论文题目：

High-density scalp electroencephalogram dataset during sensorimotor rhythm-based brain-computer interfacing

中文翻译：基于感觉运动节律的脑机接口中的高密度头皮脑电图数据集

期刊：Scientific Data 影响因子：8.501分

发表时间：2023年6月

发表网址：https://doi.org/10.1038/s41597-023-02260-6

摘要：

人类神经活动的实时功能成像及其闭环反馈能够自主控制目标大脑区域。特别是，脑机接口（BCI）。尽管各种研究报告了头皮脑电图（EEG）探测的运动皮层活动的自我调节，但尚不清楚其神经生理学过程，实验条件或BCI设计如何影响BCI学习的变异性。在本研究中，我们提供了使用基于感觉运动节律（SMR）的BCI阶段的EEG数据，该数据由4个单独的数据集组成。所有脑电图数据均使用高密度头皮脑电图设备（EGI）采集，该设备包含覆盖整个头部的128个通道。所有被试都被指示执行右侧运动的运动图像，作为基于与任务相关的SMR幅度功率衰减（即与事件相关的不同步）控制BCI的过程。该数据集将使研究人员能够探索BCI学习效率变异性的潜在来源，并促进后续研究以测试数据集探索的明确假设。

实验方法：

本集合中提供的四个数据集使用相同的实验设置来收集基于 BCI 的神经反馈期间的高密度头皮脑电图。以 1000 Hz 采样率测量 EEG 信号，并使用 HydroCel 高密度网状电极帽 (EGI, Eugene, USA)。根据国际 10-10 电极位置放置电极。然后用GES 400 (EGI, Eugene, USA)放大和数字化EEG信号。Cz和CPz通道分别设置为参考通道和接地通道，被试坐在舒适的椅子上，并通过被试面前的显示器提供与实验和神经反馈相关的说明。

实验配置：（a） 用于在线BCI操作的电极位置。（b） 每个数据集中使用的试验的时间过程。

数据记录：

所有数据集都以EEG-BIDS格式存入OpenNeuro数据存储库。所有脑电图测量值保存为edf格式。每个数据集的链接都可以在 github 存储库 （https://github.com/Junichi-Ushiba-Laboratory/pj-hd-smrbmi） 的“readme.md”文件中找到。

技术验证：

评估了每个数据集的脑电图测量质量。从SM1对侧到想象的手（C3通道）的功率谱表现出典型的1 / f斜率和约10 Hz的峰值。使用1 s滑动窗口对脑电信号进行短期傅里叶变换，重叠率为90%。

来自四个数据集的功率谱。

每个数据集的SMR-ERD的时频表示和地形图

使用基于频谱功率的特征的神经解码性能以被试的方式分析了将频谱脑电功率分类为静息状态和运动图像任务的神经解码性能。使用小提琴图可视化交叉验证精度的分布

代码可用性：

用于重现数据质量检查结果的自定义代码可从 GitHub 存储库 （https://github.com/Junichi-Ushiba-Laboratory/pj-hd-smrbmi） 获得。

参考文献：

Iwama, S., Morishige, M., Kodama, M. et al. High-density scalp electroencephalogram dataset during sensorimotor rhythm-based brain-computer interfacing. Sci Data 10, 385 (2023). https://doi.org/10.1038/s41597-023-02260-6

以上内容整理参考以上文献，更多内容请参考原文献，本内容仅供参考，如有疑问及侵权，请后台联系我们！