Alljoined -- A dataset for EEG-to-Image decoding

本文介绍了一个专门用于脑电图到图像解码的数据集Alljoined。我们意识到，对视觉刺激的神经反应进行广泛和无偏的采样对于图像重建至关重要，因此我们从8名参与者那里收集了每个人看了10,000张自然图像的数据。目前，我们已经收集了46,080个脑响应的时段，这些响应是使用64通道脑电图头戴式设备记录的。该数据集结合了基于响应的刺激定时、块和会话之间的重复以及多样的图像类别，旨在提高信号质量。为了透明度，我们还提供了数据质量评分。我们在https://linktr.ee/alljoined1上公开发布了数据集和所有代码。

本论文旨在构建一个专门用于EEG到图像解码的数据集Alljoined，以解决神经响应对视觉刺激的广泛和无偏采样的问题。

论文的关键思路是收集8名参与者对10,000个自然图像的神经响应，记录了46,080个脑波响应，并将响应时间与图像类别结合起来，以提高信号质量。此外，作者还提供了数据质量评分和开源代码。

该数据集的建立对于图像重建等方面有着重要的意义。实验设计合理，数据集和代码均已公开发布，为相关研究提供了重要的资源。

最近的相关研究包括：1.《Deep Learning for EEG-based Brain-Computer Interfaces: A Review》2.《EEG-Based Brain-Computer Interfaces Using Motor-Imagery: Techniques and Challenges》