Marco Liu1. 项目背景与核心价值
伏云发教授课题组最新发布的视觉想象脑电图数据集，填补了脑机接口领域多类别、多层级认知任务数据集的空白。这个数据集最显著的特点是同时包含视觉想象任务和认知层级两个维度的脑电信号记录，为研究人类大脑在不同认知负荷下的信息处理机制提供了宝贵资源。
在脑机接口研究中，视觉想象范式一直是最具挑战性的方向之一。与传统的运动想象不同，视觉想象涉及更高级的认知过程，包括物体识别、场景构建和心理意象等复杂功能。课题组创新性地设计了包含基础物体识别（如工具、动物）和复杂场景想象（如户外活动、室内场景）的多层级任务，使得数据集能够支持从初级视觉处理到高级认知功能的全谱系研究。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 数据集技术细节解析
2.1 数据采集方案设计
实验采用64导联的ActiveTwo系统进行脑电信号采集，采样率设置为1024Hz，并同步记录眼电(EOG)和肌电(EMG)信号用于后续伪迹去除。课题组特别设计了渐进式任务范式：
- 基础视觉想象任务：包含20类常见物体（如苹果、汽车、狗等）
- 中级组合想象任务：要求受试者想象物体间的交互（如狗追汽车）
- 高级场景构建任务：完整场景的视觉化（如公园野餐场景）
每个试次(trial)包含3秒的提示期、5-7秒的想象期和2秒的休息期，这种设计既保证了足够的信号采集时间，又避免了受试者疲劳。
2.2 数据处理流程
原始数据经过以下预处理流程：
- 0.5-100Hz带通滤波
- 50Hz工频干扰去除
- 独立成分分析(ICA)去除眼动和肌电伪迹
- 基于共同空间模式(CSP)的特征提取
- 时频分析(Morlet小波变换)
课题组特别提供了三种数据格式：
- 原始连续信号（.bdf格式）
- 分段后的epoch数据（.mat格式）
- 提取好的特征矩阵（.csv格式）
重要提示：数据集包含30名健康受试者的完整记录，每名受试者完成约600个试次，总数据量达到1.2TB，是目前公开数据集中规模最大、维度最丰富的视觉想象数据集之一。
3. 关键技术突破与创新点
3.1 多认知层级任务设计
课题组创新性地将认知负荷理论融入实验设计，构建了从简单到复杂的任务层级：
| 认知层级 | 任务类型 | 涉及脑区 | 典型应用 |
|---------|------