PhysioMotion Artifact:一个具有逐点运动伪影标注的大规模任务驱动脑电图数据集及其在深度学习模型中的应用评估

《Scientific Data》:PhysioMotion Artifact: A task-driven EEG dataset with point-wise motion artifact annotations

【字体: 大 中 小 】 时间:2026年04月10日 来源:Scientific Data 6.9

编辑推荐:

  为解决脑电图(EEG)数据采集中生理伪影持续存在的挑战,本研究推出了PhysioMotion Artifact数据集。研究人员设计了16种单类型与多类型运动任务,诱导出14种不同类型的生理伪影,并提供了逐点伪影标注。通过构建一个卷积神经网络-Transformer混合模型,在二分类和14类分类任务中分别取得了95.4%和79.7%的准确率。该数据集为EEG信号去伪影研究提供了大规模、高质量的标注资源,具有重要的研究和临床应用价值。

  
在日常的脑电图(Electroencephalogram, EEG)研究中,一个“不速之客”总是悄然而至,干扰着科学家们对大脑电活动信号的清晰解读——它就是生理伪影。无论是临床诊断还是神经科学实验,EEG信号都极易受到眨眼、眼球转动、肌肉活动乃至心脏搏动等非神经源信号的污染。这些“噪声”不仅让信号波形变得难以辨认,更可能误导后续的分析,使得研究结论的可靠性大打折扣。长久以来,研究者们面临着一个棘手的困局:尽管伪影种类繁多,但公开可用的、标注精细的EEG伪影数据集却寥寥无几。现有数据集往往标注粗糙、伪影类型单一,或是空间分辨率不足,难以支撑先进的深度学习模型进行精准的伪影识别与去除。这就像试图在布满划痕的镜片中看清景象,困难重重。为了打破这一瓶颈,为EEG信号处理领域打磨出一面更清晰的“镜片”,一个研究团队开展了一项系统性工作,并将其成果以数据论文的形式发表在了《Scientific Data》期刊上。
研究人员为开展这项研究,主要采用了以下关键技术方法:首先,他们设计了任务驱动的数据采集范式,招募了30名健康参与者,系统性地执行了16种单类型和多类型的头部、面部及肢体运动任务,旨在诱发包括眼球运动、肌肉活动等在内的14种明确的生理伪影。其次,在数据标注方面,他们采用了专家逐点(point-wise)手动标注的方式,为EEG数据流中的每一个时间点都标定了其所属的伪影类别或“干净”状态,从而构建了一个大规模、高精度的标注数据集,并将其命名为PhysioMotion Artifact。最后,为展示该数据集的效用,研究者实现并评估了一个用于伪影检测与分类的卷积神经网络(Convolutional Neural Network, CNN)与Transformer架构的混合模型。
研究结果
1. 数据集构成与特性
本研究构建的PhysioMotion Artifact数据集包含了来自30名参与者的多任务EEG记录。通过精心设计的运动任务,成功诱发了涵盖眼球相关(如水平眼动、眨眼)、肌肉相关(如颚肌收缩、颈部转动)以及混合型在内的14种离散的生理伪影类型。该数据集的核心特征是提供了通道-时间点级别的细粒度伪影注释,相较于传统的事件级别或粗略分段标注,为模型训练提供了更精确的监督信号。
2. 深度学习模型性能评估
为验证数据集的有效性,研究团队开发了一个CNN-Transformer混合模型。该模型利用CNN提取信号的局部时空特征,并通过Transformer模块捕获长程依赖关系。在二分类任务(即区分“伪影”与“干净”信号)中,模型达到了95.4%的准确率,证明了其出色的伪影检测能力。在更具挑战性的14类分类任务(即区分具体的14种伪影类型)中,模型取得了79.7%的准确率,表明其能够较好地对不同来源的生理伪影进行辨识。
结论与讨论
本研究成功创建并发布了PhysioMotion Artifact,这是一个大规模、任务驱动、且具备逐点精细标注的EEG生理伪影数据集。该数据集系统地涵盖了多种常见的运动诱导伪影,填补了该领域高质量标注数据的空白。通过在此数据集上训练和评估一个先进的CNN-Transformer混合模型,研究不仅展示了数据集的直接应用价值——能够支撑复杂的深度学习模型取得高精度的伪影识别与分类性能,更从根本上为EEG信号预处理、伪影去除及脑机接口(Brain-Computer Interface, BCI)等领域的算法开发提供了至关重要的基准资源。这项工作的重要意义在于,它将EEG伪影研究推向了一个更量化、更标准化的新阶段。未来,该数据集有望成为开发鲁棒性更强的在线/离线伪影处理算法、推动临床EEG诊断自动化以及提升神经科学研究信噪比的基石。发表在《Scientific Data》也确保了数据的可及性与可重复性,促进了开放科学的发展。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号