Video-triggered EEG-emotion public databases and current methods: A survey

Emotions,formed in the process of perceiving external environment,directly affect human daily life,such as social interaction,work efficiency,physical wellness,and mental health.In recent decades,emotion recognition has become a promising research direction with significant application values.Taking the advantages of electroencephalogram(EEG)signals(i.e.,high time resolution)and video-based external emotion evoking(i.e.,rich media information),video-triggered emotion recognition with EEG signals has been proven as a useful tool to conduct emotion-related studies in a laboratory environment,which provides constructive technical supports for establishing real-time emotion interaction systems.In this paper,we will focus on video-triggered EEG-based emotion recognition and present a systematical introduction of the current available video-triggered EEG-based emotion databases with the corresponding analysis methods.First,current video-triggered EEG databases for emotion recognition(e.g.,DEAP,MAHNOB-HCI,SEED series databases)will be presented with full details.Then,the commonly used EEG feature extraction,feature selection,and modeling methods in video-triggered EEG-based emotion recognition will be systematically summarized and a brief review of current situation about video-triggered EEG-based emotion studies will be provided.Finally,the limitations and possible prospects of the existing video-triggered EEG-emotion databases will be fully discussed.

基于SQL Server的脑电数据库的构建

基于SQL Server 2000，构建了一个脑电数据库系统，并配置了一个IIS（Imemet Information Services）服务器以方便网络查询（http：//202．113．232．103：8088／neurodb／）。以临床脑电数据为例，该数据库不仅存储了病例信息，还将脑电数据及其注释结构化和规范化为数据库的表的形式。这与通常采用的文本文件的存储方式不同，它能够充分发挥关系型数据库的强大优势，为存储、检索和分析数据带来最大程度的方便和灵活性，减少错误的发生。与此同时，为数据库还开发了一个相关软件，用于展示脑电图。软件中集成了多种算法，可直接进行数据分析。论文介绍了该数据库的设计、相关软件的开发，并列举了一些数据库的应用。

基于Visual Studio与Matlab集成的脑电数据库管理和分析系统

为日益庞大的脑电数据信息提供直观易操作的管理方式,为进一步分析处理提供数据管理基础。采用Visual Studio开发友好的用户界面,结合Access进行病患基本信息的数据管理,结合Matlab进行后台的数据分析处理,在管理脑电数据的基础上,实现分析和辅助诊断的功能。从设计到实施,基本完成了脑电数据库管理系统的建立。但是系统运行有局限性,需要MATLAB的安装环境,下一步会逐步完善实现脱离MATLAB运行。

建立多媒体脑电图数据库的初探

信息时代的到来 ,快速发展的计算机辅助医学向传统的医疗模式提出了挑战 ,也提供了向前发展的机遇。脑电图机也经历了由模拟式到数字式的转变 ,本文试图建立注释脑电图数据库的框架 ,以沟通临床和医技科室的联系 ,为进一步挖掘医院数据信息做一尝试和努力。

小波变换及脑电信号综合分析系统的研究

本文介绍了小波变换、脑电信号的特点和分析方法，以及脑电信号综合分析系统的硬件结构，并阐述了系统软件的设计和实现方法。该系统的软件具有良好的兼容性、可靠性和实时性，功能齐全，可用于脑电信号的分析、监护和反馈研究。

基于Web的脑电数据库系统的设计与实现

脑电图是脑疾病治疗和脑科学研究中的重要工具 ,因此在Internet上共享脑电数据对于医疗人员和脑科学研究人员是一件有意义的事情。本文介绍了一种基于Web的脑电数据库系统的设计与实现。该系统建立了一个合理而有效的脑电数据共享平台 。

基于协方差信息和1D CNN的脑电癫痫检测研究

癫痫是大脑神经元突发性异常放电,导致短暂的大脑功能障碍的一种慢性疾病。临床上主要由专业的神经科医生通过对患者的脑电图(Electroencephalogram,EEG)信号的人工分析来检测癫痫疾病,这种方法耗时长、效率低,且对神经科医生专业技术水平要求极高。及时并准确地检测癫痫对于使用抗癫痫药物治疗起到至关重要的作用,因此设计癫痫自动检测方法的意义重大。提出了一种结合协方差信息和深度学习的方法:计算EEG的协方差矩阵,并将结果展开成向量,保留EEG信号的可分信息,再使用1维卷积神经网络(1D Convolutional Neural Networks,1D CNN)检测癫痫发作。使用CHB-MIT数据集进行两种实验,即癫痫发作间期vs癫痫发作前期和癫痫发作间期vs癫痫发作前期vs癫痫发作期,以验证该方法的可行性。其中,癫痫发作间期vs癫痫发作前期实验的准确率、灵敏度、精密度、特异度和F1-分数的平均值分别为99.36%、98.81%、99.59%、99.16%和99.19%;癫痫发作间期vs癫痫发作前期vs癫痫发作期实验的平均准确率可以达到98.98%。因此证明该方法可以应用于癫痫检测。