印度脑电图与面部动作识别数据集1963-2021
数据来源：互联网公开数据
标签：脑电图,面部动作,深度学习,数据识别,EEG,噪声识别,用户行为
数据概述：
本数据集旨在支持开发和训练用于检测和分类由面部动作引起的脑电图（EEG）伪迹的深度学习模型。该数据集通过精准识别由特定用户动作（如眨眼或咬紧下巴）引起的EEG信号中的噪声模式，为EEG伪迹的识别提供了基础。数据采集使用Muse 2设备，该设备能捕捉四个电极上的脑电波活动。在受控条件下，参与者进行了指定的面部动作以生成不同的EEG伪迹。数据集分为两个主要文件夹：raw_data/文件夹包含三名受试者进行各种面部动作的未处理EEG记录；roi_data/文件夹包含相应的标签。文件命名遵循{受试者ID}/{标签}/{位置}_{试验号}.csv格式，其中受试者ID指个体参与者，标签指面部动作类型，位置指EEG头戴设备的佩戴位置，试验号代表试验编号。数据集包含五种不同的标签，分别代表由面部动作生成的五种不同的EEG伪迹：眨眼、左眼眨眼、右眼眨眼、咬紧下巴、抬眉毛。为了确保数据的多样性和鲁棒性，EEG设备在头部的三种不同位置（低、中、低与中之间）进行了佩戴。此数据集提供了来自多名受试者、多种标签和佩戴位置的广泛EEG信号，适用于训练深度学习模型以准确分类EEG伪迹。
数据用途概述：
该数据集适用于开发和训练深度学习模型以检测和分类由面部动作引起的EEG伪迹。研究人员可以利用此数据集来提高EEG信号处理的准确性，识别和减少伪迹干扰。此外，数据集也适用于相关领域的教育培训，帮助学习者理解EEG伪迹的来源和处理方法。
