SEED-VIG 实验设定
我们开发了一个模拟驾驶系统，用于收集脑电信号和眼电信号，以及标记这些信号。
在一辆真实的汽车前方的大型LCD屏幕上显示了一条四车道的高速公路场景，该汽车没有不必要的发动机和其他组件。
软件中的车辆移动由方向盘和油门踏板控制，场景会根据参与者的操作实时更新。
道路主要是笔直且单调的，目的是更容易地诱导受试者产生疲劳。
模拟驾驶系统和实验场景如下所示：
大多数实验在午餐后的下午早些时候进行，此时昼夜节律导致的嗜睡达到高峰，更容易诱导疲劳。
整个实验的持续时间约为2小时。要求参与者在模拟的、单调的环境中驾驶汽车。
我们使用Neuroscan系统在实验过程中记录脑电图和眼电图。
特征提取中使用的通道如下所示。
此外，参与者还佩戴
SMI眼动追踪眼镜以记录他们的眼动。
然后，我们计算了参与者在实验期间的PERCLOS指标值，并将其用作警觉性标签。
特征提取
对于颞叶和枕叶通道，我们直接在上述频带中提取PSD和DE特征。
对于前额通道，我们通过ICA和减法方法将原始脑电信号分解为前额脑电信号（主要与受试者的大脑活动相关）和眼电信号（主要与受试者的眼动引起的电场波动相关）。
眼电组件随后被用来生成36个与眼动相关的特征。
SMI眼动追踪眼镜提供了关于眼睛闭合的信息，
因此，我们可以简单地通过以下公式计算PERCLOS标签：
数据集概述
SEED-VIG数据集由四部分组成。
-
脑电特征包括：
-
EEG_Feature_2Hz：来自总频带（1~50 Hz）的脑电特征（功率谱密度：PSD，差分熵：DE），频率分辨率为2 Hz。
字段"psd_movingAve"、"psd_LDS"、"de_movingAve"和"de_LDS"分别表示使用移动平均的PSD、使用线性动态系统的PSD、使用移动平均的DE和使用线性动态系统的DE。
数据格式为通道*样本数*频带（17*885*25）。
第一维度'通道'中的前1-5对应于颞叶脑区，后7-17对应于后部脑区。
-
EEG_Feature_5Bands：该部分与EEG_feature_2Hz文件类似，只是脑电特征（PSD，DE）是从五个频带提取的：
delta（1~4 Hz）、theta（4~8 Hz）、alpha（8~14 Hz）、beta（14~31 Hz）和gamma（31~50 Hz）。
数据格式为通道*样本数*频带（17*885*5）。
-
前额脑电特征文件的架构与脑电特征相似，但数据张量只有四个通道（4*885*25和4*885*5）。
-
眼电特征。字段"features_table_ica"、"features_table_minus"和"features_table_icav_minh"
表示对应于使用ICA和减法方法分离VEO和HEO的前额眼电特征。数据格式为样本数*特征维度（885*36）。
-
PERCLOS标签文件包含从眼动追踪数据计算出的连续警觉性标签（范围从0到1）。
下载
下载SEED-VIG数据集
参考文献
如果您觉得该数据集对您的研究有帮助，请在您的出版物中添加以下参考文献。
1. Wei-Long Zheng and Bao-Liang Lu, A multimodal approach to estimating vigilance using EEG and forehead EOG.
Journal of Neural Engineering, 14(2): 026017, 2017.
[链接]
[BibTex]
