Nature Portfolio（Neural decoding）·· 17 天前AI 评分31
多任务 EEG 数据集 iNCog-EEG 用于认知负荷评估
A Multitasking EEG Dataset for Cognitive Workload Assessment with Controlled Task Difficulty
AI 导读
研究团队发布 iNCog-EEG 数据集，采集自 40 名受试者完成数学、N-Back 记忆匹配、视觉追踪与抑制点击四项并行任务及静息基线的 EEG 数据，含 30 份干净记录与 10 份含自然伪迹记录。基线 MLP 与 XGBoost 模型实现最高 87.48% 二分类与 82.80% 三分类准确率，支持认知负荷分类、信号质量评估与自适应 BCI 开发。
AI 要点
团队
第一作者 Fariya Bintay Shafi（Rajshahi 工程技术大学），末位作者 Mohamed Arselene Ayari（卡塔尔大学），共 7 位作者。
主要结果
数据集含 40 名参与者的多任务 EEG，基线 MLP 与 XGBoost 模型二分类准确率最高 87.48%、三分类 82.80%。
解决什么问题
提供 iNCog-EEG 数据集，支持认知负荷分类、信号质量评估与自适应 BCI 开发。
方法
40 名参与者完成数学、N-Back 记忆匹配、视觉追踪与抑制（点击）四项并行任务及静息基线；30 份干净记录、10 份含自然伪迹。
局限
从研究设计看，为数据集描述性研究，未设对照组；含伪迹记录仅 10 份。
AI 依据原文整理，未经人工核对。
来源：Nature Portfolio（Neural decoding） · nature.com