编辑推荐：
为解决空间导航能力评估及相关认知研究难题，研究人员开展 “Electrooculography Dataset for Objective Spatial Navigation Assessment in Healthy Participants” 主题研究。收集 27 名健康受试者 EOG 信号等数据，该数据集对研究空间导航能力意义重大。
在探索人类大脑奥秘的征程中，空间导航能力一直是备受关注的焦点。它不仅仅关乎人们在日常生活里找路、辨别方向，更是与大脑的认知功能紧密相连。想象一下，在一个陌生的城市中，有人能迅速规划路线到达目的地，而有人却常常迷失方向，这背后正是空间导航能力在起作用。对于患有神经退行性疾病（如阿尔茨海默病）的患者而言，早期的空间导航能力受损是一个重要的警示信号，因此精准评估这一能力至关重要。
然而，目前的评估方法存在诸多问题。传统的眼动追踪系统需要直接对准眼睛进行观测，在一些复杂环境下（比如光线变化大的地方）就容易 “失灵”，而且成本较高。现有的 EOG 数据集大多聚焦于技术性能和实际应用，却忽视了对认知能力的评估，这就如同在拼图游戏中缺失了关键的几块，使得我们对人类空间导航能力的认知不够完整。
为了填补这些空白，来自 K. N. Toosi University of Technology 的研究人员展开了深入研究。他们精心收集了 27 名健康大学学生（14 名男性和 13 名女性，平均年龄 21.78 ± 1.59 岁）在 Leiden Navigation Test（LNT）视频观看阶段的眼动电图（Electrooculography，EOG）信号，同时还获取了 Mini - Mental State Examination（MMSE）和 Wayfinding Questionnaire（WQ）的分数。研究成果发表在《Scientific Data》上，为该领域的研究开辟了新的道路。
研究人员在此次研究中运用了多种关键技术方法。首先，使用两通道 EOG 头带以 250Hz 的采样率记录眼动信号，其独特的电极布局能精准捕捉垂直和水平眼动。其次，借助精心设计的算法（Algorithm 1）对 EOG 信号进行处理，有效识别眨眼、扫视和注视等眼动事件。此外，通过标准化的评估量表（MMSE、WQ 和 LNT）对参与者的认知功能和空间导航能力进行量化。
研究结果如下：
- 数据记录丰富多样：研究产生了多个关键数据文件。Dataset.csv 包含参与者详细信息、各项评估得分以及 EOG 信号特征；LNT Image Questionnaire Answer.csv 记录了参与者对 LNT 图像问卷的回答及正确答案；EOG Data 部分既有原始的.mat 格式眼动信号记录，又有从信号中提取的关键指标的 Excel 文件，涵盖眨眼、扫视和注视等活动的相关数据。这些数据为深入分析眼动模式和空间导航能力提供了充足的信息。
- EOG 数据质量可靠：在技术验证方面，研究人员采取了一系列措施确保数据质量。记录设备配备了低通（截止频率 20Hz）和高通（截止频率 0.05Hz）滤波器，有效去除噪声和基线漂移。每次记录前都进行校准和验证，保证测量误差在可接受范围内。同时，持续监测电极阻抗，减少信号干扰，使得 EOG 数据具有高时间分辨率、低噪声水平等优点，为后续分析奠定了坚实基础。
- 数据可用性高：数据收集使用 Matlab R2023b，且与其他 MATLAB 版本兼容。相关代码在 Figshare 和 GitHub 上公开，方便其他研究人员获取和使用，极大地促进了该领域的研究交流与发展。
综合来看，本研究构建的 EOG 数据集为研究人员提供了一个宝贵的资源，有助于深入探究空间导航能力与眼动模式之间的关系，进一步理解人类的认知功能。通过分析这些数据，能够更精准地评估个体的空间导航能力，为早期发现认知障碍、评估海马体功能以及开发改善导航行为的方法提供有力支持，尤其对老年人和神经系统疾病患者意义重大。不过，研究也存在一定局限性，如 EOG 空间精度相对较低，信号质量易受电极放置和皮肤接触等因素影响。但这也为后续研究指明了方向，激励更多科研人员探索更完善的评估方法和技术，推动生命科学和健康医学领域在空间导航与认知功能研究方面不断前进。
