[论文解读] MindBigData 2022 A Large Dataset of Brain Signals

David Vivancos, Felix Cuesta|arXiv (Cornell University)|Dec 27, 2022

EEG and Brain-Computer Interfaces被引用 4

一句话总结

MindBigData 2022 发布了一个大规模、公开可用的脑电信号数据集，涵盖多种人类活动，数据采集自商用和自定义的脑电图（EEG）设备。该数据集支持对从原始EEG信号解码心理和身体任务的机器学习模型进行基准测试，推动脑机接口技术的发展，其应用涵盖医疗保健、工业和人机交互领域。

ABSTRACT

Understanding our brain is one of the most daunting tasks, one we cannot expect to complete without the use of technology. MindBigData aims to provide a comprehensive and updated dataset of brain signals related to a diverse set of human activities so it can inspire the use of machine learning algorithms as a benchmark of 'decoding' performance from raw brain activities into its corresponding (labels) mental (or physical) tasks. Using commercial of the self, EEG devices or custom ones built by us to explore the limits of the technology. We describe the data collection procedures for each of the sub datasets and with every headset used to capture them. Also, we report possible applications in the field of Brain Computer Interfaces or BCI that could impact the life of billions, in almost every sector like healthcare game changing use cases, industry or entertainment to name a few, at the end why not directly using our brains to 'disintermediate' senses, as the final HCI (Human-Computer Interaction) device? simply what we call the journey from Type to Touch to Talk to Think.

研究动机与目标

• 创建一个全面、最新的脑电信号数据集，涵盖多种人类活动，以支持神经信号解码研究。
• 为在原始EEG数据上评估机器学习模型提供标准化基准。
• 通过商用和自定义设备探索EEG技术的极限。
• 推动脑机接口（BCI）的创新，实现其在医疗保健、工业和娱乐等现实场景中的应用。
• 推动人机交互从“输入”到“触摸”到“说话”再到“思考”的演进。

提出的方法

• 使用商用和自定义的EEG头戴设备采集脑电信号，记录在各种认知和身体活动期间的脑电信号。
• 每个子数据集均附有详细的设备类型、设置方式和实验流程说明。
• 数据集包含与任务标签同步的原始EEG信号，标签代表心理或身体活动。
• 应用了标准化的预处理和标注协议，以确保各子数据集之间的一致性和可重复性。
• 以结构化格式发布数据集，支持与机器学习框架的集成。
• 通过脑机接口的潜在应用场景展示其应用潜力，突出从触摸和语音等传统输入方式向直接脑控交互的转变。

实验结果

研究问题

• RQ1 使用大规模、多样化的数据集，机器学习模型在从原始EEG信号中解码心理和身体任务方面的表现如何？
• RQ2 消费级和自定义EEG设备在捕捉特定任务相关脑活动方面的性能极限是什么？
• RQ3 在任务和受试者方面数据集的多样性如何影响脑信号解码模型的泛化能力？
• RQ4 该数据集在开发现实世界脑机接口方面的实际意义是什么？
• RQ5 原始EEG数据在多大程度上能够实现从传统人机交互模态向直接脑控交互的转变？

主要发现

• MindBigData 2022数据集汇集了来自多个受试者在执行广泛认知和身体任务过程中的大规模EEG信号。
• 数据集包含来自商用和自定义EEG设备的数据，支持对信号质量与可用性的对比分析。
• 标准化的数据采集流程确保了可重复性，并促进了不同机器学习模型之间的基准测试。
• 该数据集支持开发在医疗保健、工业和娱乐领域具有应用潜力的脑机接口，展现出实际应用前景。
• 该工作推动了“思考”作为主要人机交互模态的愿景实现，超越了打字和说话的交互方式。
• 该数据集公开可用，促进了开放科学，加速了神经信号解码与脑机接口创新的研究进程。