Video-EEG 编码解码数据集 KU Leuven
该数据集由 KU Leuven 电气工程系（ESAT）研究团队构建，包含 19 名视力正常或矫正正常的年轻参与者在观看精心挑选的 YouTube 视频时采集的脑电（EEG）数据
基本信息
资源简介
Video-EEG 编码解码数据集 KU Leuven
Video-EEG Encoding-Decoding Dataset KU Leuven 是一个公开的脑电（EEG）数据集，由 KU Leuven 电气工程系（ESAT）的研究团队构建。该数据集记录了 19 名视力正常或矫正正常的年轻参与者在观看一系列精心挑选的 YouTube 视频时采集的脑电信号，旨在支持视频刺激与 EEG 信号之间时间相关性识别的研究。数据集与一篇发表于 Journal of Neural Engineering 的论文直接关联，并配套公开了相关代码，适用于脑机接口（BCI）和 EEG 解码等研究方向。数据集采用 Creative Commons Attribution 4.0 International 许可发布，发布于 Zenodo 平台，发布时间为 2024 年。
【数据集背景】
该数据集的研究工作是在 KU Leuven 电气工程系（ESAT）开展的。其核心研究目标是对自然单次播放视频与 EEG 信号之间的时间相关性进行识别，相关成果发表于 Yao、Stebner、Tuytelaars、Geirnaert 和 Bertrand 于 2024 年发表在 Journal of Neural Engineering 上的论文《Identifying temporal correlations between natural single-shot videos and EEG signals》。该数据集正是这一研究工作的配套数据资源，用于支撑视频刺激条件下 EEG 信号的编码与解码分析。
【数据内容】
数据集包含脑电（EEG）数据，采集自 19 名年轻参与者。这些参与者在实验中观看了一系列经过精心挑选的 YouTube 视频。参与者的视力为正常或矫正正常。数据集的主题标签包括 BCI、EEG decoding 和 video stimuli，表明其内容围绕脑机接口、EEG 解码以及视频刺激展开。除上述信息外，源站未提供关于数据具体通道数、采样率、记录时长、文件格式或数据规模的进一步说明。
【采集与来源】
数据采集于参与者观看 YouTube 视频的过程中，记录其 EEG 信号。研究在 KU Leuven 电气工程系（ESAT）进行。数据集通过 Zenodo 平台发布，来源站为 doi.org。作者包括 Yao, Yuanyuan、Stebner, Axel、Tuytelaars, Tinne、Geirnaert, Simon 和 Bertrand, Alexander。发布时间为 2024 年。关于采集设备、电极布置、实验环境等具体技术细节，源站未提供。
【适用场景】
该数据集适用于脑机接口（BCI）和 EEG 解码相关研究，尤其是涉及视频刺激与脑电信号之间关系分析的任务。其设计目标对应自然单次播放视频与 EEG 信号之间时间相关性的识别，因此可用于编码与解码方向的实验研究。数据集的主题标签明确指向 BCI、EEG decoding 和 video stimuli 三个方向。除此之外的具体应用场景，源站未提供。
【使用方法】
使用该数据集时，需引用相关论文以及当前的 Zenodo 仓库。相关论文为 Yao, Y., Stebner, A., Tuytelaars, T., Geirnaert, S., & Bertrand, A. (2024). Identifying temporal correlations between natural single-shot videos and EEG signals. Journal of Neural Engineering, 21(1), 016018. doi:10.1088/1741-2552/ad2333。配套代码可在 https://github.com/YYao-42/Identifying-Temporal-Correlations-Between-Natural-Single-shot-Videos-and-EEG-Signals 获取。关于数据加载、预处理或分析流程的具体步骤，源站未提供。
【质量与限制】
数据集由 19 名视力正常或矫正正常的年轻参与者组成，样本量相对有限。参与者观看的是精心挑选的 YouTube 视频，刺激材料具有特定选择标准。数据集采用 Creative Commons Attribution 4.0 International 许可，允许在署名条件下使用。关于数据质量评估、噪声水平、伪迹处理或潜在偏差等具体信息，源站未提供。
【引用与许可】
使用该数据集时，需引用相关论文和当前的 Zenodo 仓库。论文引用格式为：Yao, Y., Stebner, A., Tuytelaars, T., Geirnaert, S., & Bertrand, A. (2024). Identifying temporal correlations between natural single-shot videos and EEG signals. Journal of Neural Engineering, 21(1), 016018. doi:10.1088/1741-2552/ad2333。数据集采用 Creative Commons Attribution 4.0 International 许可发布。相关代码仓库地址为 https://github.com/YYao-42/Identifying-Temporal-Correlations-Between-Natural-Single-shot-Videos-and-EEG-Signals。
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
免登录当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站：https://doi.org/10.5281/zenodo.10512413
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 部分平台提供 SDK，例如：
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据集大小约 32.79 GB。
数据说明
如果使用此数据集，请引用以下论文和当前的Zenodo存储库。该数据集在以下论文中有详细描述：[1] Yao, Y., Stebner, A., Tuytelaars, T., Geirnaert, S., & Bertrand, A. (2024). 识别自然单次视频与EEG信号之间的时间相关性。《神经工程杂志》，21(1)，016018。doi:10.1088/1741-2552/ad2333 相关代码可在以下网址获取：https://github.com/YYao-42/Identifying-Temporal-Correlations-Between-Natural-Single-shot-Videos-and-EEG-Signals?tab=readme-ov-file 引言 导致该数据集的研究工作是在KU Leuven电气工程系（ESAT）进行的。该数据集包含从19名视力正常或矫正至正常的年轻参与者收集的脑电图（EEG）数据，他们在观看一系列精心挑选的YouTube视频时被记录。视频被静音，以避免音频引入的混杂因素。为了同步，一个方形框被编码在原始帧之外，并每30秒在屏幕右上角闪烁一次。
一个光电传感器用于检测来自该闪烁盒的光线变化，并用黑色胶带将其固定在该区域，以确保该盒子不会分散参与者的注意力。脑电图（EEG）数据使用BioSemi ActiveTwo系统以2048 Hz的采样率记录。参与者佩戴了64通道EEG帽，并在眼睛周围放置了4个眼电（EOG）传感器以追踪眼动。该数据集总共包含（19名受试者×63分钟 + 9名受试者×24分钟）的数据。更多细节可在下一节中找到。内容 YouTube视频：由于版权限制，该数据集包含原始YouTube视频的链接以及实验中使用的片段的精确时间戳。[1]中提出的特征（Object Flow）已被提取，可在此处下载：https://drive.google.com/file/d/1J1tYrxVizrl1xP-W1imvlA_v-DPzZ2Qh/view?usp=sharing。具体
数据加载示例（图像类）
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
