iNCog-EEG：用于认知工作负荷评估的多任务EEG开放数据集

《Scientific Data》：A Multitasking EEG Dataset for Cognitive Workload Assessment with Controlled Task Difficulty

　　

摘要

认知负荷影响注意力、记忆和决策。我们提出了iNCog-EEG（理想与噪声认知EEG用于工作负荷评估），这是一个包含40名参与者在不同难度级别下执行多任务活动的EEG数据集。参与者完成了四项并发任务：数学题、记忆匹配（N-Back）、物体（视觉）追踪和抑制任务（点击任务），以及休息基线。该数据集包含30个干净记录和10个带自然伪影的记录，允许研究无伪影和噪声信号。它支持二分类认知工作负荷分类（无负荷 vs. 有负荷）和层级分类（低、中、高负荷）。通过相关性、时频和地形分析进行的验证显示了一致的神经模式，如额部theta波增加和后部alpha波活动减少。使用重复测量方差分析的统计验证确认了不同工作负荷级别之间存在显著的神经差异，而基线MLP（多层感知器）和XGBoost（极端梯度提升）模型达到了87.48%的二分类和82.80%的三分类准确率，证明了即使在噪声EEG下也具有可靠的工作负荷可分性。该数据集免费开放，支持认知工作负荷分类、信号质量评估和自适应BCI（脑机接口）开发。