Alljoined/14_70

该数据集包含EEG信号、图像、受试者ID、会话、块、试验、73k_id、coco_id和当前时间等多个特征。数据集分为训练集，包含42,118个样本，总大小为11,257,498,991.25字节，下载大小为9,007,735,613字节。数据集的配置名为default，数据文件路径为data/train-*。

原始信息汇总

数据集信息

特征

• EEG: 序列类型，序列数据为float64
• image: 图像类型
• subject_id: 整数类型，int32
• session: 整数类型，int32
• block: 整数类型，int32
• trial: 整数类型，int32
• 73k_id: 整数类型，int32
• coco_id: 整数类型，int32
• curr_time: 浮点类型，float32

数据分割

• train:
  • 字节数: 11257498991.25
  • 样本数: 42118

数据大小

• 下载大小: 9007735613
• 数据集大小: 11257498991.25

配置

• default:
  • 数据文件:
    • 分割: train
    • 路径: data/train-*

搜集汇总

数据集介绍

构建方式

在脑机接口与视觉认知交叉研究领域，同步采集的神经信号与视觉刺激数据是探索大脑视觉处理机制的关键资源。Alljoined/14_70数据集通过精心设计的实验范式，在受试者观看自然图像的同时记录64通道脑电图（EEG）信号，构建了多模态神经影像数据集。每个试次（trial）包含EEG时间序列、对应视觉刺激图像、受试者标识（subject_id）及实验会话（session）、模块（block）等结构化元数据。数据集共收录42118个样本，存储为高效的分片文件格式（data/train-*），兼顾大规模数据的管理与加载效率。

特点

该数据集的核心特色在于其多模态对齐与精细的元数据标注。EEG信号以浮点型序列形式存储，完整保留了神经活动的时域动态特征；视觉刺激图像采用标准图像格式，确保与神经信号在试次级别精确同步。此外，数据集提供了73k_id与coco_id两个标识字段，分别关联大规模图像数据库与COCO语义标签，为跨数据集迁移学习与语义解码研究提供了桥梁。受试者、会话、模块、试次的多级分层结构，支持个体差异分析、跨session泛化性验证及实验条件对比等高级研究范式。

使用方法

研究者可通过HuggingFace Datasets库直接加载该数据集，使用`load_dataset('Alljoined/14_70')`命令即可获取训练分片。加载后，EEG数据可作为序列特征输入循环神经网络或时序卷积网络，图像数据可通过预训练视觉编码器提取特征，实现脑电解码模型的端到端训练。建议将subject_id作为分组依据进行受试者独立或跨受试者实验设计，利用coco_id和73k_id进行语义标签映射，评估模型在细粒度视觉概念解码上的表现。数据集已预设训练集划分，可直接用于模型训练与验证，无需额外预处理。

背景与挑战

背景概述

在认知神经科学与计算机视觉的交叉领域，脑电信号（EEG）与图像刺激的联合建模正成为探索人类视觉感知机制的关键路径。Alljoined/14_70数据集由某研究机构于近年构建，旨在破解视觉刺激下EEG信号的时空编码规律，其核心研究问题在于如何通过非侵入式脑电记录精准解码视觉内容。该数据集包含42,118个训练样本，每个样本同步采集了64通道EEG时间序列与对应的自然图像，并记录了受试者编号、实验会话等元数据，为多模态学习提供了高保真度的基准资源。其发布推动了脑机接口与视觉解码领域的发展，尤其在图像检索、神经反馈系统等应用中展现出潜力，成为连接神经活动与视觉语义的重要纽带。

当前挑战

该数据集面临的首要挑战在于EEG信号的低信噪比与个体间差异，受试者头皮电位的非平稳特性使得跨被试的视觉解码模型泛化困难，同时图像的高维语义空间与EEG的低维时序特征之间存在异构对齐难题。构建过程中，实验设计需平衡刺激呈现的随机性与脑电响应的可重复性，例如通过多轮次（block/trial）记录来抑制疲劳效应，但数据标注依赖精确的同步时钟，任何毫秒级延迟都会导致图像-EEG匹配错误。此外，大规模采集环境下电极阻抗波动、环境电磁干扰等工程问题，进一步增加了数据清洗与伪迹剔除的复杂性，而42,118个样本的规模虽在同类数据集中较大，但仍不足以覆盖视觉刺激的完整语义分布，存在长尾类别样本稀疏的隐患。

常用场景

经典使用场景

Alljoined/14_70数据集将非侵入性脑电图（EEG）信号与视觉图像数据同步采集，为神经科学领域研究人脑视觉认知机制提供了高时间分辨率的神经生理学资源。该数据集最经典的使用场景是构建脑电信号与视觉刺激之间的多模态关联模型，研究者可借助其精细的试验结构（包含受试者、会话、区块与试次标签）分析特定视觉刺激诱发的神经振荡模式，从而揭示视觉感知、注意力分配及记忆编码等认知过程的神经动力学特征。

实际应用

在实际应用中，该数据集可服务于脑机接口（BCI）系统的开发与优化，尤其是基于视觉诱发电位的实时图像分类与隐式意图解码。通过训练深度学习模型学习EEG信号与图像内容的映射关系，可构建无需显式行为输出的视觉搜索辅助工具，为运动功能障碍者提供新型交互范式。此外，其在神经反馈训练、认知状态监测等临床康复场景中也展现出显著潜力。

衍生相关工作

该数据集已衍生出一系列经典工作，包括基于时频分析与卷积神经网络的视觉刺激分类模型，以及利用图神经网络建模脑区功能连接以实现图像语义解码的研究。同时，跨模态对比学习框架被引入以对齐EEG与图像特征空间，显著提升了零样本与少样本场景下的视觉解码性能。这些工作不仅推动了多模态神经表征学习的发展，也为构建可解释的认知计算模型提供了方法论支撑。