -L. Lu, "A Multimodal Myanmar Emotion Dataset for Emotion Recognition," 2024 46th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC), Orlando, FL, USA, 2024, pp. 1-4. [link] [BibTex]