.png){kind=icon}
返回
An EEG Dataset for Visual Imagery-Based Brain–Computer Interface
.png){kind=icon}
OA
AI
DOI：10.1038/s41597-025-06512-5.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着非侵入式脑机接口（BCI）技术的进步，解码高级认知活动已成为扩展人机交互的关键。基于视觉意象的BCI（VI-BCI）能够实现特定脑区的自主激活而无须外部提示，为沉浸式应用提供了新途径。然而，关于此类复杂认知任务的神经表征研究仍有限，且现有脑电图（EEG）数据集主要针对运动意象，阻碍了鲁棒VI解码模型的发展。本文介绍了一个EEG数据集，记录了22名参与者执行涉及三类（人物、动物和物体）共十种常见图像的视觉意象任务。每位参与者完成两轮实验，通过32导联以1000 Hz采样率记录EEG。该资源有助于克服VI研究中的数据同质化问题，并为探索神经可塑性、自适应解码算法和跨被试泛化提供基础，从而促进从受控实验向实际应用的过渡。
Keyword:
visual imagery
brain-computer interface
EEG dataset
cognitive decoding
neuroplasticity
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:
3.7K
被引数:
3.8W
机构
引用论文
ICLabel: An automated electroencephalographic independent component classifier, dataset, and websiteICLabel: 一个自动脑电图独立成分分类器、数据集和网站.png)
NeuroImageOAAI
NeuroImageIF0
OAAI分享收藏Towards an EEG-based Intuitive BCI Communication System Using Imagined Speech and Visual Imagery
PREAI
分享收藏A novel strategy for driving car brain–computer interfaces: Discrimination of EEG-based visual-motor imagery一种驱动汽车脑机接口的新策略：基于EEG的视觉-运动意象鉴别
OAAI
OAAI分享收藏Decoding of Intuitive Visual Motion Imagery Using Convolutional Neural Network under 3D-BCI Training Environment基于3D-BCI训练环境，利用卷积神经网络解码直觉视觉运动意象OAAI
OAAI分享收藏Exploring the Ability to Classify Visual Perception and Visual Imagery EEG Data: Toward an Intuitive BCI SystemElectronicsOAAI
ElectronicsIF0
OAAI分享收藏
查看更多内容