.png){kind=icon}
返回
A Multitasking EEG Dataset for Cognitive Workload Assessment with Controlled Task Difficulty
.png){kind=icon}
OA
AI
DOI：10.1038/s41597-026-07607-3.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
认知负荷影响注意力、记忆和决策。我们介绍了iNCog-EEG（用于负荷评估的理想与噪声认知脑电图）数据集，该数据集来自40名参与者执行多任务活动，难度水平各不相同。参与者完成了四项并行任务：数学问题、记忆匹配（N-Back）、物体（视觉）跟踪和抑制任务（点击任务），以及休息基线。该数据集包括30条干净记录和10条含自然伪影的记录，允许研究无伪影和含噪声信号。它支持二分类认知负荷（无负荷vs.有负荷）和层次分类（低、中、高负荷）。通过相关性、时频和拓扑分析验证显示一致的神经模式，如额叶θ波增强和后叶α波活动减弱。重复测量ANOVA统计验证确认了不同负荷水平间的显著神经差异，而基础MLP（多层感知器）和XGBoost（极端梯度提升）模型达到最高87.48%的二分类和82.80%的三分类准确率，表明即使在含噪声EEG条件下也能可靠分离负荷。该数据集免费提供，支持认知负荷分类、信号质量评估和自适应BCI（脑机接口）开发。
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
6.9
论文数:
3.9K
被引数:
3.8W
机构
引用论文
暂无论文信息