#数据集#:并发脑电图、心电图和多剂量经颅电刺激行为的数据集
研究人员结合人类参与者的高密度脑电图 (EEG) 与经颅电刺激 (tES) 期间的生理和连续行为指标,提出了一个数据集。数据包括九种高清 tES (HD-tES) 类型,针对三个皮层区域(额叶、运动、顶叶),具有三种刺激波形(DC、5 Hz、30 Hz);超过 783 次总刺激试验,超过 62 个会话,包括 EEG、生理(ECG、EOG)和连续行为警觉性/警觉性指标。实验 1 和 2 包括参与者分别在三个 70 分钟和两个 70.5 分钟的会话中执行持续的警惕/警觉任务。在每次会话前后,研究者收集了人口统计学数据以及自我报告的健康问卷。参与者在实验 1 中接受了所有 9 种刺激类型,每个会话包括三种刺激类型,每种类型有 4 次试验。参与者在实验 2 中接受了两种刺激类型,每个会话对给定刺激类型进行 20 次试验。通过重复选择会话来测试参与者内部的可靠性。这个独特的数据集支持一系列假设检验,包括 tDCS/tACS 位置和频率、大脑状态、生理、疲劳和认知表现的相互作用。
数据集描述:
数据集概括图
数据集概括图:将高密度脑电图 (EEG) 与经颅电刺激 (tES;包括 tDCS 和 tACS) 期间的生理和连续行为指标相结合的数据集。数据包括九种高清晰度 tES (HD-tES) 类型,针对三个大脑区域(额叶、运动、顶叶),具有三种波形(DC、5Hz、30Hz),在 62 个会话中进行了超过 783 次总刺激试验 EEG、生理(ECG 或 EKG、EOG)和持续的行为警觉/警觉性指标。
实验1:示例参与者数据
实验概述:(a)行为任务。(b) 2D 中的 EEG 和刺激布局。(c) 带有刺激蒙太奇的 MRI 衍生 3D 头部模型。(d) 任务设置。(e) 实验 1 编程块设计和 (f) 触发细节。
数据格式:
- Raw EEG, ECG, EOG data in
.cnt
formant - Raw EEG, ECG, EOG data formated to comply with BIDS standard where data are in
.set
format (EEGlab) - Raw downsampled EEG, ECG, EOG data (1k Hz) in
.mat
format for Experiment 1 and Experiment 2 (works with MATLAB and Python) - Raw behavioral CTT data
.csv
format - Questionnaire data in
.xlsx
format
文件目录:
+GX
|--Analysis
|--GX_Exp1_CTT_GeneralAnalysis.m
|--GX_Exp2_CTT_GeneralAnalysis.m
...
|--Data
+--0101 (Participant number: 01 and session number: 01)
+--0101
|--ptracker-0101.csv (Behavioral Data)
|-- ptracker-summary-0101..txt
|--GX_01_2019-09-24_15-45-53.cnt (EEG, ECG, EOG data)
|--GX_01_2019-09-24_15-45-53.evt
|--MATLABfilestream0101924.mat
|--MATLABfilestream0101924.txt
+--0102 (Participant number: 01 and session number: 02)
+--0103 (Participant number: 01 and session number: 03)
+--0104 (Participant number: 01 and session number: 04)
...
|--Documents
|--Results
绘制为时间序列、频谱图和行为 CTT 的试验,类似于下面。可通过如下链接找到。
https://figshare.com/articles/figure/Dataset_of_Concurrent_EEG_ECG_and_Behavior_with_Multiple_Doses_of_transcranial_Electrical_Stimulation-_Stimulation_Trials_Timeseries/14810442
下采样:
由于原始数据以 2 kHz 采样,因此在某些机器上移动和加载文件可能会变得困难。如果想对数据进行下采样,请使用 GX_DataDownSample.m 脚本。该脚本具有一个 GUI,允许您根据要对数据进行下采样的程度粘贴文件名、位置和下采样因子。该脚本假定文件结构如上所示。
数据存放地址:
https://figshare.com/authors/Nigel_Gebodh/8797454
https://github.com/ngebodh/GX_tES_EEG_Physio_Behavior
论文参考
Gebodh, N., Esmaeilpour, Z., Datta, A. et al. Dataset of concurrent EEG, ECG, and behavior with multiple doses of transcranial electrical stimulation. Sci Data 8, 274 (2021).
https://doi.org/10.1038/s41597-021-01046-y
相关文章
- 数据透视表上线!如何在纯前端实现这个强大的数据分析功能?
- 最实用的高并发任务执行架构设计 | 架构篇
- java多线程并发之旅-14-lock free queue 无锁队列[通俗易懂]
- 深入解析java虚拟机:垃圾回收,最大并发标记清除垃圾回收器
- 系统架构设计—高并发场景微服务实战(三)
- 一期Go群问答-并发控制-数据竞争-错误与异常
- Sqlserver 高并发和大数据存储方案
- 据访问利用MongoDB实现安全高效的并发数据访问(mongodb并发数)
- Linux 并发性能测试(linux并发测试)
- 管理提升MySQL数据库的并发量管理能力(mysql数据库并发量)
- Go 并发编程中的经验教训
- Redis实现高效并发计数,让数据运作更加顺畅(redis并发计数)
- 使用乐观锁在MySQL中实现数据并发控制(乐观锁mysql)
- 使用MySQL NOWAIT轻松处理多并发查询问题(mysqlnowait)
- MySQL锁:面对多并发环境的解决方案(mysql 锁情况)
- 深入解析mysql中的事务隔离级别,提升数据库并发性和数据一致性(mysql中事物隔离级别)
- 存储海量数据,Redis存储更便捷(并发量多大用redis)
- 优化并发 使用Redis队列取数据(并发redis队列取数据)
- Redis实现高效的金额计算处理(redis高并发金额计算)
- 方案使用Redis展现高并发解决之道(redis高并发解决)
- 解决Redis高并发下数据错乱的技术挑战(redis高并发数据错乱)
- Redis实现高并发订单扣库存(redis高并发扣库存)
- Redis秒杀解决高并发取数据的终极方案(redis高并发取数据)