编辑推荐：
为深入探究人类视觉处理机制，缓解 EEG 视觉解码样本少易过拟合问题，研究人员开展多主体多会话（MSS）EEG 数据集研究。结果显示该数据集可助力多种研究，对推进基于 EEG 的脑机接口（BCI）研究意义重大。
在神奇的大脑世界里，视觉感知就像一场精妙的演出，人类能在短短几百毫秒内精准识别物体，可背后的视觉处理机制却仍藏着许多谜团。多年来，科研人员不断探索，尝试用各种范式去解读视觉皮层的 “语言”，可未知因素依旧不少，构建随时间变化的视觉感知模型更是困难重重。随着研究的深入，大家越发意识到大规模神经影像数据集的重要性，它就像一把潜在的钥匙，或许能打开视觉处理机制的大门。在众多神经影像技术中，脑电图（EEG）凭借捕捉大脑电活动的能力备受关注，过往研究已从中获取了不少视觉刺激响应的宝贵信息。但现有的 EEG 视觉响应数据集还存在不足，样本数量有限、图像刺激单一等问题制约着研究的进一步深入，这就迫切需要新的数据集来打破僵局。
为了攻克这些难题，中国科学院自动化研究所的研究人员挺身而出，开启了一项意义非凡的研究。他们精心打造了一个多主体多会话（MSS）的 EEG 数据集，该数据集涵盖了 32 名参与者对 10,000 张图像的 EEG 响应，这些数据跨越多个独立会话收集而来。这一数据集就像一个宝藏库，为众多研究提供了丰富的资源，对推进基于 EEG 的脑机接口（BCI）研究有着不可估量的价值，相关研究成果发表在《Scientific Data》上。
研究人员在这场探索之旅中，运用了多个关键技术方法。在实验设计上，采用快速序列视觉呈现（RSVP）和低速两种范式，让参与者观看不同呈现速度的图像。数据采集时，借助 128 通道 Quik - Cap 和特定放大器，以 1000Hz 的采样率收集原始信号，并按国际 10 - 20 系统放置 122 个湿电极和 2 个双极眼电（EOG）导联。在数据处理环节，运用 MNE 软件包对 EEG 信号进行预处理，包括带通滤波、陷波滤波等操作，最终得到预处理数据用于后续分析 。
下面来看看具体的研究结果：
- 行为结果：研究人员通过特殊图像检测任务和图片分类任务来评估参与者的表现。结果令人欣喜，大多数参与者在 RSVP 范式的特殊图像检测任务和低速范式的图片分类任务中，准确率都超过了 97%。这表明在数据收集过程中，参与者能够保持较高的注意力，为后续研究提供了可靠的数据基础。
- 会话内分类：为了探究数据集能否支持更精细的视觉识别，研究人员进行了会话内分类分析。他们对 100 个会话的语义分类结果进行研究，发现多数会话的分类准确率能达到约 10%，远超随机分类的 5%。不过，不同会话的准确率存在差异，部分会话超过 16%，而有些却接近随机水平。同时，不同参与者的表现也参差不齐，这意味着在基于 EEG 的 BCI 研究中，不同参与者的适应性有所不同。
- 跨会话分类：研究人员对完成五会话的参与者数据进行跨会话分类研究。结果显示，RSVP 范式中跨会话分类的准确率明显低于会话内分类。这一现象揭示了信号随时间的变异性给跨会话分类带来了巨大挑战，也为后续研究指明了需要攻克的方向。
- 跨主体分类：研究人员还开展了跨主体分类研究。结果表明，RSVP 范式中跨主体分类的准确率显著低于主体内分类。这说明不同主体间信号的变异性是跨主体分类面临的一大难题，也凸显了该数据集在研究不同主体信号差异方面的重要价值。
综合以上研究，研究人员得出结论：他们所构建的 MSS 数据集包含丰富的 EEG 信号数据，可有效用于探索人类视觉物体识别机制。同时，通过对不同范式、不同主体和不同会话的数据分析，发现了分类准确率存在差异，这为后续研究提供了关键信息。该数据集的出现，为研究 EEG 视觉响应特性、比较不同视觉范式的 EEG 响应差异以及设计跨主体和跨会话的 BCI 机器学习算法等研究提供了有力支持，在生命科学和健康医学领域具有重要的意义，有望推动相关领域的研究取得新的突破。
