Eng

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:
Responsive image
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。
Responsive image
Responsive image
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:
Responsive image

数据集概述

SEED-VIG数据集由四部分组成。
  1. 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)。
  2. 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)。
  3. 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)。
  4. 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]