使用经验证视频刺激的情绪识别脑磁图与行为数据集
Magnetoencephalography and behavioral dataset for emotion recognition using validated video stimuli
现有情绪识别神经数据集多用脑电和维度情绪模型,缺少与细粒度语义标注配对的神经记录。该数据集采集 23 名被试观看 40 段视频时的脑磁图,并记录维度评分与 15 个离散情绪形容词,还标出每段刺激中情绪强度最高的高光片段。500 人在线调查确认视频在效价-唤醒空间形成不同簇并诱发预期情绪,脑磁图特征区分四个效价-唤醒象限刺激类别的试次级分类准确率为 89.87%。
23 名被试观看 40 段视频的脑磁图记录,配 15 个情绪形容词评分与高光片段标注,另有 500 人在线调查验证刺激。
当前用于情绪识别的神经生理数据集主要依赖脑电图(EEG)和维度情绪模型,导致与细粒度语义标注配对的神经记录十分稀缺。为推动该领域发展,我们提出了一个脑磁图(MEG)数据集,记录了对视频刺激的神经响应,并配有行为响应,包括维度评分和15个离散情绪形容词。此外,高亮场景标识了每个刺激中情绪强度峰值对应的特定时间片段。该数据集包含23名参与者观看40段视频片段的MEG记录。通过大规模在线调查(N = 500)进行的行为验证确认,所设计的视频刺激不仅在效价-唤醒(Valence-Arousal,VA)空间中形成了不同的聚类,还诱发了与预期目标一致的特定离散情绪。MEG特征能够区分对应VA四个象限的4个刺激类别,试次级分类准确率为89.87%。评分越接近预期类别的视频,其分类准确率越高,表明MEG特征与行为评分之间存在关联。通过将MEG记录与详细的语义标注相结合,该数据集有助于开发细粒度、语义感知的情绪识别系统。
中文由 AI 翻译,仅供参考,以原文为准。
来源:Scientific Data · nature.com