DEAP数据库介绍--来自于音乐视频材料诱发得到的脑电数据

更多技术干货第一时间送达

DEAP数据库简介


DEAP[1](Database for Emotion Analysis usingPhysiological Signals),该数据库是由来自英国伦敦玛丽皇后大学,荷兰特温特大学,瑞士日内瓦大学,瑞士联邦理工学院的Koelstra 等人通过实验采集到的,用来研究人类情感状态的多通道数据,可以公开免费获取。该数据库是基于音乐视频材料诱发刺激下产生的生理信号,记录了32名受试者,观看40分钟音乐视频(每一个音乐视频1分钟)的生理信号和受试者对视频的Valence, Arousal, Dominance,Liking的心理量表,同时也包括前22名参与者的面部表情视频。该数据库可以研究多模态下的生理信号,对情绪脑电的研究具有非常重要的意义。

生理信号采用512Hz采样,128Hz复采样(官方提供了经过预处理的复采样数据)每个被试者的生理信号矩阵为40*40*8064(40首实验音乐,40导生理信号通道,8064个采样点)其中40首音乐均为时长1分钟的不同种类音乐视频,40导生理信号包括10-20系统下32导脑电信号、2 导眼电信号(1导水平眼电信号,1导竖直眼电信号)[眼电信号EOG]、2导肌电信号(EMG)、1导GSR信号(皮电)、1导呼吸带信号、1导体积描记器、1导体温记录信号。8064则是128Hz采样率下63s的数据,每一段信号记录前,都有3s静默时间。

在采集的40个生理信号通道中,前32个通道采集的为脑电信号,脑电通道按照国际10-20系统选择32个通道的位置,分别为Fp1、AF3、F3、F7、FC5、FC1、C3、T7、CP5、CP1、P3、P7、PO3、O1、Oz、Pz、Fp2、AF4、Fz、F4、F8、FC6、FC、Cz、C4、T8、Cp6、Cp2、P4、P8、PO4、O2。10-20系统如下图所示。

图1 32电极的国际10-20系统(标记为灰色圈),图片来源[2]

DEAP数据库数据采集

DEAP 数据库所使用的脑电采集设备为Biosemi ActiveTwo系统,采样频率为512Hz。实验使用Neurobehavioral公司提供的 Presentation 软件来播放音乐视频,播放视频的电脑是Pentium 4系统,显示器规格大小为1280*1024。

Biosemi ActiveTwo脑电采集系统主要组成为:128 导的电极帽、信号接收器、A/D转换 器和一个正常运行的笔记本电脑。该系统最多可以采集到128个导联EEG信号,而实际采集 中选择性的只用到了32个导联电极帽。32导电极帽的位置采用了国际公认的10/20导联标准进行放置,如图1灰色圈所示,电极安放的位置分布基本覆盖了脑部的四大区域,间距适中,能够有效的采集到所需要的脑电原始 数据。脑电采集设备在使用前需要进行相关的预设置,比如,滤波设置,归零设置,检查全 部的导联状态是否在连通的状态。

DEAP数据库总共选取了32名参与者进行实验,所有人都是在校人员,其中包括16名男 性和16名女性,年龄范围为19~37岁,平均年龄为26.9岁。[注:所有参与者身体状况良好,精神状态良好,没有任何的精神疾病或脑部受损,都是右手有利]

实验开始时,需做一些前期准备:

  1. 保证参与者是出于完全自愿的情况下参与本次实验的测试过程;

  2. 参与者需要阅读相关的实验注意事项和实验执行流程,其中注意事项包括因身体晃动、情绪紧张等因素造成的采集误差。

  3. 参与者需要填写个人的基本信息表,检查电极是否接触良好,电极帽是否正确放置。

  4. 参与者带上电极帽,调整好最佳的身体和心理状态,在准备就绪后按下按钮开始试验。

脑电采集的具体流程如下图所示,主要包括以下几个步骤:

(1)实验进展程度的序号。在屏幕上会持续2秒钟,向参与者提示当前正在进行的是第几个视频顺序;

(2)基准记录(baseline recording)的采集。此过程会持续5秒钟,屏幕上会有一个十字架提示符号,此时参与者尽量保持平静,记录脑电信号开始的标记;

(3)音乐视频播放。此过程会持续63秒,前3秒是每次视频转换的时间,后60秒是音乐视频真正播放的时间,参与者在此过程中,需要尽量保持身体平衡,减少移动;

(4)自我评估打分。参与者在观看完一次视频后,需要及时的进行自我评估,采用自我评估(Self-assessmentManikins,SAM)问卷调查表。此过程会持续将近15秒左右。参与者在进行评估时,需要根据每次看完音乐视频后的真实情感体验;

(5)开始下一个实验。重复第(3)~(4)步,直到40个音乐视频材料全部播放完为止。

每个参与者需要进行40次实验,并且在每次实验结束后都要进行及时的自我评估,每个参与者需要在SAM问卷调查表上进行40次自我评估。

SAM 情绪类别评估通过形象化的人物模型代表不同状态下的情绪,愉悦度(Valence)和唤醒度(Arousal)来度量两种类别的情绪状态,愉悦度表示人的心情愉悦程度,变化范围由消极状态(Negative)逐渐过渡到积极状态(Positive),对应的是由数字1到9的打分尺度来衡量;唤醒度表示人的状态兴奋程度,变化范围由平静状态(Calm)逐渐过渡到兴奋状态(Excited),对应的也是由数字1到9的打分尺度来衡量。每位参与者需要在每次实验后选择代表情绪的分值。参与者每次在观看不同的视频后产生的不同情绪,都可以进行SAM标准来量化,用作后面的情绪分类的类别和识别分析。

参考文献

[1]Koelstra S , Muhl C , Soleymani M , et al. DEAP:A Database for Emotion Analysis ;Using Physiological Signals[J]. IEEETransactions on Affective Computing, 2012, 3(1):18-31

[2]基于脑电波减缓焦虑情绪的音乐再构建研究

[3]Study on Music Evoked Emotion Recognition Based on EEG Analysis

[4]基于脑电信号的情绪识别研究

[5]P. C. Petrantonakisand L. J. Hadjileontiadis, “Eeg-based emotion recognition using hybrid filteringand higher order crossings,”in Affective Computing and Intelligent Interaction andWorkshops, 2009. ACII 2009. 3rd International Conference on,2009, pp. 1-6.

[6]P.Petrantonakisand L.Hadjileontiadis, “A Novel Emotion Elicitation Index Using Frontal Brain Asymmetry forEnhanced EEG-Based Emotion Recognition.”IEEE Transactions on Information Technology in Biomedicine, vol. 15, no.5, pp. 737-746 ,Sep. 2011.

[7]K.Schaaff and T. Schultz, “Towards an EEG-based Emotion Recognizer for Humanoid Robots,”in The 18th IEEE International Symposium on Robot and Human InteractiveCommunication,2009, pp. 792-796.

更多阅读

EEG信号特征提取算法

EEMD算法原理与实现

EMD算法原理与实现
EEGNet: 神经网络应用于脑电信号

信号处理之倒频谱原理与python实现

信号处理之功率谱原理与python实现

脑电信号滤波-代码实现

运动想象系统中的特征提取算法和分类算法

特征提取算法 | 共空间模式 Common Spatial Pattern(CSP)

(0)

相关推荐